Le crédit fondé sur l’IA élargit l’accès au crédit, mais la supervision reste essentielle

Au fond, de nombreux services financiers reposent sur l’information. Une compagnie d’assurance, par exemple, doit disposer de données fiables sur la fréquence future des accidents et leur coût afin de déterminer correctement le tarif auquel une police d’assurance restera rentable.

De même, le crédit exige d’évaluer correctement le risque qu’un client donné fasse défaut et de fixer le taux d’intérêt à un niveau adapté.

Historiquement, ces décisions reposaient d’abord uniquement sur le jugement humain et sur des formules mathématiques rudimentaires. La classe sociale, les relations personnelles et le comportement individuel influençaient alors l’accès de chacun aux services financiers.

Des méthodes plus professionnelles et objectives ont progressivement vu le jour afin d’évaluer correctement les risques en réduisant les biais. Aux États-Unis, par exemple, les scores de crédit peuvent devenir le principal moyen d’évaluer la capacité d’emprunt d’un demandeur.

Mais des méthodes encore plus avancées se généralisent aujourd’hui : elles recourent à l’IA pour évaluer les risques liés aux prêts avec une précision accrue, en exploitant la mine de données utiles que les scores de crédit traditionnels n’utilisent pas.

Le crédit fondé sur l’IA peut ainsi atteindre des emprunteurs généralement délaissés par les modèles conventionnels et améliorer, dans l’ensemble, l’évaluation des risques. Toutefois, cet élargissement de l’accès au crédit peut également comporter des risques s’il est mal mis en œuvre, notamment des erreurs dans la qualité réelle de l’évaluation des demandes de prêt et une discrimination accrue.

Une nouvelle étude menée par des chercheurs de Kunming University (Chine), de Shanghai University of Finance and Economics (Chine) et de University of Hamburg (Allemagne) examine les effets de l’intelligence artificielle sur les marchés du crédit.

L’étude révèle que le crédit fondé sur l’IA accroît l’inclusion financière de 8,4 à 11,2 points de pourcentage en moyenne, principalement chez les prêteurs fintech. Elle montre également que l’expansion du crédit pilotée par l’IA amplifie la volatilité des risques extrêmes.

Les chercheurs ont publié leurs résultats dans International Review of Economics & Finance¹, sous le titre « L’intelligence artificielle sur les marchés du crédit : prêts algorithmiques, inclusion financière et arbitrage réglementaire ».

Analyser le crédit fondé sur l’IA

Les promesses et les risques du crédit fondé sur l’IA

D’abord une nouveauté adoptée par de nouveaux acteurs comme Upstart (voir ci-dessous pour en savoir plus sur cette entreprise), les technologies liées à l’IA sont désormais présentes, à des degrés divers, dans la plupart des processus d’octroi de crédit.

« Les algorithmes d’apprentissage automatique sont désormais au cœur des systèmes d’octroi de prêts des grandes banques de détail, des plateformes de prêt numérique et d’un nombre croissant de nouveaux acteurs de la fintech. »

Ces systèmes peuvent traiter et calculer des milliers de variables couvrant l’historique des transactions, les évaluations psychométriques, les comportements sur mobile et les signaux sociaux en temps réel. Mais ils peuvent aussi engendrer de nouveaux problèmes :

• Ils peuvent perpétuer ou amplifier les biais historiques présents dans les données d’entraînement.
• Ils fonctionnent avec un degré d’opacité qui entrave la supervision des autorités.
• Leur déploiement au-delà des frontières juridictionnelles favorise une forme d’arbitrage réglementaire qui remet en cause la logique territoriale de la réglementation prudentielle.

Constituer les bonnes données

Pour comprendre les effets du crédit fondé sur l’IA non seulement à l’échelle locale, mais aussi d’une juridiction à l’autre, les chercheurs ont analysé 42 économies d’Asie-Pacifique (14 pays), d’Europe (10 pays), d’Amérique latine (10 pays) et d’Afrique subsaharienne (8 pays), sur la période 2012–2022.

Pour ces pays, ils ont recueilli des données sur l’inclusion financière, la qualité de l’architecture de supervision et le degré d’exhaustivité du cadre macroprudentiel.

La mesure la plus importante, l’inclusion financière, a été évaluée à partir des éléments suivants :

• Taux de détention d’un compte de crédit officiel.
• Pénétration du crédit auprès des micro, petites et moyennes entreprises (MPME).
• Ratio entre le nombre d’emprunteurs et la population adulte.
• Nombre d’agences bancaires commerciales pour 100 000 adultes.
• Taux de détention d’un compte de monnaie mobile.

