Cette année, au moins trois entreprises financières — la néobanque Revolut, la fintech de crédit Affirm et le réseau de paiement Mastercard — ont annoncé le lancement de leurs propres modèles d’IA plutôt que l’adoption de solutions conçues par des tiers. L’IA cesse d’être un simple poste de dépenses opérationnelles et devient un type d’actif à part entière pour les entreprises financières. Mais à quel moment et dans quelles conditions peut-elle accroître la valeur de leur activité ?
Les modèles d’IA, un nouvel actif
À la fin du mois d’août de cette année, Revolut a présenté son propre modèle d’IA, PRAGMA, et annoncé la création d’une division spécialisée, Revolut Research, chargée de le développer. L’IA de la néobanque analyse les séquences d’événements bancaires des clients afin d’établir leur score de crédit, de détecter les fraudes et de leur proposer les produits les mieux adaptés à leur situation.
PRAGMA a été développée en collaboration avec Nvidia. Ce modèle a été spécialement conçu pour décrypter des comportements financiers complexes et évaluer les risques en temps réel. Selon Revolut, lors de tests effectués sur des données historiques, PRAGMA a affiché une précision 2,3 fois supérieure dans l’évaluation du risque de défaut d’un client, contribué à détecter 65 % de cas de fraude supplémentaires et amélioré la pertinence des recommandations de 41 %.
Le cofondateur et PDG de Revolut, Nik Storonsky, a déclaré dans un entretien avec Reuters que l’entreprise utilise 30 à 40 millions de transactions par jour pour développer ses propres modèles d’IA.
Cette néobanque n’est pas la seule : en mars 2026, le réseau de paiement Mastercard a présenté son nouveau modèle d’IA générative, entraîné sur des milliards de transactions anonymisées.
En septembre 2026, la fintech américaine de crédit Affirm a également annoncé le lancement de son propre modèle d’IA, qui évalue plus précisément la solvabilité des clients (y compris ceux ayant un historique de crédit limité) et permet de leur accorder des prêts. L’ancien système d’évaluation rejetait une partie des demandes de ces clients.
De simples dépenses ou un investissement stratégique ?
Pour les banques et les fintechs, l’avantage de l’IA tient avant tout à la réduction du coût de l’évaluation des risques et, par conséquent, du coût de service des clients. C’est important pour Revolut, qui prévoit une introduction en Bourse et souhaite, d’ici là, porter sa valorisation à 150–200 milliards de dollars.
Clint Suckermani, fondateur de The AI Value Institute, a écrit qu’il était temps pour les institutions financières de cesser de comptabiliser les initiatives d’IA évolutives uniquement comme des dépenses et de les considérer comme des investissements stratégiques dans le développement de l’activité.
Mais qu’est-ce que cela signifie pour les investisseurs de ces entreprises ? La manière dont le marché réagit aux projets des entreprises et à la mise en œuvre effective de l’IA reste encore peu étudiée, souligne Zihan Tu, chercheur à la faculté d’économie de l’université de Warwick. Dans son étude, dont les résultats ont été publiés le 22 septembre 2026, il a analysé les annonces des entreprises du S&P 100 concernant l’utilisation de l’IA en 2023–2024 et évalué leur lien avec la réaction à court terme du marché. Il en ressort que les annonces portant sur la mise en œuvre effective de l’IA génèrent un rendement anormal supérieur de 4,6 points de pourcentage pour leurs titres (au-delà du rendement attendu compte tenu de l’évolution générale du marché et d’autres facteurs de risque), par rapport aux annonces d’intention de mettre en œuvre l’IA.
Dans une étude antérieure, publiée en 2025, McKinsey estimait que les banques qui adopteraient l’IA parmi les premières pourraient augmenter leur rentabilité des capitaux propres tangibles (ROTE) jusqu’à 4 points de pourcentage, grâce à la transformation de leurs modèles économiques et à la création de valeur économique supplémentaire. À l’inverse, les banques qui tarderont à adopter l’IA risquent de voir leurs bénéfices diminuer à long terme.
Les points à surveiller pour les investisseurs
Les investisseurs ne seront probablement pas prêts à payer une prime au seul motif qu’une banque ou une fintech possède ses propres modèles d’IA, a écrit dans un commentaire adressé à Oninvest Antonis Dragiotis, expert grec en gestion des risques, en intelligence artificielle et en technologies bancaires, et coordinateur du groupe de travail sur les services financiers d’AI Catalyst.
Selon lui, il faudra apporter la preuve que le déploiement de ces modèles produira de meilleurs résultats économiques. De plus, à mesure qu’un nombre croissant d’entreprises adoptera des modèles d’IA, leur simple présence ne constituera plus à l’avenir un avantage concurrentiel significatif.
Vadim Ivanenko, expert international en technologies financières, souligne que si un modèle d’IA propriétaire permet à une banque ou à une fintech de réduire, par exemple, de 30 % le coût de service d’un client, de limiter les pertes liées à la fraude, d’améliorer la qualité de son portefeuille de crédit, d’augmenter le taux de conversion de ses produits financiers ou de fidéliser davantage ses clients, il s’agit d’une réelle valeur économique.
