ChatGPT se fait coach de finances personnelles

Je l'avais anticipé avec le lancement, à l'automne dernier, d'un coach personnel, OpenAI n'a donc pas tardé à concrétiser la prolongation du concept avec un accompagnement au pilotage des finances personnelles. S'il ne présente pas de caractéristiques révolutionnaires à ce stade, il ouvre tout de même la voie à un changement profond.

Naturellement, les consommateurs n'ont pas attendu pour demander des conseils financiers à leur plate-forme d'intelligence préférée. Il seraient même environ 200 millions chaque mois à poser des questions à propos de gestion de budget, de recommandations d'investissement, de planification de projets… Désormais, ceux qui le souhaitent (et sont abonnés à la version « pro ») pourront bénéficier de réponses mieux personnalisées s'ils ouvrent l'accès à leurs comptes, via la technologie de Plaid.

Grâce à ses interfaces avec quelques 12 000 établissements, la solution propose de connecter non seulement les comptes bancaires, de dépôt et d'épargne, mais également les cartes de crédit, les portefeuilles d'investissement… afin de lui fournir une visibilité complète sur sa situation et bénéficier de la sorte d'une assistance optimisée. Une fois la configuration terminée, dans les règles de l'art de l'« open banking », notamment en termes de sécurité, l'utilisateur obtient une première analyse complète de sa position.

Sans être extraordinaire, celle-ci offre un bilan instantané comme on en voit rarement sur le marché. Outre un aperçu des dépenses par grande catégorie et une estimation du patrimoine global, elle inclut des informations sur les transactions récentes et les factures à régler prochainement, un état des abonnements, une comparaison des dépenses par mois, la répartition des investissements par classe d'actif… En résumé, c'est une sorte de tableau de bord qui présente l'essentiel à savoir sur ses comptes.

Hormis dans sa forme, le contenu ainsi restitué est tout à fait banal et il en est de même pour une bonne partie des services que peut rendre ChatGPT à partir de sa connaissance de l'historique de transactions de l'utilisateur, qu'il s'agisse d'effectuer des calculs sur tel ou tel critère (par exemple, combien ai-je dépensé au total pour mes dernières vacances ?), de rechercher des tendances parmi les opérations, d'évaluer la stratégie d'investissement… ou même de vérifier l'utilité des abonnements identifiés.

La différence avec ce qui se fait aujourd'hui commence à être plus marquée avec les possibilités de conseil opérationnel, notamment pour la définition d'un grand projet (organiser l'achat d'une maison dans les 5 ans) ou l'examen de scénarios de vie (mesurer l'impact d'une réduction de salaire pour gagner en flexibilité des horaires de travail). OpenAI ne manque pas d'évoquer son intention future, à un terme non précisé, d'enrichir ces préconisations avec des capacités de mise en action immédiate.

Autre particularité notable, l'outil sait également enregistrer des éléments de contexte qui sont indétectables autrement dans les données brutes. Si vous lui expliquez que vous mettez de l'argent de côté pour acheter une voiture ou que vous devez une somme d'argent à un proche, il prendra en compte ces à-côtés dans les interactions ultérieures. L'ambition sous-jacente est d'appréhender et intégrer la situation globale de la personne de manière à pouvoir lui apporter une aide toujours pertinente.

Si cet ajout dans ChatGPT ne représente pas un saut générationnel par rapport aux options de PFM existantes – dédiées ou intégrées dans les applications de banque –, il se positionne clairement en pointe sur le sujet et laisse entrevoir une marge de progression considérable, susceptible de laisser derrière lui les acteurs traditionnels… et de la sorte de détourner la relation que ces derniers entretiennent avec leurs clients.

NatWest crée un compte d'épargne semi-bloqué

Partout dans le monde, les consommateurs apprécient la flexibilité des comptes d'épargne simples, bien que les taux d'intérêts qu'ils servent soient généralement modestes. Après une étude des habitudes de ses clients, la britannique NatWest en propose désormais une version plus rentable, moyennant une petite contrainte sur les retraits.

Les règles de fonctionnement du nouveau « Defined Access Saver » sont triviales. Les dépôts sont libres, sans montant minimum, et accessibles à tout moment. En mode nominal, ils sont rémunérés, à rythme mensuel, à un niveau particulièrement avantageux (2,50% actuellement). En revanche, dès que le détenteur effectue un quatrième retrait dans l'année, il voit ce taux réduit à une valeur de marché (1,04% à date) jusqu'au premier janvier suivant, date à partir de laquelle son compteur est réinitialisé.

