Que nous réserve l’horizon Fintech en 2017 ? C’est la question posée à Maximilien Nayaradou, le Directeur des Projets R&D du pôle de compétitivité mondial Finance Innovation. Économiste de formation, il est chargé du sourcing, de l’accompagnement et du suivi des projets collaboratifs Université/Entreprise de cette structure spécialisée dans l’accompagnement des fintechs. Il a ainsi aidé 15 consortiums, pilotés la plupart par des fintechs, à lever 16 millions d’euros de subventions publiques pour financer des projets de R&D collaboratifs. C’est donc à un fin observateur du marché que s’est adressé FinTech Mag.
Alors quel est le baromètre des tendances pour la Fintech en 2017? Pour Maximilien Nayaradou, quatre grappes d’innovation principales vont s’intensifier. Interview.
L’épargne digitale pour tous facilitée gâce à la DSPII
La Directive Services de Paiement 2 (DSPII) va favoriser l’interopérabilité entre les agrégateurs de comptes et les robo-advisors, afin de booster leur développement… Imaginons qu’il me reste un peu d’argent sur mon compte en fin de mois, mon robo-advisor pourra alors me conseiller les meilleurs placements en fonction de mon profil et de ma volonté de prise de risque. Ainsi, en 2017, les robo-advisors deviennent agrégateurs à l’instar de CrossQuantum, filiale de Budget Insight. L’intérêt pour les assureurs ? Pouvoir proposer en direct leurs produits et les adapter aux comportements d’épargne et de consommation de leurs clients.
Il y a également un enjeu énorme en terme de distribution car en 2017, la DSPII va permettre aux agrégateurs d’effectuer des prélèvements et des virements sans passer par le compte des banques. Cela ouvre un nouveau champ de concurrence pour les banques qui seront désormais obligées d’ouvrir leur API aux agrégateurs. Si vous utilisez actuellement Linxo ou Bankin comme vous n’aurez plus besoin d’aller sur le site de votre banque pour passer vos ordres de paiement : tous les comptes de la famille pourront ainsi être pilotés.
2017 sera donc marqué par l’explosion des agrégateurs robo-advisors, phénomène similaire à celui observé à l’époque dans les télécoms avec l’ouverture à la concurrence à Bouygues, de SFR ou Free. Sur ce marché, les fintechs sont matures – Bankin a levé 7 M€ récemment – et elles bénéficient en plus d’une opportunité règlementaire pour les aider à croître (DSPII, mandat de mobilité bancaire de la Loi Macron).
Les insurtechs en pleine croissance
Il commence à y avoir de grosses levées de fonds, de gros partenariats industriels ou clients en marque blanche. 2017 va voir la continuation de l’émergence des insurtechs et surtout leur pérennisation.
Auparavant, pour acheter un logement, vous deviez passer par une banque et souscrire à une assurance emprunteur. Aujourd’hui, l’insurtech ouvre de nouvelles perspectives avec les plateformes comme Otherwise et BPSIs. BPSIs est en très forte croissance et disponible en marque blanche chez Swiss Life, Suravenir et bien d’autres encore. La loi Macron a permis aux assureurs de capter un marché qui était jusqu’ici trusté par les bancassureurs. Grâce à la digitalisation, ces opérateurs sont moins chers et permettent également de lever certains verrous car auparavant les banques excluaient de l’assurance emprunteur les expatriés, et des personnes atteintes de certaines pathologies médicales….
L’AI, de la science fiction à la réalité
Jusqu’à présent, le deep learning et le machine learning étaient plutôt appliqués à la gestion d’actifs (mais de manière encore marginale), on pensera notamment aux acteurs comme SESAMm et Walnut Algorithms. L’enjeu pour ces startups est d’utiliser les algorithmes de l’intelligence artificielle pour permettre à leurs logiciels de finance d’apprendre par eux-mêmes les stratégies de placement gagnantes. A côté de la gestion d’actifs, la gestion d’assurance est aussi impactée, avec des acteurs comme DreamQuark.
On notera au passage que si l’automatisation va induire des gains de productivité, elle permettra également la création d’emplois plus qualifiés (data scientist…) et remettra en cause ceux existants. Un trader coûte plus cher qu’un module de machine learning : il ne faut pas se voiler la face, l’innovation aura un impact sur les emplois qualifiés.
Autre illustration du machine learning, les chatbots, ces applications de traitement automatique de la langue. Ces outils permettent de capitaliser sur les questions des internautes, sur leur demande d’infos en matière de fintechs, de crowd, d’assurance-vie, sur la pédagogie et sur la culture financière. Les chatbots s’adaptent au niveau culturel de leur interlocuteur et appliquent également les chaînes de Markov pour déduire et anticiper les questions des internautes. Chez Finance Innovation, nous sommes en processus de labellisation avec trois outils reposant sur cette technologie : Hibruno, TacoTax et Aronia (chatbot de Portfoliance). Le chatbot est une grappe d’innovation qui arrive progressivement en France même si elle est moins importante qu’aux Etats-Unis.
Le big data au service de l’extra-financier
Le big data (data mining, acp, afc…), faut-il le rappeler, a été inventé en France dans les années 70. Il est aujourd’hui de plus en plus utilisé par les financiers (de manière beaucoup plus importante que le machine learning qui reste encore un secteur de niche), les gestionnaires de portefeuilles d’actifs, afin d’identifier des variables extra-financières qui permettront de sélectionner les entreprises.
Au lieu d’utiliser des données “traditionnelles” comme la rentabilité ou le chiffre d’affaires, le big data va permettre de tester d’autres variables, de repérer des signaux faibles, qui seront autant de nouveaux critères de placement possible. On pourra par exemple ainsi financer des sociétés en fonction de leurs dépenses de R&D, de publicité, sur leur degré de « green », ou sur leur niveau de création d’emplois. Le big data présente une opportunité innovante de sélectionner les entreprises autrement que sur leurs comptes et sur leur rentabilité purement financière.