Il recommande aux investisseurs des entreprises ayant annoncé le déploiement de leurs propres modèles ou outils d’IA d’analyser les indicateurs suivants avant et après leur mise en œuvre :
— le ratio entre charges opérationnelles et revenus (cost-to-income ratio) et le coût de service par client ou par transaction ;
— les pertes liées à la fraude (fraud losses) et la part des faux positifs ;
— le coût du risque de crédit (cost of risk), les pertes sur prêts et la qualité des modèles de notation ;
— la valeur du client sur la durée de sa relation avec l’entreprise (customer lifetime value, CLV), sa fidélisation, le taux de conversion et le revenu par client ;
— le bénéfice opérationnel supplémentaire et le retour sur investissement de l’IA, en tenant compte des coûts d’infrastructure, de développement, de contrôle et de maintenance.
Il est important de comparer ces indicateurs afin de distinguer l’effet du déploiement de l’IA de celui d’autres facteurs, ajoute Vadim Ivanenko.
Vadim Kondratiouk, analyste indépendant des marchés boursiers, ajoute qu’une prime de valorisation n’est justifiée que si l’IA améliore le ROTE de l’entreprise ou réduit son coût des fonds propres (autrement dit, si le marché commence à la considérer comme plus fiable).
Il recommande aux investisseurs de surveiller trois indicateurs : l’évolution du ratio charges/revenus (cost-to-income ratio), le coût du risque sur l’ensemble du cycle de crédit (baisse-t-il grâce à une meilleure évaluation des emprunteurs ?) et le revenu par client. Ce dernier doit croître plus rapidement que chez les concurrents.
Dans le cas de Revolut, le déploiement de son propre modèle d’IA ne s’est pas encore reflété dans les résultats financiers. Au premier semestre 2026, les revenus opérationnels nets de Revolut Holdings Europe ont progressé de 36,8 % sur un an, à 1,24 milliard d’euros, tandis que les charges opérationnelles ont augmenté de 36,5 %, à 1,055 milliard d’euros. Le ratio charges/revenus a baissé de 82,9 % à 80,2 %, mais les pertes sur prêts ont presque triplé, passant de 25,7 à 76,1 millions d’euros.
Le lendemain de l’annonce du lancement de son propre modèle d’IA, l’action Affirm a progressé de 1,32 %. Il est encore impossible d’évaluer son effet sur les résultats de l’entreprise, puisqu’un mois et demi seulement s’est écoulé depuis le lancement. Affirm a toutefois déjà annoncé que son nouveau système d’évaluation avait entraîné une hausse de 3,4 % du nombre d’achats finalisés par rapport au groupe témoin. En outre, les crédits supplémentaires accordés se sont révélés de meilleure qualité : les emprunteurs ont mieux honoré leurs remboursements que les clients ayant obtenu un crédit grâce aux anciens modèles d’Affirm. Au deuxième trimestre 2026 (dernières données disponibles), le bénéfice opérationnel d’Affirm a presque triplé, à 147 millions de dollars, et sa marge opérationnelle est passée de 6,6 % à 12,6 %. Dans le même temps, les charges opérationnelles ont bondi de 24,5 % et les provisions pour pertes sur crédit de 42,5 %, à 223 millions de dollars.
La situation de Mastercard est quelque peu différente : l’indicateur bancaire du coût du risque de crédit (cost of risk) ne s’applique pas directement à l’entreprise. Pour un réseau de paiement, les indicateurs les plus pertinents sont les pertes liées à la fraude (fraud losses) et la part des faux positifs (lorsqu’une opération légitime est considérée comme frauduleuse). Dès 2024, l’entreprise avait indiqué que le déploiement d’une IA générative tierce avait permis d’augmenter la détection des fraudes de 20 % en moyenne, et jusqu’à 300 % dans certains cas, tout en réduisant les faux positifs de plus de 85 %. Au deuxième trimestre 2026, le chiffre d’affaires de Mastercard provenant des services et solutions à valeur ajoutée, notamment des services de sécurité et du déploiement de ses propres technologies d’IA, a progressé de 20 % sur un an, à 3,83 milliards de dollars.
Qui profite le plus de l’IA ?
« Il y a un paradoxe intéressant : plus l’IA devient accessible, moins le simple fait de l’utiliser a de la valeur, et plus la capacité à l’exploiter efficacement dans une activité donnée en a », explique Vadim Ivanenko.
Selon lui, l’IA va profondément transformer le secteur bancaire, mais le marché tend aujourd’hui à surestimer la rapidité de ces changements et à sous-estimer la difficulté de leur mise en œuvre concrète.
Nous sommes encore à un stade où, pour certaines entreprises, la valeur marketing de l’IA dépasse sa valeur économique démontrée.
En outre, les acteurs eux-mêmes commencent à ralentir le déploiement de l’IA. Ainsi, en octobre, la banque américaine Goldman Sachs a interdit à ses traders et à ses banquiers d’utiliser des outils d’IA tiers — Claude Code d’Anthropic et GitHub de Microsoft — après avoir évalué leurs performances et leurs risques.
Ivanenko estime que les grandes banques et les plateformes financières disposent d’un avantage sur les petits acteurs grâce à leurs millions de clients, à leurs données historiques et à leurs volumes considérables de transactions. Mais, d’un autre côté, les banques traditionnelles ont souvent une infrastructure informatique fragmentée, des processus d’approbation complexes et des coûts de changement élevés. Une grande banque ne réussira pas nécessairement mieux qu’une petite fintech. Parfois, la flexibilité technologique, la qualité des données et la rapidité de mise en œuvre comptent davantage que la taille absolue.ㅤ