Pendant dix ans, les challengers digitaux ont pris l'avantage sur les banques et les assureurs historiques grâce à des produits plus simples à utiliser. Avec l'IA générative, cette avance peut désormais se rattraper en quelques mois. Pour les acteurs historiques, c'est l'occasion de reprendre la main… à condition d'exploiter ce qui constitue leur avantage : des décennies de données sur leurs clients et une connaissance fine de leur métier.
Un compte Revolut, c'est un compte courant, ni plus ni moins que celui que votre banque vous propose depuis toujours. Sauf qu'on l'ouvre depuis son canapé en quelques minutes, là où il fallait encore récemment un rendez-vous en agence et une pile de justificatifs. Un contrat Alan, c'est une complémentaire santé, comme chez n'importe quel assureur, mais on y comprend ses garanties sans appeler personne et on se fait rembourser sans envoyer un seul courrier.
Revolut et Alan font partie de la vague d'acteurs digitaux arrivés au milieu des années 2010 avec une idée simple : reprendre les produits des acteurs en place et les rendre agréables à utiliser. Face à eux, les banques et les assureurs historiques avaient pour eux leur clientèle et des décennies d'historique, mais aussi un système d'information empilé couche après couche, peu fait pour changer vite. Les challengers sont partis de zéro et ont mis dix ans de maîtrise Produit et Tech à construire leur avantage, pendant que les acteurs historiques les regardaient grignoter une partie de leur marché.
Warren Buffett a popularisé un mot pour ce genre d'avantage, le moat : les douves autour du château, qui empêchent un concurrent de vous rattraper, même avec le même budget et les mêmes outils. Longtemps, l'expérience a servi de douves aux challengers. Pour la rattraper, une banque ou un assureur devait refaire ses parcours un à un sur ce système d'information, un chantier qui se comptait en années.
L'IA générative change la donne, parce qu'elle rend ce rattrapage rapide : une banque ou un assureur historique peut désormais offrir en quelques mois à ses clients une expérience aussi simple que celle d'un challenger. Les challengers perdent ainsi les douves qui les protégeaient.
La concurrence se joue désormais sur ce qu'une entreprise sait de ses clients et que personne d'autre ne sait, et sur ce terrain, les grands groupes ont des décennies d'avance. L'IA leur rend l'avantage… à condition qu'ils sachent nommer précisément ce savoir et qu'ils construisent là, plutôt que de refaire en interne ce que tout le monde peut acheter.
L'avantage qui ne s'achète pas
"On a embarqué Claude." "On a signé avec Mistral." Dans beaucoup de comités de direction, la stratégie IA se résume encore au choix d'un fournisseur. Ce choix compte, mais il ne donne aucune avance : vos concurrents, challengers compris, peuvent acheter le même modèle aux mêmes conditions.
Pour trier les idées, on utilise souvent un test simple dans les ateliers qu'on anime avec nos clients : est-ce que ChatGPT, ou une autre IA grand public, pourrait donner la même réponse que le produit envisagé ? Si oui, vos clients ont déjà cette réponse, gratuitement. Ce test élimine la plupart des idées, parce que ChatGPT explique déjà très bien une réglementation, un contrat type ou une grille tarifaire, et qu'un assistant qui fait la même chose avec votre logo n'apportera rien de plus. Celles qui passent le test ont un point commun : pour répondre, il faut connaître sur votre client des choses que ChatGPT ignore.
Un acteur établi a accumulé trois choses qu'un challenger met des années à réunir – si tant est qu'il y arrive.
Il y a d'abord des données que personne d'autre ne détient : des historiques de sinistres, de transactions, de consommation ou de déclarations, sur des millions de clients et sur des décennies. Un challenger créé il y a dix ans n'a, par définition, que dix ans d'historique.
Il y a aussi une lecture métier qui n'est écrite nulle part. Le texte d'une réglementation est public, mais la façon de l'appliquer à un cas précis se trouve dans la tête de quelques experts et dans des milliers d'échanges avec les clients.
Il y a enfin une position de tiers de confiance, portée par des conseillers qui connaissent leurs clients. Un acteur régulé reçoit de ses clients des informations qu'ils ne confieraient pas à une start-up, et dans sa filière, son interprétation fait référence.