Les chercheurs ont également créé un nouvel indicateur, l’indice d’intensité de l’adoption du crédit fondé sur l’IA (ALII), afin d’évaluer la prévalence de ce type de crédit dans un pays donné.

« L’ALII constitue une mesure structurelle de l’intensité de l’adoption technologique à l’échelle macroéconomique et de la répartition des capacités dans l’ensemble du secteur. Au lieu d’auditer la précision de modèles individuels ou l’alignement algorithmique à l’échelle microéconomique, l’indice quantifie la densité structurelle et le degré de pénétration opérationnelle des chaînes de décision automatisées au sein de l’écosystème financier dans son ensemble. »

Résultats de l’étude

De fortes disparités

Sans surprise, l’étude montre que l’inclusion financière varie considérablement d’une région à l’autre : elle va de 0,042 dans les économies à faible revenu d’Afrique subsaharienne au début de la période étudiée à 0,941 dans les économies à revenu élevé d’Asie-Pacifique au cours des années ultérieures.

L’indice d’intensité des prêts par IA présente une dispersion encore plus marquée : sa moyenne de 0,317 masque un coefficient de variation de 0,89, les économies à faible revenu affichant une moyenne de 0,089 et celles à revenu élevé, de 0,524.

Autre constat : l’ALII a connu une accélération notable après 2016, parallèlement au déploiement commercial d’applications d’apprentissage profond pour l’évaluation du risque de crédit. Par ailleurs, les valeurs les plus élevées de la volatilité du cycle du crédit (CCV) ont été observées dans les économies de marché émergentes après 2015, en même temps que la rapide expansion du crédit FinTech documentée dans les données de l’ALII.

Les prêts par IA favorisent l’inclusion

L’étude a établi un lien direct entre les prêts par IA et l’inclusion financière.

« Une hausse d’un écart-type de l’indice d’intensité des prêts par IA est associée à une hausse de 0,084 écart-type de l’indice d’inclusion financière. »

Il semble également que l’effet positif des prêts par IA sur l’inclusion financière soit plus marqué lorsque les capacités de supervision sont plus faibles. Deux explications possibles, qui ne s’excluent pas mutuellement, pourraient l’expliquer :

• Les environnements où la supervision est moins rigoureuse comptent davantage d’emprunteurs mal desservis auxquels les prêteurs utilisant l’IA peuvent accorder des prêts de façon rentable grâce à des données alternatives.
• Dans les environnements où la supervision est faible, les prêteurs utilisant l’IA sont davantage disposés à accorder des crédits à des emprunteurs à la marge, car les coûts réglementaires liés à l’imputation d’un éventuel défaut sont moins élevés.

Cet effet semble également être principalement attribuable aux entreprises FinTech, car les prêteurs FinTech utilisant l’IA génèrent des retombées en matière d’inclusion financière nettement supérieures (trois fois plus) à celles des banques établies qui déploient des outils d’IA.

« Une hausse d’un écart-type de l’intensité des prêts FinTech par IA fait progresser l’indice d’inclusion financière (FII) d’environ 13,8 points de pourcentage, soit près de trois fois l’effet attribuable à une adoption équivalente de l’IA par les banques établies. »

Il semble donc que l’amélioration de l’inclusion financière ne soit pas due à une réduction, par l’IA, des coûts de traitement pour les clients existants des banques, mais au fait que les entreprises FinTech s’en servent pour atteindre des emprunteurs exclus du système bancaire traditionnel.

Cela concorde avec l’idée générale selon laquelle les banques établies déploient l’IA à des fins défensives — pour protéger leurs relations avec leurs clients actuels — plutôt que dans une démarche d’expansion visant de nouveaux segments.

Des risques plus élevés selon les pays ?

L’étude a révélé que l’amélioration de l’inclusion financière grâce aux prêts par IA n’est pas significativement liée à une hausse des risques systémiques dans les environnements où la supervision est faible. Il est donc probable que ce soit dans ce contexte que les prêts par IA produisent les meilleurs résultats, avec une progression plus forte de l’inclusion financière et des risques plus faibles.

À l’inverse, dans les économies plus développées et les environnements financiers soumis à une réglementation plus stricte, les prêts par IA procurent des gains d’inclusion plus modérés. Dans ce cas, ils entraînent également une légère hausse des risques, qui n’est toutefois pas négligeable. Cela s’explique probablement par le fait que, dans ces économies, seuls les emprunteurs les plus à la marge sont véritablement exclus de toute forme de crédit.

« L’inclusion financière est déjà presque universelle parmi la population adulte, ce qui laisse peu de marge aux prêts par IA pour accroître la part des emprunteurs qui y ont accès. »

Comme pour tout type de prêt, les risques les plus importants ne surviennent pas dans des conditions de marché normales, mais lors des périodes de fortes tensions dans le système financier. Ainsi, si les prêts automatisés semblent stables en période calme, ils entraînent des réductions rapides et uniformes des capitaux en temps de crise, ce qui rend indispensables de solides réserves macroprudentielles pour prévenir les effondrements systémiques et les paniques sur les marchés.

