L'absence de garantie, le fait de n'avoir jamais emprunté à une banque ou la difficulté à prouver son revenu ont rendu de nombreux jeunes, travailleurs indépendants et petits commerçants presque "invisibles" face aux modèles de notation de crédit traditionnels.
Cependant, le développement des données numériques et de l'intelligence artificielle crée une approche différente. Au lieu de se baser uniquement sur l'historique des emprunts, les banques peuvent analyser les flux de trésorerie, les transactions de paiement, le niveau de stabilité du comportement financier et les interactions sur l'environnement numérique pour évaluer les clients.
C'est également l'orientation que TPBank met en œuvre dans ses activités de prêt sur le canal numérique. Selon la banque, la technologie peut aider à identifier les clients qui ont la capacité de rembourser leurs dettes mais qui n'étaient pas encore qualifiés pour accéder au crédit par le biais des méthodes traditionnelles.
Trouver des prospects à partir de données numériques
Partageant des informations sur les services de prêt sur les canaux numériques lors de la réunion du comité de pilotage du secteur bancaire le 19 juin, M. Đỗ Minh Phú - président du conseil d'administration de TPBank - a déclaré que le déplacement des citoyens vers l'environnement numérique modifie fondamentalement les besoins financiers.
Si auparavant le système de crédit était principalement conçu pour les prêts importants, à moyen et long terme tels que l'achat de maisons et de voitures, aujourd'hui, des millions de petites transactions survenant chaque jour forment un besoin différent de flux de capitaux.
Les clients n'ont pas seulement besoin d'emprunter pour de grandes décisions financières, mais ont également besoin de petites sommes d'argent, qui sont résolues rapidement, au service des activités commerciales ou des dépenses quotidiennes.
Les gens n'ont pas seulement besoin d'emprunter pour acheter une maison ou une voiture. Ils ont besoin de financements immédiats pour leur vie quotidienne. Le système financier ne peut pas rester en dehors du courant de l'économie numérique", a déclaré M. Đỗ Minh Phú.
Selon les chiffres cités par TPBank lors de la réunion, la taille du commerce électronique au Vietnam en 2025 atteint environ 430 000 milliards de dongs, avec plus de 601 800 magasins opérant sur les plateformes numériques. Chez TPBank, environ 99,5% des transactions sont actuellement effectuées via des canaux numériques.
Les changements dans le comportement de consommation et de paiement créent également une grande quantité de données, reflétant relativement clairement les flux de trésorerie, la capacité de paiement et le niveau de stabilité financière de chaque individu.
À partir des données de transaction, de l'historique des paiements de factures, des informations d'identification électronique eKYC et du niveau de stabilité des interactions numériques, la banque peut ajouter des bases supplémentaires pour évaluer la crédibilité et la capacité de remboursement des clients.
Selon le président de TPBank, la technologie joue le rôle de « lunette » aidant la banque à voir les clients potentiels qui ont été laissés pour compte par les anciens modèles de crédit.
Ce groupe peut comprendre des jeunes qui n'ont jamais emprunté de capital, des travailleurs indépendants qui ont du mal à prouver leurs revenus périodiques, des petits commerçants qui font des affaires sur des plateformes numériques ou des clients qui n'ont pas beaucoup de données dans le système d'information sur le crédit.
Bien qu'ils n'aient pas de dossiers de crédit traditionnels, ces clients peuvent toujours maintenir des flux de trésorerie stables, payer les factures à temps et afficher un comportement financier transparent dans l'environnement numérique.
Le prêt numérique, ce n'est pas seulement mettre des dossiers en ligne
Selon M. Đỗ Minh Phú, le prêt numérique ne doit pas être compris simplement comme le transfert d'un dossier de prêt papier en ligne.
Ce modèle exige que les banques repensent l'ensemble de la chaîne de crédit, de l'identification des clients, de la collecte et de l'analyse des données, de la notation des risques, de l'approbation, du décaissement à la gestion des prêts.
Chez TPBank, l'intelligence artificielle est appliquée à certaines étapes telles que la notation de crédit multidimensionnelle, la détection de la fraude en temps réel, l'optimisation des limites en fonction du comportement du client et la personnalisation de l'expérience d'utilisation du service.
Selon les informations de la banque, l'ensemble du parcours de prêt, y compris l'identification eKYC, l'approbation, le décaissement et la gestion du prêt, peut être effectué en ligne.
À ce jour, TPBank a déclaré avoir servi plus de 6 millions de clients décaissés, dont plus de 5 millions de clients opérant régulièrement sur la plateforme numérique. En moyenne, chaque client reçoit environ 2,08 prêts.
Au cours de la période 2023-2025, le chiffre d'affaires des prêts numériques de la banque devrait doubler d'année en année. Le ratio de créances douteuses annoncé par TPBank est inférieur à 3% et continue de s'améliorer dans le processus d'optimisation du modèle de gouvernance conformément aux normes IFRS 9.
Bien que promouvant l'automatisation, le président de TPBank estime que la technologie ne peut pas remplacer complètement le rôle des personnes dans les opérations bancaires.
Nous pouvons automatiser les processus, mais pas automatiser la compréhension des clients" - a partagé M. Đỗ Minh Phú lors de l'assemblée générale des actionnaires de TPBank en 2026.
Selon l'orientation de TPBank de construire un modèle bancaire AI-Native, l'IA est profondément intégrée aux opérations et à la fourniture de services. Cependant, les personnes jouent toujours un rôle de contrôle des risques, d'établissement de principes éthiques et de responsabilité des décisions finales.
Attentes de réduction de l'écart de crédit
Selon le président de TPBank, à l'avenir, le prêt numérique pourrait ne plus être un produit isolé mais devenir une partie de l'infrastructure financière de l'économie numérique.
La réduction des procédures et l'extension de la capacité d'évaluation des clients à travers les données peuvent aider à accélérer le flux de capitaux, tout en portant les services bancaires aux groupes de population qui ne sont pas pleinement servis.
Ceci est particulièrement significatif pour les petits prêts, servant les besoins essentiels ou complétant le capital à court terme pour les activités commerciales.
Lorsque ces besoins ne sont pas satisfaits par les établissements de crédit officiels, les citoyens peuvent devoir se tourner vers des formes de prêts informels, à coûts élevés et potentiellement risqués.
Par conséquent, les solutions financières numériques sûres et transparentes fournies par les banques devraient contribuer à réduire le vide de crédit et à limiter les formes de prêts usuraires.
Cependant, le processus d'extension des prêts numériques pose également des exigences en matière de qualité des données, de sécurité de l'information, de prévention de la fraude et de capacité de contrôle des créances douteuses.
Fort de son expérience de mise en œuvre à TPBank, M. Đỗ Minh Phú a suggéré que le secteur bancaire continue de promouvoir la connexion interconnectée des données, de renforcer le partage d'informations d'alerte de risque et de mettre en place un mécanisme de gestion plus flexible pour les produits financiers numériques.
Selon lui, un cadre juridique approprié ainsi qu'un mécanisme efficace de partage des données créeront les conditions permettant aux banques d'étendre le crédit numérique tout en assurant la sécurité du système.
Dans un contexte où les activités de consommation, de paiement et commerciales passent de plus en plus vers l'environnement en ligne, les données et l'IA deviennent des outils importants pour que les banques comprennent mieux leurs clients.
Pour TPBank, l'objectif de ce processus n'est pas seulement d'accélérer l'approbation des prêts, mais aussi de rapprocher le crédit officiel de ceux qui étaient autrefois en dehors du champ de service du modèle bancaire traditionnel.