Le mécanisme n'est pas conçu au hasard. La banque a en effet confirmé auprès de ses clients qu'une proportion importante (45%) ne ponctionne que rarement, au plus annuellement, dans ses économies. Ce sont donc près de la moitié d'entre eux qui pourraient profiter immédiatement d'une bonification du taux servi sur leur épargne. Et ils sont bien plus nombreux (83%) à déclarer qu'ils apprécieraient un système valorisant leur modération du nombre de retraits, complétant de la sorte la cible potentielle.

Naturellement, une bonne partie de ces personnes devraient probablement envisager de transférer tout ou partie de leurs réserves sur un compte à terme afin d'optimiser leur rendement. Cependant, ces produits, outre qu'ils ne sont pas toujours bien connus, créent un frein psychologique par rapport à l'impression qu'ils donnent de bloquer l'argent ou, a minima, de renoncer à tout bénéfice en cas de retrait anticipé. L'approche adoptée par NatWest permet largement d'éviter ce genre de biais cognitif.

D'autre part, dans une logique pédagogique, le « Defined Access Saver » peut également être appréhendé comme un stimulateur de « bon » comportement financier. En effet, grâce à son limiteur d'opérations, le titulaire sera enclin à s'interroger sur la pertinence de gréver ses économies et risquer de perdre ainsi un revenu facile. Ce pourrait être le premier pas vers une démarche de maîtrise de son budget personnel, par exemple pour le maintien d'un fonds d'urgence ou la résistance à des achats impulsifs.

Un responsable de NatWest explique que l'initiative correspond à l'ambition de l'établissement d'offrir à ses clients la diversité d'options que requièrent leurs besoins et les moyens de prendre confiance dans leur contrôle sur leur argent. Je ne doute pas que le nouveau dispositif constitue une opportunité commerciale supplémentaire pour la banque mais son principe prend indubitablement en compte l'intérêt des consommateurs. Il resterait maintenant à vérifier si ses promesses sont réellement tenues et donc si, sur le terrain, sa distribution est alignée avec sa philosophie.

Yomoni automatise l'optimisation fiscale

Si l'optimisation fiscale est souvent perçue comme un privilège (abusif) réservé aux personnes fortunées, elle peut aussi concerner des ménages « moyens ». Ces derniers n'ont cependant pas accès, évidemment, au même niveau de conseil. Alors Yomoni esquisse ce que pourrait être une option d'assistance automatisée pour tous.

La jeune pousse dévoile son nouvel outil juste à temps pour la saison des déclarations de revenus 2025. Disponible gratuitement pour tous les français, clients ou non, il les invite à télécharger leur avis d'imposition précédent. Une fois son analyse terminée, en quelques secondes, le service restitue une synthèse complète, qui reprend les éléments principaux du document et détaille les possibilités de réduction et de crédit d'impôt qui en ressortent, résumées en un montant d'économies potentielles.

Naturellement, il n'existe pas de formule magique pour extraire une vision exhaustive de la situation financière d'un foyer à partir de cette seule source d'information. La promesse de Yomoni porte donc exclusivement sur les avantages réservés aux Plans d'Épargne Retraite (PER), dont les plafonds de déduction autorisée – constituant un des instruments de réduction d'impôt les plus faciles à mettre en œuvre pour une grande partie de la population – sont clairement affichés chaque année pour la suivante.

L'initiative mérite d'être soulignée, en dépit de cette sévère limitation, d'abord parce que le dispositif officiel qui entoure le PER s'avère relativement méconnu et sous-exploité par les contribuables, alors qu'il existe depuis longtemps et non seulement leur permet d'abaisser leurs ponctions fiscales mais les encourage aussi à mettre régulièrement de l'argent de côté afin de compléter leur future pension. Pour Yomoni, il s'agit également, bien entendu, de promouvoir sa propre gamme de produits dédiés à ce marché.

