Carrefour, Zalando, ou encore Klarna proposent désormais des assistants d’intelligence artificielle (IA) maison qui préparent un panier, recommandent un produit, sans pour autant à ce stade générer un paiement agentique. Les grands distributeurs sont déjà passés à l’offensive et intègrent le commerce agentique dans leurs canaux de distribution. Une réponse finalement à l’essor de l’IA générative et à la meilleure préparation de leurs clients dans leurs actes d’achat. Mais qu’en est-il des banques, notamment sur leur métier principal, à savoir le crédit ? Pour elles, la situation est plus complexe. L’acte de crédit engage le client et le prêteur, dans un cadre où la conformité est forte et la relation de confiance toujours importante. Il faut donc aller un cran plus loin, avec le crédit agentique. Cela implique l’utilisation coordonnée d’assistants conversationnels propriétaires ou non de la banque, et d’agents IA, eux, mis en place par l’établissement ou ses partenaires.
Cette évolution pour le crédit bancaire reste embryonnaire, mais les comportements des consommateurs révèlent un changement significatif des pratiques et affectent les parcours de distribution. L’interface de recherche et d’orientation se déplace progressivement. Un double enjeu s’installe pour les banques : savoir comment rester visible dans un premier temps, lorsque la recherche, la comparaison et l’orientation se déroulent en dehors des canaux bancaires traditionnels, puis comment distribuer un crédit par les assistants.
Le point d’entrée se déplace vers l’assistant, son traitement vers les agents
Avant l’avènement de l’IA générative, le client souhaitant un crédit passait par un moteur de recherche, un comparateur, le site d’une banque ou l’application de son établissement principal. Il peut maintenant commencer par une question posée à son LLM préféré : « Quel financement pour acheter ce véhicule ? », « Puis-je lisser le paiement de ces travaux ? », « Quelle solution de trésorerie pour absorber ce délai de paiement ? ». Le client ne cherche plus seulement une banque, mais une solution adaptée à son achat, son projet ou sa contrainte de trésorerie. L’assistant comparera les options disponibles et proposera un passage à l’action.
La rupture n’est pas tant technologique qu’économique et commerciale. Le crédit agentique déplace l’amont du parcours : l’intention, la comparaison et une partie de la qualification du besoin se construiront hors des espaces bancaires traditionnels. Après l’essor des comparateurs et courtiers en ligne, l’IA est un nouveau point de départ de la relation avec une banque qui se situe dans une interface qu’elle ne contrôle pas. Cela pose un double risque aux établissements.
D’abord, l’invisibilisation : si l’assistant généraliste ou marchand ne cite pas un établissement, celui-ci disparaît du moment de choix. Idéalement, le LLM doit placer l’établissement dans les conclusions du plan d’actions avec un call to action. Ensuite, la désintermédiation : même si la banque finance, elle peut ne plus maîtriser le contexte, la donnée collectée ni les premières interactions avec le client.
Dans le crédit, perdre le haut du « funnel » revient à laisser un tiers définir les critères de comparaison. La banque conserve le risque de crédit, mais ne maîtrise plus nécessairement le moment où la préférence du client se construit.
Évolution des modèles de distribution
Face à ce déplacement du point d’entrée, trois modèles de distribution émergent (voir l’infographie). Ils répondent à une même question : comment rester présent au moment où le besoin de financement se forme ?
Le premier modèle est le canal propriétaire, en distribution directe. La banque intègre un assistant dans son application ou son site authentifié. C’est l’option la plus protectrice : la banque conserve la relation, les données, la preuve du consentement et la possibilité de faire intervenir un conseiller lorsque la situation l’exige. Elle permet d’hyper-personnaliser l’offre à partir de données du client et les caractéristiques du crédit, tout en encadrant les réponses. Aux États-Unis, Better.com est un modèle intéressant à surveiller.
En Europe, les initiatives de Sumeria, Hello Bank! ou BPCE se concentrent sur l’assistance, la navigation ou la préparation d’opérations. Elles constituent les premières briques d’une relation bancaire plus conversationnelle. Younited illustre davantage l’évolution des capacités de scoring, d’hyper-personnalisation et d’embedded finance qui alimenteront demain ces parcours.