Prises une par une, ces trois sources protègent peu : un concurrent peut lire les mêmes textes et acheter des données de marché, et les bonnes pratiques de la filière finissent toujours par circuler. Croisées, en revanche, ces trois sources permettent ce qu'aucun concurrent ne sait faire : dire à un client précis ce qu'il a intérêt à faire en premier, et ce que ça va lui rapporter.
Ce croisement devient de vraies douves parce qu'il s'améliore avec l'usage : chaque question d'un client, chaque recommandation qu'il suit ou qu'il ignore vous apprend ce qui marche pour des clients comme lui, et la recommandation suivante est un peu plus juste. Un concurrent qui arrive plus tard n'a pas cet historique d'usage, si bien que l'écart se creuse avec le temps.
Un acteur historique d'un marché réglementé, que l'on accompagne, a dû faire cet inventaire cette année. Ses clients les plus matures arbitrent désormais au prix. Et la concurrence s'élargit : de nouveaux entrants européens arrivent sur son marché, et des SaaS spécialisés font déjà en production une partie de ce qu'il propose. En atelier, l'équipe a fini par poser elle-même la question qui fâche : sur quoi se différencie-t-on vraiment ? Ce qui tenait encore, c'était le croisement de ce qu'elle était à peu près seule à savoir.
Morgan Stanley a fait ce chemin plus tôt. La banque a acheté son modèle à OpenAI, GPT-4, et a construit ce qui lui appartient : un assistant pour ses conseillers en gestion de patrimoine, branché sur un corpus de 100 000 documents de recherche et de procédures internes. Plus de 98 % des équipes de conseillers l'utilisent, un taux d'adoption dont rêveraient pas mal de DSI. Pour Jeff McMillan, qui dirige l'IA de la banque, l'outil rend chaque conseiller "aussi intelligent que la personne la plus intelligente de l'organisation". Un challenger peut acheter GPT-4 demain, mais pas la bibliothèque de recherche de Morgan Stanley.
Exploiter son avantage
Encore faut-il pouvoir se servir de ce savoir. Dans la plupart des grands groupes, il existe mais reste inutilisable en l'état, parce que la donnée client est éclatée entre plusieurs systèmes et que la lecture métier tient dans la tête de quelques experts qu'on sollicite par mail (quand ils ont le temps de répondre).
Un assistant IA, c'est le dernier kilomètre d'un chantier qui commence bien avant : avoir des données propres, à la bonne maille, tenues à jour toute l'année. Sans elles, on obtient un chatbot qui répond des généralités… et ça, ChatGPT le fait déjà. Le premier chantier IA d'un grand groupe est donc souvent un chantier de données. Les démos sont moins spectaculaires, mais c'est ce chantier qui creuse les douves.
Cet actif peut aussi fuir. L'acteur réglementé dont on parlait voit déjà des prestataires brancher leurs propres agents chez ses clients, sans passer par ses outils. Si l'activité du client passe par ces agents, la donnée qui nourrissait l'avantage part avec elle, et les douves se vident par le fond.
La parade se joue derrière l'interface : vos données et vos offres doivent pouvoir être servies directement là où le client travaille, y compris à ses agents, avec les règles qui s'y appliquent. Pour les opérations courantes, ça suffit, et des acteurs comme Pennylane, Qonto ou Shine le font déjà en intégrant les services financiers dans les outils des entrepreneurs. Ils reconnaissent aussi leurs limites, comme ils l'ont dit cet été à MindFintech : le crédit structuré, la complexité réglementaire, l'accompagnement dans la durée.
Sur ces sujets, l'IA ne gagne pas seule. Un financement important, un dossier réglementaire ou un sinistre lourd se joue avec un conseiller qui connaît le client, son secteur et son historique. L'IA, elle, rend à ce conseiller le temps que le quotidien lui prenait.
Vos douves tiennent donc à deux endroits : ce que vous exposez aux agents (à qui, à quelles conditions), et ce que vous gardez au contact humain.
Make-or-buy : ce qu'on refuse de construire
Reste à décider ce qu'on construit soi-même. Une fois l'actif identifié, le réflexe d'un grand groupe est de tout faire en interne, pour "garder la main". Le Groupe Lefebvre, qui édite Dalloz et les Éditions Francis Lefebvre, a pris l'autre route.