Plus globalement, le principe, aujourd'hui limité, ouvre une fenêtre sur une perspective plus riche. La première est celle que suggère l'entreprise elle-même, de contacter ses spécialistes en vue d'obtenir un accompagnement personnalisé en matière d'optimisation fiscale. Ensuite, il serait probablement utile d'affiner l'approche, par exemple en approfondissant les modalités d'utilisation des plafonds pour ceux qui ne peuvent débloquer la somme totale en une fois, pour toutes sortes de raisons, ou en profitant de l'opportunité pour déployer une démarche pédagogique sur le PER.

Par ailleurs, d'autres options fiscales mériteraient d'être explorées, moyennant l'accès à des sources de données plus extensives, à commencer par les comptes bancaires et leurs historiques de transactions. L'idée devrait attirer l'attention des institutions financières… mais elle n'est pas hors de portée pour Yomoni. En réalité, je m'interroge même sur l'hypothèse que le service actuel est une expérimentation, destinée à mesurer l'intérêt du grand public pour le concept et sa capacité à accepter de partager des données privées pour être conseillé, avant d'envisager une extension de périmètre.

Affirm offrira sa solution de BNPL aux banques

À la recherche de nouveaux territoires à conquérir, Affirm, l'autre leader du paiement fractionné, présentait sa prochaine offensive stratégique à l'occasion de sa récente conférence pour les investisseurs. Avec Edge, la jeune pousse vise ainsi à implanter ses options de financement au cœur des applications bancaires prisées par les consommateurs.

Jusqu'à maintenant, le BNPL est proposé en priorité aux commerçants, son impact positif sur leurs ventes fondant le modèle économique du concept, et, de plus en plus souvent, directement aux particuliers, par exemple à travers la distribution d'une carte de paiement (notamment dans le cas d'Affirm) ou bien, pour son principal adversaire Klarna, via une place de marché. Bien que leur progression ait atteint un plateau depuis quelques mois (peut-être oublié, au moins temporairement, avec la crise actuelle du pouvoir d'achat), le potentiel d'expansion de ces approches reste immense.

Mais il ne suffit évidemment pas aux velléités d'hyper-croissance des mastodontes du secteur, même s'ils ne sont plus des startups. Afin de capter une audience supplémentaire, Affirm souhaite donc introduire ses outils, aussi bien de paiement fractionné sans frais que de crédit à la consommation, auprès des institutions financières traditionnelles. Son raisonnement est simple : il existe une vaste réserve de personnes réticentes à adopter le service d'une marque émergente mais qui n'hésiteraient pas à l'utiliser dans une application de confiance, fournie par la banque qu'ils connaissent.

La solution s'adresserait de la sorte aux américains qui sont de plus en plus nombreux à se défier des cartes de crédit, dont elle se positionnerait donc en concurrence frontale, et préfèrent privilégier des règlements comptant. Edge leur procurerait alors un instrument pour leurs dépenses plus ou moins exceptionnelles excédant le solde de leur compte. Estimant un besoin de 2 000 dollars par an pour la moitié de la population concernée fidèle à son app bancaire, Affirm évalue le marché à 140 milliards.

À ce stade, la communication ne précise pas la forme que prendra l'intégration du BNPL dans un contexte bancaire mais essayons de l'imaginer. En considérant qu'il faut nécessairement emprunter une voie différente du crédit classique (déjà disponible) et en s'inspirant du fonctionnement existant de la carte Affirm, l'implémentation devrait permettre à l'utilisateur de choisir un mode de financement sur les opérations éligibles de son historique de transactions. Dans cette hypothèse, le défi pour la jeune pousse sera de créer un service techniquement facile à insérer dans des logiciels hétéroclites.

Naturellement, l'offre n'intéressera guère les établissements les plus importants, qui possèdent dans leur catalogue ce qu'ils perçoivent comme un équivalent ou qui se jugent capables de créer leur propre variante. Ceux-là pourraient toutefois prendre note de la démarche et analyser en détail l'implémentation envisagée, puis s'en inspirer, car, de manière générale, ils ne sont pas particulièrement en pointe sur l'intégration transparente de solutions de financement au niveau des moyens de paiement…

Première fuite de données bancaires via IA

Tout le monde sait que ce genre d'incident devait arriver – je soupçonne d'ailleurs que celui-ci n'est pas le premier cas, d'autres étant certainement passés sous les radars – et la primeur en revient à Community Bank, petit établissement régional du nord-est américain, qui révèle donc officiellement une fuite de données bancaires due à l'utilisation d'un outil d'intelligence artificielle non autorisé.