Arbitrage réglementaire

Un constat légèrement plus préoccupant de l’étude est que les entreprises FinTech qui utilisent l’IA pour accorder des prêts tendent à chercher à échapper à une réglementation plus stricte, notamment en recourant à des sociétés écrans.

« Dans la région Asie-Pacifique, alors que l’intensité de la supervision locale passait de +0,02 à +0,22, les entreprises n’ont pas ralenti. Au contraire, elles ont déplacé leurs activités hors du cadre réglementaire, faisant passer le nombre de filiales écrans hors périmètre de 2 à 11. Dans le même temps, elles ont plus que triplé leurs transferts transfrontaliers d’actifs, de 14,5 % à 52,8 %, ce qui a entraîné une forte hausse des litiges. »

Cela montre que les réglementations locales peinent à encadrer pleinement ce type de prêteur. Elles incitent plutôt les prêteurs numériques agiles à dissocier leurs activités et à transférer leurs capitaux vers des territoires non surveillés.

Ce que les investisseurs doivent retenir des prêts par IA

Cette étude confirme les conclusions de travaux antérieurs selon lesquelles les prêts par IA améliorent l’inclusion financière. On savait déjà, par exemple, que l’évaluation algorithmique des demandes de prêts hypothécaires aux États-Unis augmente les taux d’approbation des emprunteurs issus de minorités sans entraîner de hausse proportionnelle des défauts de paiement. Ce résultat concorde avec une exclusion fondée sur la discrimination plutôt que sur l’évaluation du risque.

Elle montre désormais que cet effet se vérifie dans pratiquement toutes les régions et tous les types d’économie, et étaye l’existence d’un lien de causalité direct entre l’essor des prêts par IA et un accès au capital plus large et plus équitable. Cet effet est particulièrement marqué dans les régions où l’inclusion financière est faible et/ou la supervision moins rigoureuse.

Parallèlement, l’étude a également constaté que les économies développées connaissent souvent des risques plus élevés et des avantages moindres.

Cela pourrait donc signifier que, si le crédit fondé sur l’IA a d’abord élargi l’accès aux capitaux, les marchés frontières pourraient offrir les avantages les plus importants et présenter les risques les plus faibles. Il faut toutefois garder à l’esprit que ces marchés sont généralement, par nature, plus risqués que les économies développées, indépendamment de la qualité de chaque entreprise de crédit fondé sur l’IA.

Enfin, les entreprises de la fintech semblent promptes à tirer parti des arbitrages régionaux et à tenter d’échapper à une réglementation plus stricte. Cela peut représenter un risque à long terme : une meilleure coordination régionale ou une réaction plus ferme des autorités de régulation pourrait réduire les marges, voire entraîner des poursuites judiciaires contre ces entreprises. C’est un risque que leurs actionnaires doivent prendre en compte.

Dans l’ensemble, les investisseurs dans les entreprises de la fintech qui proposent des prêts fondés sur l’IA devraient évaluer si ces plateformes peuvent élargir durablement l’accès au crédit, en plus d’accroître leur volume de prêts.

Si un nombre suffisamment important de personnes sont mal desservies par le secteur financier actuel, le crédit fondé sur l’IA pourrait leur être très bénéfique et s’adresser à un vaste marché potentiel.

Si ce groupe est trop restreint, une hausse des risques de défaut en période de tension sur les marchés ou le recours à des méthodes transfrontalières tout aussi risquées pour contourner la réglementation pourraient exposer les actionnaires de l’entreprise à des dangers insoupçonnés à long terme.

Investir dans les prêts fondés sur l’IA

Upstart Holdings

À mesure que le crédit et les scores de crédit évoluent, de nouvelles entreprises voient le jour pour proposer de meilleures solutions que les scores de crédit et les pratiques de prêt traditionnels. Upstart est l’une d’elles : cette plateforme de prêts propulsée par l’IA a été lancée en 2012, bien avant que l’IA ne devienne un sujet central dans le secteur technologique.

Upstart a été créée à partir du constat que le système de score de crédit existant est inefficace et obsolète. Avec la quantité bien plus importante de données disponibles, il devait être possible de mieux repérer les risques liés aux prêts et, par conséquent, de proposer des prêts moins coûteux à une grande partie de la population.

