Splitit : pour Nandan Sheth, les agents IA doivent voir les finances complètes

Un agent qui travaille pour le consommateur

Le paiement fractionné pourrait cesser d'être une simple proposition affichée au moment du règlement pour devenir un conseil sur l'opportunité même de financer l'achat. Pour cela, un agent doit disposer d'assez de contexte : liquidités disponibles, engagements en cours et coût complet du crédit, explique le PDG de Splitit, Nandan Sheth, à Karen Webster, PDG de PYMNTS, selon PYMNTS.

« L'agent travaille pour le consommateur », résume-t-il. Sheth s'appuie sur sa propre expérience : à la recherche d'une montre pour son épouse, son assistant IA lui a proposé le produit demandé à plusieurs prix, puis une marque de boutique qu'il ne connaissait pas, en s'appuyant sur ce qu'il savait de lui et de sa famille. Il a acheté cette alternative, moins chère d'environ 10 % à 15 %.

Le consommateur veut garder la main

Une étude conjointe de Splitit et de PYMNTS Intelligence, citée par Karen Webster, indique que 61 % des consommateurs accepteraient une recommandation d'un agent IA en matière de crédit ou de paiement fractionné, mais que 2 % seulement le laisseraient décider seul.

« Le point de départ sera : montre-moi l'offre, je décide », poursuit Nandan Sheth. Selon lui, le contexte fourni par l'IA permet au consommateur de trancher plus sûrement. Une mensualité de 80 $ peut ainsi changer de sens si l'agent affiche aussi la liquidité disponible, les autres échéanciers en cours, le taux annuel effectif et le coût total du financement.

Des tests de conversion concluants

Splitit a mesuré l'effet de ces informations supplémentaires sur la conversion. Dans une version, l'interface présentait une mensualité de 80 $, le taux annuel et le coût total. Dans l'autre, s'ajoutaient l'absence de pénalité de remboursement anticipé et la possibilité de payer les mensualités réduites pendant trois mois, puis de solder le capital en ne supportant qu'une partie des intérêts qui auraient couru sur six ou douze mois.

D'après Nandan Sheth, la seconde version a généré un taux de conversion environ deux à 2,5 fois supérieur à celui de la première. L'accompagnement ne s'arrête pas forcément au paiement : Karen Webster évoque un consommateur ayant besoin d'une échéance allégée au départ, puis disposant de liquidités quelques mois plus tard. Elle y voit « une relation dynamique entre l'agent et le consommateur », nourrie par le calendrier des entrées et sorties d'argent.

Comptes, relevés et peur de la fuite

Instaurer cette relation suppose des données bien plus larges que l'historique d'achat : soldes bancaires, relevés de cartes, encours renouvelables, voire relevés de courtage. L'agent n'a pas besoin de tout, précise le dirigeant, mais quelques-unes de ces informations transmises de façon sécurisée amélioreraient les décisions de paiement fractionné ou de prêt personnel. Un accès plus large aiderait aussi à arbitrer entre investir, épargner et dépenser.

Nandan Sheth reconnaît pourtant sa propre réticence à fournir ces données. « J'ai peur d'une violation de données, et j'ai peur que ces données soient détournées », dit-il. Il évoque la localisation comme piste de protection : un grand modèle de langage personnalisé qui traiterait l'essentiel en local et n'appellerait l'extérieur que pour des tâches précises, limitant ainsi les informations sensibles sortant de l'environnement du consommateur.

Les petits achats d'abord

Interrogé par Karen Webster sur le moment où les consommateurs accepteront de laisser l'agent agir, Nandan Sheth répond que tout dépend de l'achat, du marchand et du montant. Les transactions courantes de faible valeur lui semblent les plus aptes à être automatisées. Les courses alimentaires constituent selon lui un cas d'usage privilégié : un consommateur fixerait un budget mensuel de 300 $, fournirait ses habitudes d'achat et ses envies, puis demanderait à l'agent de trouver la meilleure offre. La limite de dépense étant posée, il imagine l'agent exécuter le paiement.

Avec suffisamment de contexte, un agent pourrait recommander un règlement immédiat pour un achat et un paiement fractionné pour un autre, en fonction de l'économie de l'opération. Nandan Sheth rattache cette possibilité à la course de longue date au statut de carte principale : un consommateur a beau avoir un moyen de paiement préféré, l'agent qui évalue chaque achat dispose d'autres critères, dont le coût du financement, la liquidité disponible et les avantages liés à la transaction.