Blend a partagé des résultats précoces en production pour Autopilot, son système agentique destiné au crédit, montrant une hausse marquée des taux de conversion et une baisse des délais de cycle de prêt. Depuis mars 2026, l’agent de pré-souscription d’Autopilot a traité plus de 50,000 prêts en production réelle chez des prêteurs sur la plateforme de prêt immobilier Blend. Fondée en 2012 et cotée en bourse depuis son introduction en 2021, Blend fournit des logiciels d’origination numérique aux banques, aux coopératives de crédit et aux prêteurs hypothécaires ; ses données de production réelle offrent donc un échantillon concret de l’IA agentique opérant au sein d’un processus réglementé de finance à la consommation.

Résultats observés dans les cohortes analysées

Parmi les cohortes analysées, les prêteurs utilisant l’agent de pré-souscription d’Autopilot ont enregistré :

• Des taux de conversion supérieurs de 10% à 15%
• Des délais de cycle de prêt réduits de 2 à 4 jours
• 4.5 heures de tâches de traitement de prêt automatisées en moyenne par prêt
• Une économie estimée à $600 de coûts de traitement par prêt financé

Blend a souligné que l’impact initial provient de prêts réels en production avec de vrais emprunteurs, et non de pilotes ou de simulations. Pour le mesurer, l’entreprise a comparé 24 cohortes de prêteurs et de types de prêts à leur performance d’avant Autopilot, sur plus de 175,000 prêts. Les résultats sont fournis par le fournisseur, à partir des propres données de la plateforme de Blend et de comparaisons de cohortes, et non d’un audit indépendant. Pour les prêteurs, l’enjeu reste néanmoins concret : des références sectorielles, telles que les études de performance des prêteurs de la Mortgage Bankers Association, ont montré ces dernières années des coûts de production par prêt se chiffrant en milliers de dollars, tandis que la faiblesse des volumes d’origination a maintenu les économies unitaires sous pression.

Un changement plus profond que de simples gains d’efficacité

Selon Blend, ces résultats indiquent un changement plus profond que de simples gains d’efficacité. La plupart des usages actuels de l’IA dans le crédit accélèrent des étapes individuelles d’un processus qui reste séquentiel, chaque étape attendant la précédente. Le modèle agent-first d’Autopilot traite le dossier en parallèle et en temps réel, ce qui modifie le coût du processus d’origination, sa durée et le moment où les emprunteurs obtiennent des réponses. Ce positionnement s’inscrit dans une évolution plus large des logiciels d’entreprise, où les fournisseurs passent d’assistants IA qui accélèrent des étapes isolées à des agents capables d’exécuter de manière autonome des flux de travail en plusieurs étapes.

"I think the biggest mistake people make with AI is trying to be too incremental. Our approach is to ask: What would this industry look like if you designed it from the ground up around agents?" a déclaré Nima Ghamsari, cofondateur et responsable de Blend. "That’s no longer a thought experiment. Autopilot has run on more than 50,000 live production loans, and the economics are already changing."

Fonctionnement d’Autopilot

Selon les données du réseau Blend, plus de la moitié des emprunteurs déposent une demande de prêt hypothécaire en dehors des heures ouvrées, et plus de 90% de ceux qui la soumettent le font dans les 24 heures suivant le début de leur démarche. L’intention de l’emprunteur est la plus forte au cours de cette première journée, puis diminue rapidement : toute friction qui bloque une demande pendant la nuit ne fait pas que la retarder, elle risque aussi de faire perdre l’emprunteur au profit d’un concurrent. Pour les prêteurs, les 24 premières heures constituent donc une fenêtre critique pour maintenir l’avancement des dossiers, même lorsqu’aucun personnel n’est disponible pour répondre.

Autopilot opère dans cette fenêtre. Il examine la demande en temps réel, identifie les informations manquantes ou incohérentes, effectue le travail de pré-souscription et relance l’emprunteur tant qu’il reste engagé. Les dossiers arrivent ainsi au traitement et à la souscription dans un état plus propre, ce qui réduit les reprises, les rappels des emprunteurs et les conditions de dernière étape.

"Instead of a person taking the first pass and an agent checking the work, Autopilot agents are working behind the scenes before a human ever touches the file. Rules-based automation could never do that, because rules only work on predictable files, and underwriters spend all their time on the ones that aren't," a ajouté Ghamsari. "By the time it reaches a loan team, the work is done, which gives them their time back to spend with borrowers instead of paperwork." La portée est importante dans un processus fortement réglementé : Autopilot automatise le travail de préparation qui précède l’examen humain, et non les décisions de souscription elles-mêmes, tandis que l’origination hypothécaire reste encadrée par de vastes règles fédérales de protection des consommateurs.

Les résultats soulèvent des questions claires pour les prochains mois : les gains se maintiendront-ils à mesure qu’Autopilot s’étendra au-delà de ses cohortes initiales à une combinaison plus large de prêteurs et de types de prêts, et comment un paysage technologique hypothécaire longtemps fondé sur l’automatisation basée sur des règles réagira-t-il ?

Source : GlobalFinTechSeries