Analyse crédit et engagements
ISCO-08 3312, 2413Analyste crédit, Analyste engagements, Analyste crédit corporate, Chargé d'études crédit, Secrétaire du comité de crédit, Responsable du pôle engagements
De quoi le métier est fait
Les grandes activités de la famille, la part du temps de travail que chacune représente, et la part de ce temps que l'IA générative peut automatiser.
- Analyse financière et retraitement des comptes25% du temps de travail80% d'exposition
L'IA lit les états financiers, alimente le modèle de retraitement et recalcule les ratios, l'analyste vérifie les postes atypiques.
- Rédaction des notes de crédit20% du temps de travail80% d'exposition
La note est rédigée dans le modèle maison à partir du retraitement et des données internes, l'analyste corrige et porte l'avis.
- Suivi des covenants et revues annuelles15% du temps de travail80% d'exposition
Les tests de covenants et les dossiers de revue annuelle sont produits automatiquement, les ruptures remontent à l'analyste.
- Analyse qualitative et structuration des opérations15% du temps de travail45% d'exposition
L'IA synthétise les informations sectorielles et sur le management, juger le modèle économique et structurer les garanties reste humain.
- Comité de crédit et recommandation15% du temps de travail30% d'exposition
Dans les délégations la décision est automatisée, au-dessus, présenter et défendre le dossier en comité reste humain.
- Échanges avec les chargés d'affaires et les clients10% du temps de travail30% d'exposition
L'IA rédige les demandes d'informations, discuter un dossier avec le chargé d'affaires ou le client ne s'automatise pas.
Effectif nécessaire, en ETP
Compétences IA cibles
niveau 1 à 4Compétences métier
Se renforcent
- Jugement sur les dossiers atypiques et gros encours
- Défense d'un avis crédit en comité
- Challenge des scores et des notes générées
- Expertise sectorielle et sur les garanties
Se déprécient
- Saisie et retraitement des liasses fiscales
- Rédaction des notes de crédit standard
- Contrôle manuel des covenants et ratios
- Montage des dossiers de revue annuelle
Les transformations attendues
L'analyste passe une grande part de son temps à saisir les liasses, recalculer les ratios, vérifier les covenants et rédiger une note de crédit au format imposé. L'IA lit désormais les états financiers, alimente le modèle d'analyse, rédige la note et pointe les fragilités. Sur les crédits aux particuliers et aux petites entreprises, la décision elle-même s'automatise dans les délégations, et l'analyste ne voit plus que les dossiers hors normes.
Le métier se concentre sur les engagements importants, complexes ou atypiques : financements LBO, promoteurs immobiliers, groupes en difficulté. Un bon analyste demain sait repérer quand le modèle se trompe, défend un avis en comité et connaît assez un secteur pour voir ce que les chiffres masquent. Les exigences d'explicabilité des modèles le rapprochent aussi des équipes risques.
- 2026-2027
- Saisie automatisée des liasses et notes de crédit pré-rédigées.
- 2028-2030
- Petits dossiers décidés automatiquement ; les analystes traitent les exceptions.
- 2031+
- Équipes resserrées d'analystes seniors sur les engagements complexes.
Le jugement crédit s'apprend sur des centaines de dossiers ordinaires. Si les juniors ne les traitent plus, la banque risque une génération d'analystes incapables de contester les modèles qu'ils supervisent. Voir l'effet démographique ci-dessous.
Et si vous recrutiez moins de juniors ?
Les seniors de 2036 sont les juniors que vous recrutez aujourd'hui.
Paramètres avancés modifié
2026 2036
The AI Cookbook 2026
Le guide d'albert pour dépasser le bruit autour de l'IA générative et en faire des décisions sur les effectifs.
- Ce que l'IA change vraiment dans les métiers et les compétences
- Pourquoi la filière junior compte plus que la plupart des entreprises ne le pensent
- Comment intégrer l'IA dans la planification des effectifs

Faites tourner ces scénarios sur vos vrais effectifs
Diagnostic Impact IA : 6 à 8 semaines, vos données dans albert, trois scénarios chiffrés et la pyramide projetée pour chaque famille de métiers.
Comment les chiffres sont construits
Chaque chiffre d'effectif combine quatre hypothèses. Trois sont pré-remplies à partir de la recherche publique et des valeurs de la famille. Le plafond stratégique, c'est vous qui le fixez.
Pyramide d'expérience
Un modèle de flux à trois niveaux d'expérience dans le métier. Les taux de promotion et de départ sont calés pour que la pyramide actuelle reste stable sans changement de recrutement : l'écart affiché vient uniquement de la baisse du recrutement junior.
Sources
- International Labour OrganizationGenerative AI and jobs: a refined global index of occupational exposure (2025)
- ILO datasetTask-level GenAI exposure scores by ISCO-08 occupation
- AnthropicAnthropic Economic Index (June 2026 release, April and May 2026 usage data)
- Stanford Digital Economy LabCanaries in the Coal Mine? Six facts about the recent employment effects of AI