Derrière les termes génériques de la déclaration effectuée auprès des autorités, le scénario qui se dégage semble à la fois totalement prévisible, tristement banal et, forcément, très inquiétant. En résumé, un employé a transmis des informations sensibles sur les clients de l'institution – comprenant leurs noms, numéros de sécurité sociale et dates de naissance – lors de l'interrogation d'une plate-forme d'IA publique, vraisemblablement ChatGPT ou un équivalent, à l'encontre des règles en vigueur.

On pourrait penser qu'une telle mésaventure n'est pas la pire qui puisse arriver, les données ayant été partagées avec une entreprise a priori responsable. Le risque de divulgation reste pourtant élevé car elles font maintenant potentiellement partie de l'apprentissage des modèles et pourraient ainsi être restituées par accident… voire par manipulation. En outre, les démarches de demandes de retrait aux fournisseurs ne sont pas toujours industrialisées et sont susceptibles de longs délais de traitement.

Un autre argument qui me sera opposé (je vous entends d'ici) portera sur la dimension de la victime : ce qui peut se produire dans une petite structure serait impossible dans un grand groupe, beaucoup mieux équipé en matière de cybersécurité. Si vous croyez à ce mythe, vous vous exposez à de sérieuses déconvenues. A minima, votre organisation comporte aussi de petites entités, où une certaine autonomie prévaut, et où les catastrophes sont prêtes à survenir, ternissant l'image de la maison mère.

Cependant, l'aspect le plus alarmant de l'histoire tient dans les parades qu'envisage la banque afin d'éviter que le problème ne se reproduise. Même si elle précise qu'elle ne se limite pas à ceux-ci, sa focalisation prioritaire sur les contrôles – entre le renforcement de ceux qui existent et l'ajout de nouveaux, en passant par une surveillance accrue – n'est résolument pas une réponse adéquate. Chaque jour qui passe démontre comment les collaborateurs trouvent toujours un moyen de contourner les restrictions.

La seule véritable solution consisterait à interdire strictement tout accès aux données de production. Le principe peut paraître radical et excessif mais, en réalité, il est parfaitement aligné avec une réalité incontournable : personne dans l'entreprise n'a besoin des informations détaillées en volume. En particulier, les développeurs et autres scientifiques de données qui mettent au point des applications doivent apprendre à le faire avec des versions désensibilisées, a minima par voie d'anonymisation.

Les priorités de l'IA dans la banque

La cohorte de startups retenues pour l'édition 2026 de son Programme FinTech nous procure une occasion de découvrir dans quels domaines NatWest – et, par extrapolation, l'industrie bancaire en général – place la priorité pour la mise en œuvre de l'intelligence artificielle. Une évolution prometteuse est peut-être en train de se dessiner…

Le dispositif, lancé en 2025, apparemment, s'inscrit dans une longue tradition d'accompagnement de jeunes pousses par les institutions financières, dont l'ambition est de stimuler l'innovation par l'apport de solutions externes en cours d'élaboration. Concrètement, les entrepreneurs ont douze semaines pour, principalement, explorer des opportunités de collaboration avec les différents départements de l'établissement et, dans une moindre mesure, bénéficier de conseils pour le développement de leur offre.

Pour cette année, la thématique soumise aux candidats, et celle sur laquelle les lauréats sont appelés à travailler maintenant, est dans l'air du temps : « comment l'IA façonne l'avenir de l'expérience client ». Sans grande surprise par rapport à ce qu'on observe dans l'ensemble du secteur, si l'ensemble de la sélection répond au critère de l'intelligence artificielle, l'alignement avec l'expérience client semble avoir été appliqué avec une certaine souplesse, révélant une préoccupation au mieux émergente.

Parmi les huit firmes participantes, Condukt concentre ses efforts sur la maîtrise de la conformité réglementaire, DeepFlow sur les risques et la lutte contre la criminalité, Galveston sur les impacts de la géopolitique sur l'activité, Gradient Labs sur l'optimisation des processus de support. Outre qu'il s'agit, pour la plupart de fonctions où l'irruption de l'IA est devenue habituelle, elles n'ont pas ou peu d'influence directe sur la relation avec les clients et relèvent surtout de gains sur l'efficacité opérationnelle.

