L’impact de l’IA sur les métiers bancaires : la parabole du Tour de France

Dans le Tour de France, il y a les vainqueurs d’étape et il y a les prétendants au maillot jaune. Les premiers brillent certaines journées, mais perdent de précieuses minutes dans d’autres, tandis que les seconds, plus « complets », se doivent de n’avoir pas de point faible. Cette référence au classement de la Grande Boucle est précieuse quand on se pose la question des implications de l’IA pour l’intermédiation bancaire.

Je vais demander à l’IA de m’aider à analyser la question, dans un cadre conceptuel[1] strict que je lui fixe.

Aujourd’hui, sont en concurrence en matière de crédits et de dépôts, trois types d’institutions financières (IF) : les banques traditionnelles, les fintechs (dans lesquelles j’inclus les néobanques), et les « non-banques », essentiellement les fonds et les émetteurs de stablecoins. Impossible de dire quelles sont leurs parts de marché exactes : peut-être, en zone euro, 80%, 5% et 15% sur le crédit et 90%, 5% et 5% sur les dépôts, mais ce sont des ordres de grandeur, non des statistiques solides.

Critères de qualité multiples

Ces parts de marché évoluent en fonction de la qualité perçue par les clients du service rendu dans les deux activités de distribution du crédit et de gestion des dépôts. Or, chacune nécessite de déployer plusieurs tâches : la « fonction de production » du crédit ou des dépôts est le produit de l’investissement mis dans ces tâches, toutes indispensables mais distinctes, comme le suggère le modèle qui a valu le prix Nobel à l’économiste Michael Kremer[2]. Par exemple, faire du crédit en requiert cinq: (i) nouer un contact avec le client, (ii) analyser le risque de la demande, (iii) prendre des garanties et formaliser un contrat, (iv) assurer le suivi du crédit durant sa vie, enfin (v) profiter de la relation pour vendre d’autres produits au nouvel emprunteur. Pour les dépôts, (i) ouverture des comptes, (ii) analyse de la conformité, (iii) gestion des paiements, (iv) information du client et (v) assistance et conseil de placement, sont des tâches distinctes.

Le client évalue la qualité en fonction de ses propres critères : pour un crédit, il voudra que l’intermédiaire soit réactif, facile d’accès, que le délai de décision et d’établissement du contrat soit rapide, qu’il prenne en compte ses besoins spécifiques et que son coût soit raisonnable et sans surprise. Sur les dépôts, les critères sont différents : la fiabilité, la sécurité, l’ergonomie de «l’expérience-client», la qualité du conseil sont essentiels.

C’est là que l’IA entre en jeu. Je lui demande de noter la qualité des activités de crédit et de dépôts de chacun des trois types d’intermédiaires sur chacune des tâches qui constituent ces activités. Et de le faire à deux moments : aujourd’hui et une fois que l’IA aura produit ses effets.

A lire aussi : Les banques affûtent leur stratégie de conquête dans l’immobilier

Quelles conclusions peut-on tirer de ces notes ? Aujourd’hui, «avant l’IA», les banques traditionnelles sont appréciées sur les dépôts pour leur fiabilité et la sécurité qu’elles apportent au client, beaucoup moins sur les crédits, pour lesquels elles sont jugées plus lentes et exigeantes que leurs concurrents. Les fintechs sont plébiscitées pour leur facilité d’usage et leur réactivité. Résultat : elles prennent des parts de marché auprès d’une clientèle qui valorise leur efficacité technique. Quant aux non-banques, elles paraissent à la traîne sur les deux activités, sans doute parce qu’elles rechignent à effectuer elles-mêmes l’ensemble des tâches.

Les banques traditionnelles restent bien placées

« Après l’IA », la qualité des banques se rapproche de celle des fintechs sur le crédit et elles renforcent leur avance sur les dépôts. Les non-banques restent en retrait, même si elles profitent elles aussi de l’IA : elles ne font pas toutes les tâches nécessaires aux activités bancaires et la qualité du service en pâtit, l’existence de « maillons faibles » dans la chaîne des tâches les pénalisant.

L’autre déterminant des positions concurrentielles, c’est le coût. Aujourd’hui, si le coût des banques est de 100, celui des fintechs est d’environ 70, et celui des non-banques se situe entre les deux. On peut les détailler entre les tâches. Là encore, l’IA bénéficie surtout aux banques traditionnelles : elles peuvent réduire les coûts qui les pénalisent aujourd’hui, « hérités » de leur histoire. Les agences et les sédimentations informatiques coûteuses les ralentissent face à des concurrents agiles. L’IA prédit une baisse des coûts globaux pour les banques pouvant aller jusqu’à 40%, contre 10 % aux fintechs et 20 % aux non-banques. L’image finale : banques et fintechs à parité sur la qualité de leur processus de crédit, et une avance aux banques classiques en matière de dépôts, au prix d’un fort investissement sur les moyens de paiement.

Se dessine ainsi un équilibre entre les acteurs : l’IA aura apporté baisse des coûts et amélioration de la qualité, dont les banques sont les grands bénéficiaires après avoir perdu quelques plumes dans l’intervalle. Les non-banques auront une place, mais modeste sur ces activités classiques.

Cette analyse sous-estime le jeu des acteurs. Les non-banques vont, pour certaines (les émetteurs de stablecoins) se focaliser sur le paiement et la gestion, pour d’autres, se spécialiser sur certains segments du crédit (complexes, sans doute pas les crédits de masse). Les fintechs auront des choix stratégiques à faire : devenir un acteur de niche, agile et orienté produit, ou une banque traditionnelle.

Les banques réussiront à réduire leurs coûts, à exploiter leurs données, et à s’affranchir de la legacy. Mais améliorer la qualité, pour les générations Z et suivantes, nécessitera une révolution culturelle. C’est la condition pour conserver et consolider leur maillot jaune.

[1] Vivien Levy-Garboua et Gérard Maarek, « L’IA dans un modèle de consultant de l’intermédiation bancaire », document de travail, mai 2026.

[2] Michael Kremer, « The O’Ring theory of economic development, Quarterly Journal of Economics, août 1993