Pour GenIA-L, son assistant juridique lancé en 2024, le groupe achète le modèle à OpenAI et garde pour lui ce qui ne s'achète pas : les fonds éditoriaux de ses maisons, sur lesquels chaque réponse est sourcée. Deux ans plus tard, l'outil revendique plus de 6 millions d'interactions et traite plus de 100 milliards de tokens (des fragments de mots) chaque mois. Le Groupe Lefebvre garde ainsi la main sur sa stratégie, sans avoir tout codé lui-même.
Le repère qu'on utilise avec nos clients tient en une ligne : construire ce qui touche votre donnée ou votre responsabilité, s'allier sur les standards, et instruire le reste au cas par cas. Pour instruire, deux critères suffisent souvent : la capacité réelle de l'équipe, et ce que le projet enlève aux autres paris stratégiques. Pièce par pièce, ça donne à peu près ceci.
| Pièce | Position | Pourquoi |
|---|---|---|
| Données clients, historiques, règles métier | Construire et garder | C'est l'actif. Il ne s'externalise jamais |
| Couche de recommandation : ce qu'on conseille, avec quelle responsabilité | Construire et garder | C'est la relation client, et le risque juridique |
| Moteur de calcul déjà vendu par des éditeurs | À instruire | Refaire en interne ce qu'un éditeur a mis des années à construire demande une justification |
| Interface conversationnelle, recherche documentaire, infrastructure IA | À instruire | Selon la capacité de l'équipe, et à condition de ne pas priver un autre projet stratégique de ses moyens. Le marché va vite, et ces pièces s'achètent |
| Standards de données de la filière | S'allier | Mieux vaut peser sur l'harmonisation que la subir |
Ce découpage bouge chaque trimestre. Ce qui justifiait un chantier interne il y a un an s'achète parfois aujourd'hui, et l'inverse est vrai aussi : construire ce qui encode votre savoir métier n'a jamais été aussi simple, justement parce qu'une bonne partie du reste s'achète. D'où l'intérêt de décider d'abord ce que vous refusez de construire : c'est ce qui libère des moyens pour le reste, et c'est aussi la partie qui parle tout de suite au Directeur financier.
Dans le même atelier, l'équipe de l'acteur réglementé a posé une dernière question : si demain vos clients consomment votre savoir à travers leurs propres agents, que vous en reste-t-il ?
Il vous reste ce que ces agents ne trouveront nulle part ailleurs : votre donnée, votre lecture métier et la confiance de vos clients. À condition de les avoir rendues exploitables, et de décider vous-même ce que vous servez aux agents, à qui et à quelles conditions. Les dossiers lourds, eux, se jouent avec un conseiller qui connaît son client.
Tout commence donc par nommer la réponse que vos clients ne peuvent obtenir que de vous, parce que c'est là que doivent aller vos moyens. Pour tout le reste, le make-or-buy tranche.
Vos investissements IA servent-ils votre stratégie d'entreprise ? Thiga accompagne les équipes dirigeantes pour traduire leur stratégie d'entreprise en stratégie Produit, en intégrant l'IA dès le départ. Chaque opportunité est évaluée sur des critères clairs, pour décider ce qu'il faut poursuivre et ce qu'il faut arrêter, et les investissements Produit sont séquencés selon la valeur qu'ils apportent au business. Découvrir notre accompagnement en stratégie Produit & Business
Sources
- OpenAI, "Morgan Stanley uses AI evals to shape the future of financial services" : https://openai.com/index/morgan-stanley/ (100 000 documents, plus de 98 % d'adoption, citation de Jeff McMillan traduite)
- Lefebvre Dalloz, "GenIA-L, l'IA juridique du Groupe Lefebvre, récompensée par OpenAI", 08/01/2026 : https://www.lefebvre-dalloz.fr/ressources/genia-l-lia-juridique-du-groupe-lefebvre-recompensee-par-openai/
- Archimag, lancement de GenIA-L for Search (modèles OpenAI), 28/03/2024 : https://www.archimag.com/veille-documentation/2024/03/28/lefebvre-dalloz-lance-solution-ia-generative-juridique-genia-l