En revanche, les autres laissent entrevoir, à des degrés divers, une inflexion vers des capacités plus orientées vers l'extérieur. Pour Murphy AI, sur le recouvrement, la cible est autant d'améliorer le traitement des personnes concernées que la productivité. Pour Aveni, sur l'engagement, et Round Treasury, sur la gestion de trésorerie, on commence à toucher à une recherche de différenciation. Enfin, la perle du lot (à mon sens) est Empath_AI, dont la technologie vocale, qui vise à repérer puis aider les individus vulnérables sans l'exprimer, esquisse un nouveau service destiné au grand public.

Les institutions financière n'en ont certainement pas fini avec leurs projets d'IA justifiés par des velléités d'économies, notamment via la suppression de tâches manuelles et les réductions d'effectif qu'elles espèrent en dégager. Mais on peut désormais envisager qu'elles s'intéressent à d'autres opportunités, ouvertes à des orientations inédites, et plaçant l'intérêt du client au premier plan. Il est vrai que, comme l'organise le programme de NatWest, le recours à des partenaires, en particulier des jeunes pousses défrichant des terrains vierges, représente un moyen privilégié de les explorer.

Un régulateur teste l'IA contre la fraude

Consciente que la lutte contre la criminalité financière est incontestablement plus efficace quand elle porte sur un périmètre élargi, la banque centrale singapourienne lance une expérimentation de détection de malversations grâce à des techniques d'analyse de données évoluées appliquées à un historique de transactions réelles.

Le principe du recours à des modèles d'apprentissage automatique, voire d'intelligence artificielle, en vue d'améliorer la performance des protections contre la fraude n'est évidemment pas nouvelle… elle représente même un des cas d'usage de ces outils parmi les plus répandus dans l'industrie. En revanche, sa déclinaison à l'échelle d'un régulateur national est plus originale et répond à un vrai enjeu de réactivité, l'identification des risques étant plus rapide à partir d'une vue de l'ensemble des échanges dans un pays plutôt qu'au seul niveau d'un établissement.

La mise en œuvre n'est toutefois pas triviale, comme le démontrent les conditions dans lesquelles la MAS organise ce qui devrait être un simple test. Certes, il n'y a aucune prouesse technique à demander à cinq banques locales de partager les informations qu'elles détiennent sur les opérations réalisées pendant une période spécifique (non précisée) puis à entraîner des solutions d'IA plus ou moins sophistiquées sur cette matière première pour l'identification automatique des tentatives d'escroquerie.

La réelle difficulté consiste à réaliser un tel projet avec toute la sécurité requise, alors que les données dont il est question sont extrêmement sensibles. Les responsables se veulent rassurants, en évoquant la mise en place d'un mécanisme de « hash » sur les références de compte (ce qui ne vaut pas anonymisation totale), un stockage chiffré (heureusement !) et des règles strictes d'accès. Mais dans le climat actuel où les fuites sont légion, est-ce suffisant ? Et il ne s'agit que d'une phase d'évaluation préliminaire : comment une éventuelle généralisation pourra-t-elle éliminer tout danger ?

La démarche engagée par la MAS est importante afin d'espérer réduire les pertes subies par les particuliers et les entreprises dans un contexte de croissance de la criminalité, désormais assistée elle-même par l'intelligence artificielle. Elle ne peut cependant, sans être taxée d'incohérence, ignorer les défis de sécurité qu'implique automatiquement son approche. Dans ce sens, elle devrait probablement se pencher au préalable ou, à tout le moins, en parallèle, sur les technologies émergentes de traitement de données préservant la confidentialité (PET)… comme l'avait fait l'ACPR française il y a quelques années (mais dont je ne connais hélas pas les résultats officiels).

L'impact de l'IA sur l'emploi selon Gartner

La question de l'impact de l'intelligence artificielle sur l'emploi – conduira-t-elle à une augmentation ou à une réduction des effectifs dans les entreprises qui l'exploitent ? – figure désormais au cœur de multiples débats. Gartner a mené l'enquête et penche plutôt pour la croissance. Mais, en réalité, personne ne sait prédire l'avenir.

Le cabinet a interrogé 350 hauts responsables de grandes structures, dans le monde entier, qui, selon ses termes, expérimentent ou ont déjà déployé des capacités d'activité autonome, ce par quoi elle entend qu'elles recourent à des agents IA, des outils d'automatisation intelligente et autres technologies avancées dans le but de permettre à des machines d'exécuter des opérations de bout en bout sans aucune intervention humaine… ou de procurer aux employés plus d'indépendance dans leurs tâches.

