AI Showreel l'analyse niveau grand cabinet, pour tout le monde
← La base
Preuve B Vivant confirmé

bunq

assistant financier genAI (recherche + support)

IndustrieBanque, assurance & fintechLevierRétentionFamilleConversationImplémentationHybrideÉtapepost-achat
Pattern prouvé dans 10 industries encore vierge en Retail & e-commerce, CPG & D2C, Tech & SaaS +3 Voir la carte du pattern
environ 97%
Activite de support prise en charge par Finn
"97% of all user support activity" S2

Finn, l'assistant GenAI de la banque neerlandaise bunq lance en decembre 2023, gere environ 97% de l'activite de support avec 90% de satisfaction et un temps de reponse de 47 secondes, sur une base de plus de 20 millions d'utilisateurs europeens fin 2025.

L'essentiel

  • Assistant financier GenAI Finn qui remplace la recherche de l'app et absorbe le support.
  • LLM tiers relie aux transactions via une couche RAG maison, dans l'app bunq.
  • Environ 97% du support gere, 90% de satisfaction, reponse en 47 secondes.
  • Preuve B, statut vivant confirme.

Objectif

Remplacer la fonction de recherche de l'app par un assistant conversationnel qui repond directement sur les finances, le budget et les transactions, et absorber le support pour tenir le service d'une base europeenne en forte croissance sans grossir les equipes.

Le déploiement

bunq a lance Finn en decembre 2023 en se presentant comme la premiere banque d'Europe a assistant GenAI. Finn remplace la fonction de recherche de l'app : l'utilisateur pose ses questions en langage naturel sur ses finances, son budget, ses transactions et ses depenses. La banque a ensuite rendu Finn pleinement conversationnel (memoire des echanges precedents, questions enchainees). Selon bunq, Finn resout seul jusqu'a 40% des demandes et en assiste 35% de plus ; a l'occasion de son premier anniversaire, la banque a annonce que Finn gere environ 97% de l'activite de support avec 90% de satisfaction et un temps de reponse de 47 secondes. bunq comptait 11 millions d'utilisateurs dans l'UE au lancement, plus de 20 millions fin 2025.

Résultats Preuve B

environ 97%
Activite de support prise en charge par Finn
"97% of all user support activity" S2
90%
Satisfaction utilisateur
"90% user satisfaction rating" S2
47 secondes
Temps de reponse
"47 seconds" S2
40% resolues seul
Demandes resolues seul, 35% de plus assistees
"independently resolves up to 40% of user inquiries" S3

Chiffres publies par bunq dans ses communiques officiels (T1) et repris par la presse fintech (T3/T4), concordants. Metriques operationnelles fournies par la marque, non auditees en resultats financiers, donc B.

Comment ça fonctionne

Approche-type inférée

Le détail interne n'est pas public. Voici une approche éprouvée qui mène au même résultat - à adapter à votre stack.

escalade Utilisateur dans l'appbunq Finn (LLM + RAG) Transactions et donneesde compte Support humain

La stack en détail

  • llm LLM tiers (fournisseur non nomme) bunq ne communique pas publiquement le fournisseur ni la version du modele derriere Finn ; la fiche reste au niveau documente : un LLM generatif tiers.
  • outil Plateforme GenAI maison bunq (RAG) Pipelines internes qui relient le LLM aux transactions et donnees de compte du client, avec memoire des echanges precedents.
  • plateforme App bunq Canal unique de Finn, qui remplace la fonction de recherche in-app et absorbe le support.

Comment ça tourne, concrètement

Pour les équipes ops
CadenceTemps reel dans l'app, sur chaque question et chaque demande de support
Opéré parEquipe produit et data de bunq, sur une couche GenAI maison (RAG sur les pipelines de donnees bunq)
  1. 1
    Question dans l'app client

    L'utilisateur pose sa question en langage naturel a la place d'une recherche (budget, transaction, depense, support).

  2. 2
    Reponse contextualisee IA

    Finn combine le LLM et les donnees de compte du client (RAG) pour repondre precisement, en gardant le fil des echanges precedents.

  3. 3
    Escalade support IA / support

    Les demandes que Finn ne resout pas sont assistees ou transmises a un humain.

  4. 4
    Suivi equipe data

    L'equipe suit taux de resolution, satisfaction et temps de reponse pour ajuster le perimetre de Finn.

