Catherine Mathon (BNP Paribas) : “Face à la multiplicité des possibilités offertes par l’IA, il est facile de se disperser”

Quel est l’état d’avancement du projet d’IA pour l’octroi de crédit immobilier, par rapport à ce qui avait été annoncé en mars 2025 ?

Le projet a été livré dans ses premières versions et constitue une belle réussite. Il accélère déjà significativement le délai d’octroi d’un crédit immobilier, conformément à nos attentes. Le défi principal réside dans l’analyse de documents non normalisés, tels que des actes notariés, des fiches de paie ou des éléments cadastraux, où les informations ne se trouvent jamais au même endroit. 

Après un an de mise en œuvre, les bénéfices sont tangibles : nous avons mesuré une réduction de six jours du délai de traitement global pour nos clients. La prochaine étape consiste à enrichir la base documentaire analysée par nos modèles. Nous allons commencer par intégrer le diagnostic de performance énergétique (DPE) pour automatiser son analyse dans le processus.

Le temps d’entraînement des modèles, qui était de deux à trois mois, reste-t-il une constante ou avez-vous réussi à l’optimiser ?

Ce délai dépend avant tout de la complexité et du degré de normalisation du document source. Un DPE, par exemple, est plus structuré qu’un acte notarié, ce qui peut influencer le temps d’entraînement. Cependant, il existe un temps incompressible nécessaire pour garantir la fiabilité de nos modèles.

Le point essentiel pour nous est la vigilance extrême que nous portons à la qualité et à la véracité de l’information restituée par l’IA. C’est un point majeur sur lequel nous ne transigerons jamais. Nous prendrons donc systématiquement le temps nécessaire pour un entraînement rigoureux afin d’éviter toute erreur et de garantir la pertinence de l’analyse.

En mars dernier, Hello bank! présentait son nouvel assistant conversationnel à destination de ses clients.