Sans surprise, alors que la plupart des projets ont pour principal objectif d'optimiser leur efficacité, 80% des organisations consultées engagent des coupes dans leur masse salariale. Pourtant, et c'est l'enseignement majeur de cette étude, il n'existe pas de corrélation flagrante entre ces baisses et un retour sur investissement : elles sont aussi nombreuses dans les firmes qui mesurent des bénéfices concrets grâce à leur utilisation de l'IA que dans celles qui constatent une stagnation ou une dégradation.

Les analystes de Gartner concluent de cette observation que les entreprises qui réussissent leur transition vers l'autonomie sont celles qui ne se focalisent pas sur l'idée de remplacer leurs collaborateurs par des algorithmes – et espéreraient de la sorte dégager une marge de manœuvre budgétaire… qui ne s'avère malheureusement pas créatrice de valeur – mais celles qui admettent que l'intelligence artificielle ne doit être considérée que comme un moyen d'« augmenter » la performance des individus.

Dans cette perspective, ils estiment que, contrairement aux discours dominants, la tendance devrait s'orienter vers une progression des emplois, d'ici à 2028 ou 2029, avec des besoins de nouvelles compétences afin de piloter, contrôler et étendre les processus autonomes… ainsi que de présence renforcée dans les moments où la confiance joue un rôle clé. Les organisations qui tirent leur épingle du jeu dans cette course sont donc celles qui investissent dans les formations adéquates.

Naturellement, derrière cette vision optimiste, Gartner n'examine, pour l'essentiel, que la phase actuelle de mise en place des principes et des premières initiatives. Ce qu'il adviendra une fois l'IA généralisée et banalisée sera probablement une autre histoire…

L'IA pour aider les clients en risque

Monzo exploite un grand modèle de langage (LLM) afin de renforcer l'efficacité de son équipe dédiée au support des clients se trouvant dans une situation particulièrement délicate. Incidemment, sa présentation offre l'occasion de découvrir comment elle déploie un tel système, face au grand public, sur un sujet sensible, en toute sécurité.

Le centre d'assistance de la jeune pousse comporte depuis longtemps une équipe spécialement formée pour répondre à des urgences en tout genre, qui prend le relais des téléopérateurs classiques dès que ceux-ci l'estiment nécessaire après leurs premiers échanges (par tchat) avec une personne concernée. Malheureusement la phase d'identification des cas à transférer de la sorte est loin d'être optimale, en raison notamment des différents modes de communication des individus affectés.

Parmi les milliers de conversations qu'ils traitent chaque jour, la plupart sur des questions élémentaires, il n'est pas toujours facile pour les employés de décoder des expressions toutes faites, des périphrases, des euphémismes, des sous-entendus, des hésitations… qui reflètent potentiellement une détresse requérant une attention immédiate. L'idée de mettre en œuvre des capacités d'analyse de données avancée s'est naturellement imposée comme une option permettant d'améliorer la détection.

Une fois le problème posé, les scientifiques des données qui le prennent en charge ne se précipitent pas sur la dernière technologie à la mode, comme on le voit trop souvent. Ils étudient les multiples outils dont ils disposent et déterminent rationnellement les plus adéquats pour la tâche à réaliser. En l'occurrence, ils choisissent un grand modèle de langage, en raison, entre autres, de sa faculté à interpréter le contexte d'un texte (à l'inverse d'une approche par mot-clé) et à appréhender des locutions ambiguës.

Ensuite surgit la difficulté de la constitution d'un jeu de données pertinent pour l'entraînement du modèle, exacerbé par le nombre très faible d'interactions considérées à risque. Trois combinaisons ont été employées pour la contourner : un ensemble artificiel surpondéré en échanges à signaler, pour l'apprentissage des variantes d'énoncés, un autre basé sur une journée normale pour vérifier le comportement en régime de croisière et un dernier pour la mesure des impacts (j'y reviens plus bas).

Après son élaboration, la solution n'est pas déployée directement en production, par crainte, légitime, de dérégler le fonctionnement du service client, crucial pour la satisfaction des clients. Il est donc d'abord exécuté en mode fantôme, c'est-à-dire en parallèle des opérations existantes, sans aucune incidence sur ces dernières. Il est simplement destiné à évaluer, et corriger, le cas échéant, comment il réagit dans un contexte réel, en comparaison des décisions humaines de transfert.