« Notre modèle de prêts personnels évalue le risque associé aux emprunteurs avec une précision nettement supérieure à celle d’un modèle de crédit traditionnel. Nous pensons que plusieurs années d’amélioration de nos modèles nous attendent. »

Cette avance initiale a fourni à l’entreprise une abondante source de données pour entraîner sa propre IA et tirer parti des progrès récents des méthodes d’entraînement de l’IA.

Source : Upstart

La méthode d’Upstart peut ainsi repérer des personnes ayant un score FICO élevé, mais qui présentent en pratique un risque élevé de ne pas rembourser leurs prêts. À l’inverse, les personnes ayant un score FICO faible ne sont pas nécessairement susceptibles de faire défaut.

Grâce à l’IA et aux données, Upstart peut donc obtenir des résultats remarquables pour une cohorte donnée. Par exemple, l’entreprise peut accorder davantage de prêts tout en maintenant le même niveau de risque, en faisant passer le taux d’approbation de 27 % à 67 %. Elle peut aussi réduire considérablement les pertes, en faisant passer le taux de défaut de 9 % à 5 %, soit presque de moitié.

Source : Upstart

En outre, le recours à un algorithme plutôt qu’à un agent de crédit automatise le processus. Cela coûte moins cher et permet de demander un prêt beaucoup plus rapidement et de manière plus agréable.

La plateforme d’Upstart met en relation les emprunteurs avec des banques, des coopératives de crédit et des investisseurs institutionnels. L’entreprise a indiqué qu’en 2025, les investisseurs institutionnels avaient acheté 64 % du principal des prêts accordés par l’intermédiaire de sa plateforme.

Upstart s’adresse à un marché immense, où 25 000 milliards de dollars de crédit sont accordés chaque année dans le monde. Sur ce montant, les plateformes qui accordent et gèrent ces crédits peuvent générer jusqu’à 1 000 milliards de dollars de revenus.

En 2025, l’entreprise a accordé 1,5 million de prêts, soit une hausse de 115 % sur un an, pour un montant total de 11 milliards de dollars, en hausse de 86 % sur un an. Son chiffre d’affaires total s’est élevé à 1 milliard de dollars, en progression de 64 % sur un an. L’entreprise connaît également une croissance rapide dans de nouveaux segments : le montant des prêts automobiles accordés a, par exemple, été multiplié par 5, passant de 45 millions de dollars au quatrième trimestre 2024 à 263 millions de dollars au premier trimestre 2026, tandis que celui des prêts immobiliers a été multiplié par 6, passant de 27 millions de dollars au quatrième trimestre 2024 à 143 millions de dollars au premier trimestre 2026.

Ainsi, même si le nombre actuel de prêts est déjà élevé, il reste modeste au regard du potentiel total des méthodes avancées de calcul des scores de crédit et de l’évaluation des prêts par l’IA.

Source : Upstart

La récente croissance de l’entreprise et le fait qu’elle ait été conçue dès l’origine autour de l’IA sont de solides atouts pour l’avenir d’Upstart, même si le cours de son action n’a pas vraiment récompensé cette réussite : il reste au même niveau qu’en 2022 et bien en dessous de son sommet de 2021, atteint pendant la pandémie.

Cela s’explique en partie par les quelques risques que présente également le modèle économique d’Upstart.

Le premier tient au risque de dégradation de son modèle : si les conditions économiques s’écartent des données d’entraînement, son IA pourrait ne pas détecter de nouvelles tendances.

Un autre problème réside dans le renforcement des exigences réglementaires en matière d’explicabilité, d’équité et de publication des résultats selon les groupes démographiques. En effet, même involontairement, l’IA pourrait réintroduire dans le secteur financier des pratiques discriminatoires qui y ont été interdites.

Enfin, l’entreprise reste tributaire de la disponibilité des financements institutionnels tout au long des cycles du crédit, alors que des signes de tension s’accumulent dans le système financier, dans un contexte d’endettement élevé et de situation géopolitique tendue.

Néanmoins, Upstart est particulièrement bien placée pour devenir un acteur clé des places de marché du crédit fondées sur l’IA et un fournisseur d’infrastructures d’évaluation du risque de crédit, une évolution nécessaire après les premières initiatives des réseaux FinTech et de prêt entre particuliers (P2P) en faveur de nouvelles pratiques de prêt.

Les investisseurs pourraient aussi vouloir investir dès le début dans une entreprise qui transforme radicalement la manière dont les demandes de prêt sont évaluées.

Dernières actualités et évolutions concernant l’action Upstart Holdings (UPST)

Étude citée

^{1. Podong Song, Shutong Wu, Janson Partab. L’intelligence artificielle sur les marchés du crédit : prêts algorithmiques, inclusion financière et arbitrage réglementaire. International Review of Economics & Finance. Décembre 2026. Article : 105937. Volume 112. 10.1016/j.iref.2026.105937}