IA de ConnectOne Bank : la recherche de documents de prêt en 30 secondes
Les outils d'IA de ConnectOne Bank, conçus avec nCino, ont ramené la recherche de documents de crédit aux entreprises de 20 minutes à 30 secondes seulement, a annoncé nCino le 14 juillet 2026. Un agent sur mesure qui met à jour les relations clients dans les documents a réduit de 60 % le temps de cette tâche. Pour une banque au service des petites et moyennes entreprises, le changement rend aux banquiers une plus grande part de leur journée pour les clients plutôt que pour l'administratif.
Pourquoi les banquiers d'entreprise perdent du temps dans la paperasse
Le problème de ConnectOne Bank, c'était le travail administratif du crédit aux entreprises. La banque, basée à Englewood Cliffs, sert surtout des petites et moyennes entreprises, et ses banquiers passaient du temps à chercher dans les documents de politique de crédit et les fiches d'aide, et à mettre à jour les dossiers clients à la main.
Le PDG, Frank Sorrentino III, chiffre le coût en heures. Il a expliqué à American Banker qu'une personne travaille en moyenne 2 000 heures par an et que supprimer les tâches administratives routinières pourrait rendre la moitié de ce temps aux banquiers en contact avec les clients.
Ce que ConnectOne a déployé avec nCino
ConnectOne s'est tournée vers nCino, un éditeur de logiciels bancaires avec lequel elle travaille depuis 2017. En avril 2026, nCino a intégré plusieurs outils d'IA aux systèmes de banque d'entreprise de l'établissement. Le déploiement compte deux volets.
Le premier est nCino Banking Advisor, dont la fonction Knowledge Base est désormais en production dans la nCino Commercial Banking Solution de la banque. Le second est une paire d'agents IA sur mesure construits sur le nCino Agentic Operating System, ou AOS. Ensemble, les deux agents couvrent 16 compétences distinctes visant des tâches de crédit lentes et laborieuses, et d'autres fonctions doivent arriver dans les prochains mois.
Comment les agents IA ont été conçus et encadrés
Les ingénieurs détachés de nCino ont travaillé sur place avec les équipes de ConnectOne pour concevoir, construire et affiner les agents directement dans l'environnement de la banque. Selon nCino, ce qui aurait traditionnellement été une transformation sur plusieurs années est devenu un déploiement itératif qui se compte en semaines.
L'AOS permet à une banque de partir des fonctions natives de Banking Advisor de nCino, puis de construire par-dessus avec ses propres processus, ses données et son savoir interne. nCino affirme que chaque action assistée par l'IA est auditable, explicable et sous le contrôle de l'établissement. L'un des deux agents utilise Document Intelligence pour mettre à jour les relations avec les particuliers et les entreprises dans les documents.
Ce que montrent les résultats après les premiers mois
Le résultat le plus net concerne la recherche de documents. Une recherche qui prenait 20 minutes aux banquiers ne prend plus que 30 secondes, a indiqué nCino le 14 juillet 2026. nCino parle d'une réduction de 97,5 % du temps de recherche ; American Banker a rapporté 98 %. L'usage de l'outil a lui aussi progressé : le nombre d'utilisateurs actifs a augmenté de 41 % en seulement 10 semaines, selon nCino.
L'agent de mise à jour des relations clients a réduit de 60 % le temps de la tâche, selon la banque. American Banker note que ConnectOne a fait état de ces gains d'efficacité en trois mois. Tous ces chiffres viennent de la banque et de son fournisseur ; aucune des deux sources ne donne de chiffres de coût ou de revenus pour le projet.
« Nous pourrions faire gagner 50 % de leur temps à nos équipes en contact avec les clients en leur retirant les tâches administratives qu'elles gèrent au quotidien. » Frank Sorrentino III, PDG de ConnectOne Bank, sur l'objectif de la banque
Ce que cela change pour les banques d'entreprise
Pour un prêteur aux entreprises, l'enjeu ici est le temps : moins d'heures passées par un banquier à chercher des réponses dans les politiques internes et à saisir des données, plus d'heures pour les clients. Le chiffre de 50 % avancé par Frank Sorrentino III est un objectif, pas un résultat. Il a expliqué à American Banker qu'un banquier qui récupère 1 000 heures peut être bien plus productif, et que ce n'est pas une raison de réduire les effectifs.
Il a aussi rejeté l'idée que l'IA agentique serait d'abord une mesure d'économie. Selon lui, les banquiers gèrent davantage de clients et apportent plus d'affaires, et la banque aura probablement besoin de plus de personnel au back-office pour absorber la croissance. C'est l'avis du PDG, pas un résultat mesuré. Environ la moitié des banques interrogées (54 %) dans l'enquête 2026 AI Talent Shift Survey d'American Banker estiment que l'impact de l'IA sur leurs effectifs a été positif.
La suite pour ConnectOne et nCino
ConnectOne prévoit d'ajouter des fonctions à ses deux agents dans les prochains mois. nCino, qui dit servir plus de 2 700 clients dans le monde, présente la banque comme un exemple précoce de construction d'agents sur mesure sur sa plateforme plutôt que d'achat de fonctions figées.
Questions et réponses
Combien de temps ConnectOne a-t-elle gagné sur la recherche de documents ?
Une recherche de documents qui prenait 20 minutes ne prend plus que 30 secondes. nCino évalue la réduction à 97,5 % ; American Banker a rapporté 98 %.
Quels outils d'IA ConnectOne Bank utilise-t-elle ?
Elle utilise la Knowledge Base de nCino Banking Advisor, désormais en production, et deux agents IA sur mesure construits sur le nCino Agentic Operating System, qui totalisent 16 compétences distinctes.
ConnectOne utilise-t-elle l'IA pour supprimer des postes ?
Le PDG Frank Sorrentino III affirme que non. Il présente l'IA agentique comme un investissement plutôt que comme une mesure d'économie et s'attend à ce que la banque ait besoin de plus de personnel à mesure que l'activité croît.
Le regard de MOZGII
Comment nous le construirions
La banque se prête bien aux agents IA, car une grande partie du travail consiste à trouver la bonne règle et à recopier le bon chiffre dans le bon champ. Le cas de ConnectOne montre les deux tâches côte à côte : un assistant de recherche qui répond à partir des documents de politique interne, et un agent qui met à jour les dossiers clients.
Si nous construisions cela, nous traiterions la bibliothèque des politiques internes comme le produit. Chaque réponse de l'assistant de recherche citerait le document et la section exacts, et un responsable crédit serait propriétaire de cette bibliothèque et retirerait les anciennes versions. Pour l'agent de mise à jour des dossiers, un banquier approuverait chaque modification avant qu'elle n'atteigne le dossier de prêt, au moins jusqu'à ce que les taux d'erreur soient connus. Chaque action serait journalisée avec le document dont elle provient.
Le système casserait quand les documents sont faux ou périmés. Un outil de recherche qui cite une politique de crédit remplacée est pire qu'une recherche lente, car il a l'air sûr de lui. L'agent de mise à jour casserait sur des scans de mauvaise qualité et sur des clients aux structures de propriété complexes. Le seul indicateur que nous suivrions est la part des modifications de l'agent qu'un banquier doit corriger, compétence par compétence.
Ensuite, nous construirions un agent qui rédige la première version d'une note de crédit à partir des mêmes documents, avec chaque chiffre relié à sa source.
Sources
D’où viennent les faits de cet article.