Le deuxième modèle, toujours en distribution directe, est la présence dans les assistants généralistes. La banque ne se contente plus d’optimiser son référencement web, elle cherche à être lisible, recommandable et activable dans ChatGPT, Gemini ou d’autres interfaces. Cela suppose des contenus fiables, structurés et à jour, mais aussi des API d’éligibilité, de taux indicatif, de pièces nécessaires ou de statut de dossier. Les pratiques d’AIO ou de GEO deviennent un prolongement du marketing digital. L’enjeu est d’être cité avec la bonne offre, au bon moment, dans des conditions conformes.
Ce modèle offre un fort potentiel d’acquisition, mais expose à la dépendance aux plateformes, au partage de valeur et à une perte de maîtrise du parcours.
En Europe, BBVA et NatWest figurent parmi les premiers établissements à expérimenter des applications dédiées dans ChatGPT, sans aller jusqu’à la souscription de crédit. Ces initiatives constituent un premier pont entre assistants généralistes et environnements bancaires, condition essentielle pour instaurer la confiance nécessaire au partage des données.
La taille de marché de ces deux premiers modèles est comparable à celle des crédits distribués en ligne par les banques. À horizon dix ans, ils pourraient en couvrir l’ensemble des parts de marché. Leur croissance suivra alors de près celle de la souscription en ligne et l’accélération attendue de l’usage des IA par les consommateurs.
Le troisième modèle repose sur le crédit embarqué dans les écosystèmes marchands en distribution indirecte. Il prolonge le BNPL (Buy Now, Pay Later), le crédit instantané et les offres de financement au point de vente, mais avec une logique plus intelligente. L’agent du marchand comprend le contexte d’achat, adapte la proposition de financement et coordonne marchand, prêteur, paiement, identité et service après-vente. Ce modèle élargit le champ du crédit agentique en se plaçant au cœur de la transaction. Ses limites sont connues : dépendance au partenaire, compression des marges, responsabilité en cas de litige, retours ou annulation de l’achat, et exigences d’information précontractuelle. Pour le marché des particuliers, ce modèle est capé par le paiement digital lors du check-out, actuellement estimé à 10 % des transactions pour le BNPL, et un potentiel de 25 à 30 % pour 2030.
Quel que soit le modèle retenu, une même question demeure : comment préparer l’organisation à cette nouvelle forme de distribution ?
Devenir « agent-ready » repose sur des conditions imbriquées
Préparer le crédit agentique ne consiste pas à connecter un assistant conversationnel à un moteur de décision. C’est un chantier de distribution, de données, de conformité et de gouvernance. Quatre conditions sont à réunir par les établissements.
• L’offre doit être lisible. Un agent ne peut recommander correctement que ce qu’il comprend : produits, critères d’éligibilité, fourchettes de taux, durées, justificatifs, exclusions, frais, délais, conditions de rétractation. Les banques devront donc produire une donnée produit plus structurée, maintenue et exploitable par des interfaces internes comme externes.
• La continuité du parcours est nécessaire. Le client ne doit pas recommencer trois fois son histoire. Les informations collectées par l’assistant doivent alimenter un dossier, être vérifiées et reprises par un conseiller. Le passage du dialogue au formulaire, puis au scoring et à la signature doit être fluide, mais jamais opaque. API, identité numérique, consentement explicite, traçabilité et conservation du contexte deviennent ici des actifs de distribution.
• La maîtrise du risque reste indispensable. En Europe, l’évaluation de solvabilité et le scoring de crédit par IA sont des cas sensibles, encadrés par l’AI Act, la protection du consommateur, la lutte contre la fraude et les obligations d’information. L’agent doit donc rester dans un périmètre clair : pédagogie, collecte, simulation, orientation, assistance administrative, puis décision dans des systèmes gouvernés, auditables et explicables. Le conseiller garde un rôle clé dans les situations complexes, les exceptions et la validation commerciale. Pour le crédit agentique, les deux lignes rouges identifiées sont le conseil sur l’objet du financement et l’usage strictement nécessaire des données à chaque étape pour chaque agent.
• Et vient la clarification des modèles économique et opérationnel. Qui est responsable de la recommandation ? Qui détient la donnée ? Qui rémunère l’apport d’affaires ? Qui supporte le coût d’un abandon, d’un litige ou d’un retour produit ? Le crédit agentique obligera les banques à rediscuter leurs règles de distribution avec plateformes, marchands, courtiers et agrégateurs.