Le signal qui pilote

La part de demandes resolues sans humain et la satisfaction. Comme Finn s'appuie sur les donnees de transaction du client via RAG, la qualite des reponses depend directement de la fraicheur et de la structuration de ces donnees.

Comment vos clients perçoivent ce type d'usage

Études sourcées

Les consommateurs n'acceptent pas les chatbots par defaut : 64% prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (Gartner, 2024) et pres d'un utilisateur sur cinq du service client par IA n'en retire aucun benefice (Qualtrics, 2025). L'acceptation se construit sur trois conditions mesurees par Salesforce : savoir qu'on parle a une IA, pouvoir escalader vers un humain, comprendre la logique de l'agent.

64%
Consommateurs qui prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (2024)
53%
Consommateurs qui envisageraient de passer a un concurrent s'ils apprenaient que l'entreprise prevoit d'utiliser l'IA pour le service client (2024)
pres de 75%
Consommateurs qui veulent savoir s'ils communiquent avec un agent IA (2024)

Conditions d'acceptation

  • Etre informe qu'on parle a une IA et non a un humain (pres de 75% le demandent, Salesforce 2024)
  • Un chemin d'escalade clair vers un agent humain (45% plus enclins a utiliser l'agent IA, Salesforce 2024)
  • Une logique de l'agent clairement expliquee (44% plus enclins, Salesforce 2024)

Lignes rouges

  • Rendre l'humain injoignable : c'est la premiere inquietude des consommateurs sur l'IA dans le service client (Gartner 2024) et 50% craignent que l'IA les coupe du contact humain (Qualtrics 2025)
  • Remplacer le service client par l'IA sans alternative : 53% envisageraient de partir chez un concurrent (Gartner 2024)

Sources : Salesforce 2024 · Gartner 2024 · Qualtrics 2025

Voir l'acceptation complète : par pays, par usage, par génération

Comment répliquer

Inférence - non sourcé

Prérequis data

  • Donnees de transaction et de compte structurees et fraiches
  • Base de connaissance support
  • Historique de conversations pour affiner

Prérequis orga

  • Couche RAG maison ou outillee reliant LLM et donnees client
  • Regle d'escalade vers le support
  • Transparence IA assumee cote produit

Stack possible

  • LLM generatif (tiers ou ouvert)
  • Pipeline RAG sur les donnees bancaires
  • Integration a l'app mobile
Équipe pour opérer2-3 devs / ML engineers + 1 PM + le support client pour definir les regles d'escalade.

Le plan, étape par étape

  1. Étape 1
    Cadrer un jeu de questions frequentes (solde, budget, transactions) et les regles d'acces aux donnees : lecture seule, confidentialite, transparence IA.Livrable : Perimetre fonctionnel et cadre conformite valides.
  2. Étape 2
    Construire la couche RAG entre le LLM et les donnees de compte structurees, et la tester sur le jeu de questions en environnement de test.Livrable : Assistant repondant correctement au jeu de questions cadre.
  3. Étape 3
    Remplacer la recherche de l'app par l'assistant pour un segment beta, avec la nature IA affichee au client.Livrable : Beta en production avec suivi de la satisfaction.
  4. Étape 4
    Ouvrir le support de premier niveau avec une regle d'escalade claire vers un humain.Livrable : Assistant traitant les demandes support simples, escalade operante.
  5. Étape 5
    Mesurer taux de resolution sans humain, satisfaction et temps de reponse, puis elargir le perimetre couvert.Livrable : Tableau de bord de resolution et roadmap d'extension.

Première étape : Remplacer la recherche de l'app par un assistant branche en RAG sur les transactions du client, sur un jeu de questions cadre, avant d'ouvrir le support.

Sources

  1. S1 bunq becomes the first AI-powered bank in Europe as it unveils its own GenAI platform Primaire press.bunq.com · 2023-12-19 · consulté le 2026-07-11 archive à générer
  2. S2 bunq launches smarter, more powerful upgrade to GenAI financial assistant Primaire press.bunq.com · 2025-12-16 · consulté le 2026-07-11 archive à générer
  3. S3 bunq's GenAI assistant Finn is now fully conversational Secondaire fintech.global · 2024-05-14 · consulté le 2026-07-11 archive à générer