
72 % des CGP utilisent l'IA en 2026, contre 23 % en 2024, selon le baromètre BNP Paribas Cardif. L'adoption est acquise.
Ses usages restent en surface. Les données disponibles montrent une IA qui résume, rédige et cherche. Bâtir une recommandation arrive loin derrière.
Le 12 octobre, l'AMF et l'ACPR ont publié le bilan d'une soixantaine de contrôles. Elles ne reprochent pas aux acteurs contrôlés de mal rédiger. Elles leur reprochent des recommandations standardisées, faute de bien connaître leurs clients.
Tout le décalage est là. L'IA fait gagner du temps sur l'administratif, alors que l'exigence porte sur le conseil.
En bref. Selon BNP Paribas Cardif, 72 % des CGP utilisent l'IA en 2026. Les usages documentés, surtout américains, portent sur le traitement de l'information, et la recommandation reste minoritaire. L'AMF et l'ACPR relèvent, chez certains acteurs contrôlés, un défaut de personnalisation du conseil. L'enjeu est d'utiliser l'IA pour le conseil lui-même, avec des données vérifiées, des calculs traçables et la validation du conseiller.
Sommaire
L'IA s'est-elle vraiment installée dans les cabinets de CGP ?
Pourquoi un conseil personnalisé est-il si difficile à produire ?
Comment l'IA peut-elle rendre le conseil plus individualisé ?
L'IA s'est-elle vraiment installée dans les cabinets de CGP ?
Oui. L'usage déclaré a triplé en deux ans.
Année | Part des CGP utilisant l'IA |
|---|---|
2024 | 23 % |
2025 | 56 % |
2026 | 72 % |
Source : baromètres BNP Paribas Cardif réalisés avec Kantar, éditions 2025 et 2026.
Le chiffre mesure une diffusion, pas une intensité. En 2025, les 56 % mêlaient usage régulier et usage occasionnel, et l'usage régulier plafonnait à 27 %. L'édition 2026 ne donne pas ce détail.
Les clients changent aussi. 67 % des CGP constatent que l'IA a modifié leur comportement, et 32 % les jugent beaucoup mieux informés. Un client qui a déjà interrogé un assistant attend davantage qu'une information générale.
À quoi les conseillers utilisent-ils réellement l'IA ?
Surtout à traiter de l'information. Recommander reste un usage minoritaire.
Aucune statistique française ne mesure ces usages. La donnée la plus fine vient des États-Unis. En juin 2025, ISS Market Intelligence a interrogé 466 conseillers, dont 48 % utilisaient déjà l'IA.
Usage de l'IA | Part des conseillers utilisateurs |
|---|---|
Synthèse d'informations | 58 % |
Rédaction de contenus | 56 % |
Recherche générale et brainstorming | 55 % |
Recherche sur les investissements | 42 % |
Traitement de données | 24 % |
Analyse de performance | 23 % |
Recommandation d'investissement ou construction de portefeuille | 19 % |
Source : ISS Market Intelligence, Advisor Pulse, juin 2025. Base : conseillers américains utilisateurs d'IA.
Le trio de tête relève du traitement de l'information. La construction de portefeuille plafonne à 19 %, et elle ne couvre qu'une partie du conseil patrimonial français, sans la fiscalité ni la transmission.
En France, les intentions vont dans le même sens. En 2025, 79 % des CGP voyaient leur usage de l'IA rester centré sur l'administratif, et 67 % sur la veille réglementaire. Ce sont des projections, pas des mesures.
Que reprochent l'AMF et l'ACPR aux acteurs contrôlés ?
Un conseil insuffisamment personnalisé.
Le 12 octobre 2026, le pôle commun AMF-ACPR a publié la synthèse d'une soixantaine de contrôles menés de 2020 à 2024. Ils portaient sur la vente de produits financiers et de contrats d'assurance-vie aux particuliers.
Ces contrôles ciblaient des acteurs ou des thèmes à risque. Ils ne décrivent donc pas le marché dans son ensemble et ne visent pas spécifiquement les CGP.
Quatre constats touchent directement le conseil :
des recommandations standardisées, faute d'un recueil suffisant des informations clients ;
une capacité d'épargne souvent déduite de la seule déclaration du client ;
des justifications de conseil trop vagues, voire absentes ;
en assurance-vie, une fiscalité, une transmission ou une clause bénéficiaire pas toujours prises en compte.
Ces défauts ont un point commun. Aucun ne se corrige en rédigeant plus vite. Tous demandent de mieux connaître le client, d'analyser davantage et de tracer le raisonnement.
Pourquoi un conseil personnalisé est-il si difficile à produire ?
Parce que chaque client exige la même chaîne complète, et que cette chaîne ne se raccourcit pas.
Collecter les informations. Vérifier qu'elles sont complètes. Comprendre les objectifs. Mesurer les effets fiscaux et juridiques. Comparer des scénarios. Contrôler l'adéquation. Rédiger. Tracer.
Avec quelques dizaines de clients, la chaîne tient. Avec plusieurs centaines, la tentation du modèle type grandit.
La charge ne s'arrête pas à la signature. Depuis le 24 octobre 2024, le devoir de conseil dans la durée impose en assurance-vie une mise à jour régulière des informations client.
Comment l'IA peut-elle rendre le conseil plus individualisé ?
En renforçant ce qui manquait dans les dossiers contrôlés : la connaissance du client, l'analyse et la trace du raisonnement.
C'est notre conviction chez Apana. L'IA améliore à la fois la productivité et la qualité du conseil quand elle sert toute la chaîne du conseil, et pas seulement l'administratif.
Une connaissance client plus complète
Les informations existent souvent déjà, dispersées entre un compte rendu de rendez-vous, un avis d'imposition et un fil d'e-mails. L'IA les extrait et les range dans le dossier. Le conseiller vérifie.
