Cas client

CGP : bilan patrimonial automatisé par IA, +210% de capacité de RDV

Cabinet CGP : IA pré-instruit le bilan patrimonial avant RDV. Conseiller multiplie par 3,1 ses RDV, +47% de souscriptions. Cas client détaillé.

Maxime Santilli
Maxime Santilli· Cofondateur, CEO
21 mai 2026 · 6 min de lecture
presentation dans une salle de reunion executive
Sommaire · 5 sections
  1. 1.Quel était le bottleneck du cabinet CGP ?
  2. 2.Comment fonctionne l'architecture 4-briques IA ?
  3. 3.Comment gérer la conformité AMF et le secret professionnel ?
  4. 4.Quels résultats à 8 mois ?
  5. 5.Quels apprentissages spécifiques aux CGP ?

Cas client livré au printemps 2025 pour un cabinet de Conseillers en Gestion de Patrimoine (CGP) implanté dans une métropole française, 7 conseillers dont 4 associés CIF (Conseillers en Investissements Financiers). L'enjeu : libérer les conseillers de la préparation manuelle des dossiers pour multiplier la capacité de RDV sans diluer la conformité AMF.

Quel était le bottleneck du cabinet CGP ?

3 problèmes simultanés bloquaient la croissance du cabinet :

Problème 1 — Préparation RDV chronophage

Pour chaque RDV client (premier bilan ou révision annuelle), un conseiller passait 4 à 7 heures :

  • Récupération des relevés clients (assurance-vie, comptes-titres, comptes courants, prêts)
  • Analyse de la situation patrimoniale (actifs, passifs, revenus, charges)
  • Calcul des ratios clés (taux d'effort, taux d'épargne, allocation)
  • Identification des objectifs prioritaires et des produits éligibles
  • Rédaction d'une note de synthèse pré-RDV

Sur les 4 associés à 250-280 jours travaillés/an, ça représentait environ 60-80% du temps total absorbé par la préparation.

Problème 2 — Capacité de RDV plafonnée

Conséquence directe : chaque conseiller faisait 1,8-2,4 RDV par jour en moyenne. Soit 380-520 RDV annuels par conseiller. Le cabinet refusait des clients faute de capacité, en particulier sur les nouvelles prospections issues du réseau d'Aurélia.

Problème 3 — Variabilité qualité entre conseillers

Selon le conseiller, la note de pré-RDV n'avait pas la même structure ni la même exhaustivité. Sur 2 audits internes en 2024, 6% des fiches client comportaient une erreur (donnée mal reportée, produit non éligible proposé, ratio mal calculé). Risque AMF non négligeable.

Pour comprendre comment ces gains se traduisent dans d'autres métiers réglementés, voir notre cas client cabinet d'avocats jurisprudence -68%.

Comment fonctionne l'architecture 4-briques IA ?

Brique 1 — Ingestion des documents client

Connecteur sécurisé qui ingère les documents transmis par le client en amont du RDV : relevés bancaires, contrats assurance-vie, comptes-titres, déclarations IFI, IR. OCR + extraction structurée vers une fiche client unifiée stockée dans le système.

Les documents sont chiffrés au repos, accès limité aux conseillers habilités.

Brique 2 — Agent d'analyse patrimoniale (architecture 3 sous-agents Claude)

  • Orchestrateur (Claude Haiku 4.5) : classe les informations et structure le plan de la note de synthèse
  • Analyste (Claude Sonnet 4.6) : produit l'analyse patrimoniale détaillée avec ratios, allocation actuelle, objectifs identifiés
  • Fact-checker (Claude Haiku 4.5) : vérifie chaque chiffre cité contre la donnée d'origine, alerte sur incohérences (ex : capacité d'épargne déclarée vs ratio calculé)

Pattern transférable depuis notre setter IA B2B en 3 agents.

Brique 3 — Simulation produits éligibles AMF

Agent dédié qui croise la fiche client (profil de risque, horizon, capacité financière, contraintes fiscales) avec le catalogue produits du cabinet (Assurance-vie, SCPI, PEA, PER, contrats Luxembourg). Sortie : 3-5 produits éligibles avec justification AMF de l'adéquation pour chaque.

L'agent ne décide jamais. Il suggère et justifie. Le conseiller décide.

Brique 4 — Génération note de synthèse pré-RDV

Note structurée de 4-6 pages : situation patrimoniale, ratios clés, objectifs identifiés, produits suggérés avec justification, points à creuser en RDV. Validation conseiller obligatoire (relecture + signature) avant transmission client.

Comment gérer la conformité AMF et le secret professionnel ?

Aspect critique du projet. 4 garde-fous mis en place :

Garde-fou 1 — Hébergement zone Europe

Claude utilisé via Anthropic en mode no training + déploiement zone Europe (Anthropic via AWS Bedrock Frankfurt). Aucune donnée client ne quitte la zone UE. DPA signé avec Anthropic.

Garde-fou 2 — Aucune décision automatisée

L'agent ne souscrit jamais un produit, ne signe jamais un mandat, ne propose jamais directement au client. Il prépare le terrain pour le conseiller. Toutes les décisions restent humaines, traçabilité complète.

Garde-fou 3 — Audit RGPD + AMF complet

Avant déploiement, audit conduit par un avocat spécialisé droit financier + un DPO externe : conformité MIFID II, RGPD, secret professionnel article 226-13 du Code pénal, conventions ACPR. Coût audit initial : 4 800€ HT, à refaire annuellement.

Garde-fou 4 — Journal d'audit complet

Toute interaction agent ↔ donnée client est loguée et conservée 7 ans (durée légale CGP). Consultable en cas de contrôle AMF.

