Lender Price, fournisseur de technologies de produits et de tarification hypothécaire, a annoncé la prochaine évolution de POD, son tableau de bord d'optimisation tarifaire par IA : une capacité d'agents IA supervisés par l'humain, conçue pour établir un nouveau standard de précision tarifaire sur l'ensemble du moteur de tarification de Lender Price.

Le moteur de tarification est le système sur lequel les prêteurs s'appuient pour transformer les grilles tarifaires des investisseurs en taux et ajustements qu'ils communiquent finalement aux emprunteurs, c'est pourquoi la précision de chaque mise à jour a un poids opérationnel direct. Les agents IA POD sont conçus pour apprendre et exécuter les étapes répétables que les équipes de tarification de Lender Price effectuent chaque fois que les investisseurs publient des changements concernant les taux, les ajustements de prix au niveau du prêt (LLPA), l'éligibilité des produits, les programmes et les offres tarifaires spéciales. Les LLPA, ajustements de prix basés sur le risque appliqués par les investisseurs aux prêts individuels selon des facteurs tels que le score de crédit et le ratio prêt/valeur, façonnent directement le prix de chaque devis de prêt. En opérant dans des garde-fous définis et des flux d'approbation, les agents peuvent interpréter les informations de changement entrantes, préparer et valider les mises à jour du système, identifier les exceptions et transférer les changements nécessitant du jugement aux professionnels de la tarification de Lender Price.

« Dans la tarification hypothécaire, la précision n'est pas une fonctionnalité — c'est le fondement », a déclaré Dawar Alimi, PDG et cofondateur de Lender Price. « POD ne vise pas à remplacer les personnes qui comprennent les produits hypothécaires, les marchés de capitaux et les activités de nos clients. Il s'agit de leur donner des agents IA capables d'assumer le travail fastidieux et répétable, afin que nos experts puissent se concentrer sur les contrôles, les exceptions et les décisions qui méritent une expertise humaine. Le résultat que nous poursuivons est une précision tarifaire inégalée. »

Construit par phases, ancré dans les opérations de tarification

L'initiative POD a progressé à travers plusieurs phases. Lender Price a d'abord appliqué l'IA pour renforcer les contrôles de précision, aidant les équipes à détecter plus tôt les écarts tarifaires potentiels. Elle a ensuite étendu le soutien de l'IA aux travaux d'implémentation, en organisant les données des prêteurs, en identifiant les lacunes et en accélérant l'intégration des produits, des programmes, des règles d'éligibilité et des tarifs spécifiques aux investisseurs.

La dernière phase opérationnalise ces apprentissages grâce à des agents IA entraînés sur les flux de travail étape par étapeés par l'équipe de tarification de Lender Price elle-même. Plutôt que de permettre une automatisation incontrôlée, POD applique des contrôles pouvant inclure la validation des données sources, des garde-fous basés sur des règles, des seuils d'exception, des journaux de modifications, des tests et une revue humaine avant la mise en production. L'objectif est de rendre les mises à jour plus rapides et plus cohérentes tout en maintenant une responsabilité claire.

Impact opérationnel attendu

Lender Price s'attend à ce que POD réduise considérablement les opportunités d'erreurs de saisie manuelle et améliore la cohérence des mises à jour de routine des investisseurs. Les objectifs opérationnels initiaux incluent :

• Jusqu'à 90 % de réduction des points de contact manuels pour les flux de travail éligibles et répétables de mise à jour des grilles tarifaires et des prix.
• Une préparation et une validation jusqu'à 75 % plus rapides des mises à jour de routine des LLPA, des offres spéciales et des programmes, avec transfert des exceptions à un expert.
• Une couverture de traçabilité des changements d'au moins 99,9 % pour les mises à jour traitées par POD, soutenue par la liaison aux sources, les enregistrements de validation, les approbations et les journaux d'audit.
• Une réduction significative des erreurs de configuration évitables — y compris les frappes accidentelles, les valeurs inversées ou les conditions d'éligibilité manquées — grâce à l'extraction structurée, aux règles de validation et aux flux de mise en production contrôlés.

Ces chiffres sont des objectifs opérationnels prospectifs et non des résultats historiques de clients. Lender Price a indiqué qu'elle validera et publiera les résultats mesurés à mesure que les déploiements de POD mûriront. Ces résultats publiés donneront aux prêteurs un référentiel concret pour juger si les objectifs sont tenus en production.

Précision à grande échelle avec des experts aux commandes

La conception de POD reconnaît que la tarification hypothécaire ne fonctionne pas en vase clos. Les directives des investisseurs peuvent varier en format et en complexité, et les mises à jour du monde réel nécessitent souvent une interprétation contextuelle. Les agents IA sont destinés à gérer le travail répétitif à haut volume, tandis que les voies d'escalade préservent la supervision humaine pour les directives ambiguës, les structures de produits inhabituelles et les changements méritant un examen supplémentaire.

Il en résulte une opération de tarification capable de réagir plus rapidement aux changements des investisseurs sans sacrifier les contrôles attendus par les prêteurs. En réduisant le travail manuel répétitif, POD permet aux experts en tarification de Lender Price de consacrer plus de temps à l'assurance qualité, aux cas particuliers, à la stratégie et aux besoins spécifiques des clients.

« L'avenir de POD est une opération de tarification plus précise et plus résiliente », a ajouté M. Alimi. « Nos équipes restent essentielles. Les agents IA rendent leur expertise plus puissante en contribuant à garantir que chaque mise à jour — d'un changement de LLPA à une offre spéciale ou à une règle d'éligibilité — est traitée avec rigueur, visibilité et rapidité. »

POD s'inscrit dans la stratégie IA plus large de Lender Price, qui applique l'IA là où elle peut améliorer l'efficacité de l'implémentation, renforcer les contrôles qualité tarifaires et aider les prêteurs à avancer avec plus de confiance dans un marché en évolution rapide. La structure de POD supervisée par l'humain reflète également une tendance plus générale dans la technologie financière, où les agents IA sont de plus en plus déployés sous revue humaine plutôt qu'en autonomie complète dans les domaines réglementés des services financiers.