Les manques apparaissent alors avant la recommandation, et non pendant un contrôle.
Davantage de scénarios comparés
Prenons un cas type : un client de 58 ans qui prépare sa retraite et veut transmettre à ses enfants. Assurance-vie, PER, immobilier, donation, démembrement… Chaque piste appelle ses propres calculs.
Avec des moteurs de calcul pilotés en langage naturel, le conseiller en compare davantage et justifie par écrit le scénario retenu. C'est précisément la traçabilité qui manquait dans les dossiers contrôlés.
Chaque chiffre doit rester vérifiable. Un moteur déterministe se contrôle, un modèle de langage qui calcule de mémoire non, comme nous l'expliquions à propos de l'usage de ChatGPT pour préparer un conseil.
Plus de temps pour l'humain
Comptes rendus, saisie, préparation des documents : ces tâches s'automatisent. Le temps gagné revient à l'écoute, à l'analyse et à la pédagogie, là où se joue la personnalisation.
L'IA peut-elle industrialiser les mauvaises pratiques ?
Oui. Nourrie d'un dossier incomplet, elle produit plus vite une recommandation inadaptée, et mieux présentée.
Le régulateur le rappelle sur un point voisin : passer par un agrégateur de données ne dispense pas de vérifier qu'elles sont exactes. La même logique vaut pour l'IA.
Trois opérations ne se valent pas. Un modèle de langage génère du texte avec aisance, sans garantie d'exactitude. Un calcul exige un moteur déterministe et des règles identifiées. La recommandation, elle, engage la responsabilité du conseiller, et de lui seul.
Notre article sur l'entraînement, le fine-tuning et le RAG détaille ce qui sépare une réponse générée d'une réponse sourcée.
Quelle infrastructure pour un conseil assisté par l'IA ?
Une IA branchée sur des outils métier, et un conseiller qui valide chaque étape.
Chez Apana, quatre applications suivent cette logique :
Copilot capture et structure les échanges (rendez-vous, documents, e-mails) en données patrimoniales ;
Advisor apporte des moteurs de calcul déterministes, des simulateurs et des scénarios sourcés ;
Officer réunit le CRM, la conformité, l'agrégation, la GED et la signature électronique ;
Finance couvre le PMS, les modèles d'allocation et le suivi de performance.
Plusieurs de ces briques sont accessibles aux assistants IA via le Model Context Protocol (MCP), un standard ouvert publié par Anthropic fin 2024.
Le conseiller pose sa question en langage courant. L'assistant interroge le dossier, lance le calcul dans le bon moteur et renvoie un résultat sourcé, que le conseiller valide.
Comment mesurer la maturité de l'IA dans un cabinet ?
Par ce qu'elle apporte au conseil, plus que par son taux d'adoption.
Les trois publications ne se comparent pas chiffre à chiffre, car leurs populations, pays et méthodes diffèrent. Lues ensemble, elles dessinent pourtant un décalage : l'adoption grimpe, les usages restent administratifs, et le régulateur attend de la personnalisation.
Compter les utilisateurs d'IA dit peu de choses de ce qu'elle apporte au client. D'autres indicateurs parlent davantage.
La complétude des dossiers, d'abord. Puis le nombre de scénarios étudiés avant chaque recommandation, la qualité de la justification écrite et, tout au bout, le délai de mise à jour d'un profil.
Et si le vrai indicateur de maturité de l'IA en cabinet devenait sa contribution mesurable à la qualité du conseil ?
FAQ
Combien de CGP utilisent l'IA en 2026 ?
72 %, selon le baromètre BNP Paribas Cardif réalisé avec Kantar et publié le 22 septembre 2026. Ils étaient 56 % en 2025 et 23 % en 2024. Le communiqué 2026 ne précise ni la part d'usage régulier, ni les tâches concernées par cet usage.
Que reprochent l'AMF et l'ACPR en matière de personnalisation du conseil ?
Leur synthèse du 12 octobre 2026, fondée sur une soixantaine de contrôles menés de 2020 à 2024, relève chez certains acteurs des recommandations standardisées, un recueil incomplet des informations clients et des justifications de conseil insuffisantes. Ces contrôles ciblés ne décrivent pas l'ensemble du marché.
L'IA peut-elle formuler une recommandation patrimoniale à la place du conseiller ?
Non. L'IA aide à collecter les informations, à lancer des calculs et à rédiger des documents. La recommandation engage la responsabilité du conseiller : c'est lui qui vérifie les données, contrôle les calculs et valide le conseil final, conformément à son devoir de conseil.
Sources
BNP Paribas Cardif, « Baromètre du marché des CGP 2026 de BNP Paribas Cardif », communiqué de presse, 22 septembre 2026.
BNP Paribas Cardif, « Baromètre 2025 du marché des conseillers en gestion de patrimoine (CGP) », communiqué de presse, 15 septembre 2025.
ISS Market Intelligence, « Nearly 9 in 10 Advisors Plan to Use A.I. Within a Year », communiqué de presse, 22 juillet 2025, et PLANADVISER, « Advisers Using AI, by the Numbers », 2 février 2026.
Pôle commun AMF-ACPR, « Commercialisation d'instruments financiers et de contrats d'assurance-vie : points d'attention et rappel des autorités », 12 octobre 2026.
Pour aller plus loin. Pourquoi un modèle de langage peut-il se tromper avec aplomb ? Notre article sur le fonctionnement d'un LLM l'explique en quelques minutes.
Un de vos dossiers, structuré par l'IA et vérifié par vous. En rendez-vous, nous comparons plusieurs scénarios sur un cas réel, chaque calcul sourcé.