Un des livrables de cette étape est matérialisé par un dispositif de mesure complet dont le rôle est de fournir des éléments d'information précis sur les cas repérés autant manuellement qu'automatiquement. Le tableau de bord résultant devient alors, avec le troisième jeu de données mentionné plus haut, un outil de suivi des performances, indispensable pour prévenir toute dérive, et de prédiction des niveaux de charge pour les experts des situations difficiles, donc des besoins correspondant en personnel.

L'adoption de toutes ces dispositions autorise, au prix, certes, d'un indicustable alourdissement du projet, Monzo à mettre en œuvre (progressivement) en toute sérénité un produit extrêmement utile, aux algorithmes non déterministes, désormais capable de décupler sa réactivité face à ses clients les plus fragiles. Les téléconseillers de première ligne conservent cependant la possibilité d'effectuer des déclarations eux-mêmes, afin de pallier les éventuelles déficiences de la machine…

Un terrain de jeu pour apprendre l'open finance

Alors que le Brésil possèderait le plus important écosystème de finance ouverte au monde, le nombre d'entreprises qui en profitent activement est ridiculement faible. Estimant que la complexité de mise en œuvre constitue le principal obstacle à l'adoption, deux acteurs du marché lancent une initiative exceptionnelle pour la rendre accessible.

Entre les exigences et autres préconisations réglementaires d'un côté et les sites destinés aux développeurs de l'autre, le recours aux API qui donnent accès aux services bancaires pour le compte de tiers (avec leur autorisation) paraît rapidement au-dessus des moyens de beaucoup d'organisations, qui préfèrent abandonner la partie plutôt que de risquer de perdre une énergie conséquente à décrypter les mécanismes nécessaires puis à tâtonner dans l'implémentation d'une application opérationnelle.

Ces difficultés expliqueraient en grande partie pourquoi le Brésil – dont plus de 100 millions de consommateurs ont à ce jour accepté 154 millions de connexions à leurs comptes, qui génèrent 5 milliards de transactions entre établissements par semaine – n'enregistre que 3% de firmes exploitant activement l'option d'« open banking » (pour leurs paiements), contre, par exemple, 20% au Royaume-Uni, où, bien entendu, la maturité, de l'industrie comme de la population, est considérablement plus avancée.

Pour des firmes telles que Juspay, spécialiste des paiements, et Cumbuca, premier agrégateur de services du pays, l'opportunité est immense, aussi joignent-elles leurs forces afin de créer une plate-forme qui prend par la main leurs clients potentiels et leur montre pas à pas comment construire une intégration en quelques étapes, grâce à laquelle ils pourront très facilement accepter les règlements via un transfert bancaire ou, dans un mode spécifique, à travers la solution locale incontournable Pix.

L'approche pédagogique retenue avec ce « Playground » est simplement renversante. Sur un côté de l'écran, le visiteur découvre une simulation de parcours d'achat dans une application mobile (dont il peut même ajuster les détails de l'interface). Sur la partie droite, chacune des étapes qu'il exécute au fil de ses clics de validation d'une commande est matérialisée par les interactions correspondantes avec les API, les exemples d'appels et de réponses, contextualisés, étant décrits en détail.

Avec ces explications, n'importe qui (ou presque) devient capable d'apprendre rapidement à bâtir un processus complet de paiement, en faisant directement le lien entre les actions requises de la part de l'acheteur au sein d'une application d'e-commerce et les échanges techniques à orchestrer avec le fournisseur de services, dont tous les aspects sont couverts, y compris, entre autres, l'authentification entre machines, la protection des secrets, les consentements…, en parfaite conformité réglementaire.

Les deux partenaires à l'origine du « Playground », soutenus par l'association brésilienne de la finance ouverte, ont choisi de partager leur travail sous licence libre et ils invitent la communauté à contribuer à l'extension de la plate-forme, notamment pour l'intégration des particularités des différents fournisseurs. Plus largement, ce genre d'outil pourrait inspirer toutes les organisations distribuant leurs fonctions sous forme d'API, dont la prise en main s'avère hélas fréquemment difficile à appréhender.