Pour le cadre RGPD complet sur l'IA générative en 2026, voir notre analyse RGPD et IA générative selon la CNIL.

Cas client similaire

Vous reconnaissez votre situation ? Parlons-en.

30 min en visio, on regarde si on peut faire la même chose chez vous. Gratuit, sans engagement.

Quels résultats à 8 mois ?

Mesurés à 8 mois après mise en production (janvier 2026) :

MétriqueAvantAprèsVariation
Temps de préparation par RDV5h151h05-79%
RDV moyens / conseiller / jour2,16,5x3,1
Capacité annuelle RDV / conseiller4701 460+210%
Souscriptions produits structurés (12 mois)3856+47%
CA cabinet 12 mois2,1 M€2,9 M€+38%
Taux d'erreur fiches client6 %0,8 %-87%
Délai entre RDV et envoi compte rendu4-7 jours< 24h-85%

Investissement total : 16 500€ HT setup + 720€/mois (maintenance + APIs Claude Bedrock + audit annuel).

Payback : 4,5 mois sur l'augmentation du CA. Calcul : marge nette additionnelle ~25%, soit ~200K€/an de marge supplémentaire.

Bénéfices indirects observés :

  • Les nouveaux clients (réseau Aurélia notamment) sont onboardés en 2-3 semaines au lieu de 6-10
  • La qualité homogène des fiches client réduit le risque de contrôle AMF
  • Les conseillers passent plus de temps en face à face (la vraie valeur ajoutée) et moins en backoffice

Pour les KPIs critiques à tracker, voir notre guide KPIs automatisation à tracker vraiment.

Quels apprentissages spécifiques aux CGP ?

3 enseignements à connaître.

Apprentissage 1 — La conformité est un actif, pas une contrainte

Beaucoup de CGP voient la conformité comme un frein. Sur ce projet, la conformité AMF a structuré l'agent et l'a rendu meilleur. L'obligation de tracer chaque suggestion + justifier chaque produit a forcé une qualité de pensée que les conseillers eux-mêmes saluent.

Apprentissage 2 — Le conseil reste profondément humain

L'IA est utile sur la préparation. Elle ne remplace pas le RDV. Aucun client n'a accepté l'idée d'un "RDV avec une IA" lors des tests préliminaires. Le contact humain pour les décisions patrimoniales reste non-négociable.

Apprentissage 3 — Le secret professionnel impose des choix techniques

Le cabinet ne pouvait pas utiliser ChatGPT consumer ni Claude.ai standard à cause du secret professionnel. Architecture sur mesure obligatoire : Bedrock zone Europe + DPA renforcé + audit annuel. Le surcoût (4 800€/an d'audit) est marginal vs la valeur générée.

Pour le pattern de sécurisation complète, voir notre guide sécuriser les prompts Claude/GPT en entreprise.

Questions fréquentes

  • Cette architecture est-elle adaptée à un CGP solo ou petit cabinet (1-3 personnes) ?

    Oui, à 80% transférable mais l'économie est différente. Setup adapté : 9 500-12 500€ HT (architecture simplifiée). Run : 380-560€/mois. Payback typique : 6-9 mois sur les très petits cabinets (vs 4-5 mois pour les cabinets 5-10 conseillers). Au-dessous de 80 clients sous gestion, le ROI devient marginal.

  • Quel est le risque d'erreur AMF avec un agent IA ?

    Risque réduit, pas zéro. Sur 8 mois et 1 460 RDV préparés par agent, 2 cas remontés où le conseiller a corrigé une recommandation produit avant remise client. Aucune fiche transmise au client avec une erreur AMF. Le rôle du conseiller humain est précisément ce filtre.

  • Faut-il déclarer cet usage à l'ACPR ou à l'AMF ?

    Pas de déclaration spécifique à l'ACPR/AMF pour l'usage interne. Mention dans le plan de continuité d'activité (PCA) et dans le document d'entrée en relation client (DER). Pour l'AI Act qui entre en vigueur en août 2026, classification "limited risk" probable (assistance à la décision, pas profilage). Voir notre checklist AI Act août 2026 pour PME.

  • Combien de temps pour un projet équivalent en partant de zéro ?

    Pour un cabinet 5-15 conseillers : 9 à 13 semaines au total. Les 3 premières semaines d'audit conformité + structuration catalogue produits sont incompressibles.

  • Comment l'agent gère-t-il les clients avec patrimoine très complexe (entrepreneurs, expatriés) ?

    Pour les patrimoines > 5M€ ou les situations très complexes (entrepreneurs cédant leur société, expatriés multi-juridictions, donations importantes), l'agent prépare la base mais flag systématiquement le dossier comme "à creuser en RDV" sans pré-suggérer de produit. Le conseiller pilote intégralement la stratégie. Sur 14 dossiers très complexes traités, l'agent a fait gagner 30-50% de temps de prépa mais n'a jamais prétendu décider seul.


    Cette architecture est devenue notre pattern de référence sur les professions financières réglementées. Si vous êtes CGP, banquier privé, family officer et voulez chiffrer un projet équivalent pour votre cabinet, on peut faire un audit gratuit de 30 minutes sur votre stack et vos volumes actuels. Voir aussi notre fiche détaillée sur ce cas client pour les chiffres bruts.

Maxime Santilli

Maxime Santilli

Cofondateur, CEO

CEO de VantaCrew, co-fondateur de Sqwad (20M+ ARR, 35 000+ freelances). Spécialiste go-to-market et pricing à la valeur pour services tech.

LinkedIn

Vous aimerez aussi

Sélectionné pour vous parmi nos publications similaires.