OCR bancaire ou Open Banking : faut-il vraiment choisir pour analyser les relevés bancaires ?
L’analyse des relevés bancaires a longtemps reposé sur un processus assez simple : récupérer les documents transmis par le client, les lire, identifier les opérations importantes et intégrer les informations utiles au dossier.
La digitalisation a profondément fait évoluer cette logique. Deux modes de collecte coexistent aujourd’hui : l’exploitation automatisée des relevés bancaires grâce à l’OCR (reconnaissance optique de caractères) et la récupération directe des données de comptes via l’Open Banking.
Ces deux approches sont parfois présentées comme concurrentes. En pratique, elles répondent à des situations différentes et se croisent plus souvent qu’on ne le pense au sein d’un même portefeuille de dossiers.
Pour un établissement de crédit ou un courtier, la question n’est pas de choisir entre OCR et Open Banking, mais de savoir comment exploiter les deux sources avec le même niveau d’analyse, de contrôle et de traçabilité.
Deux moyens différents d’accéder à la même matière première
L’OCR et l’Open Banking interviennent d’abord au moment de la collecte de la donnée bancaire.
Avec l’OCR bancaire, le point de départ reste le relevé transmis sous forme de document, généralement en PDF. La technologie reconnaît les informations contenues dans le document et les transforme en données structurées pouvant ensuite être analysées automatiquement.
L’Open Banking suit une logique différente. Avec l’accord du client et dans le cadre réglementaire applicable aux services d’information sur les comptes, les données sont récupérées directement depuis les comptes bancaires concernés.
Dans un cas, il faut donc transformer un document en données. Dans l’autre, les données sont récupérées directement depuis une source bancaire connectée.
Cette différence technique est importante, mais elle ne change pas la finalité : disposer d’informations suffisamment fiables et structurées pour comprendre la situation financière du client et alimenter la décision de crédit.
OCR bancaire et Open Banking : tableau comparatif
| Critère | OCR bancaire | Open Banking (agrégation de comptes) |
|---|---|---|
| Point d’entrée | Relevé PDF transmis ou déjà présent dans le SI | Connexion API aux comptes du client |
| Action du client | Dépose ses relevés | Authentification bancaire et consentement explicite |
| Cadre réglementaire | RGPD, règles internes de conservation documentaire | DSP2, prestataire agréé/enregistré, consentement du client et authentification forte selon le cadre applicable |
| Profondeur d’historique | Celle des relevés fournis | Variable selon l’établissement et l’API |
| Dépendance externe | Aucune : le document suffit | Disponibilité et qualité de l’API de chaque banque |
| Cas d’usage typique | Dossier reçu par mail, courtage, reprise de dossier existant, compte non couvert par l’agrégation | Parcours 100 % digital, souscription en ligne, instruction en temps réel |
| Limite principale | Qualité variable des documents (scans, photos, formats bancaires hétérogènes) | Abandon possible en cours de connexion, couverture inégale selon les établissements |
L’Open Banking : un parcours plus direct
Pour les parcours entièrement digitalisés, l’Open Banking présente un avantage évident : il limite la collecte manuelle de documents. Le client autorise l’accès aux informations de ses comptes et les transactions sont récupérées sans qu’il ait à déposer plusieurs relevés.
Pour les équipes chargées de l’analyse, cela permet de réduire :
- Les opérations de saisie
- Les manipulations de documents
- Certains contrôles liés à la lecture du relevé
- Les risques d’erreur associés à la ressaisie
L’adoption progresse nettement. D’après un rapport de l’ACPR publié en 2025, environ 4,2 millions de Français avaient déjà autorisé au moins une application tierce à accéder à leurs données bancaires. Et près de 40 % des acteurs du classement FinTech 100 2025 intègrent aujourd’hui l’Open Banking dans leurs services.
La France bénéficie par ailleurs d’un atout structurel : l’API STET, standard commun développé par les grands groupes bancaires français, là où plusieurs marchés européens restent confrontés à la fragmentation des interfaces.
Le mouvement va s’amplifier. Le cadre européen continue d’évoluer avec le projet FiDA, qui vise à élargir le partage de données financières au-delà des comptes de paiement.
Mais un parcours Open Banking ne signifie pas pour autant que toute la problématique d’analyse bancaire est résolue.
Récupérer les transactions constitue seulement la première étape. Il faut ensuite les catégoriser, identifier les revenus et les charges, détecter les récurrences, repérer les anomalies et transformer l’ensemble en indicateurs réellement utilisables dans une politique de risque.
Accéder à la donnée bancaire et savoir l’interpréter sont deux sujets différents.
L’OCR reste utile dès que le document reste une pièce obligatoire dans le parcours
Tous les dossiers ne commencent pas par une connexion bancaire.
Des relevés PDF peuvent toujours être transmis directement par le client ou être déjà présents dans les systèmes de l’établissement. Dans ce cas, demander systématiquement une nouvelle connexion pour récupérer une information déjà disponible ajoute une étape inutile au parcours.
Deux réalités de terrain expliquent la persistance du document.
Le taux de complétion des parcours de connexion
Même chez les agrégateurs les plus performants, le widget de connexion affiche un taux de complétion annoncé jusqu’à 80 %. Autrement dit, une part non négligeable des parcours n’aboutit pas et l’établissement doit malgré tout pouvoir instruire le dossier.
La qualité inégale des interfaces bancaires
Dans son évaluation de la DSP2, la Commission européenne a souligné que les prestataires tiers restent dépendants d’API dont la performance varie fortement d’un établissement à l’autre.
L’OCR permet alors de conserver le document comme point d’entrée tout en supprimant l’essentiel du travail manuel associé à son exploitation.
Là encore, la reconnaissance des caractères n’est qu’une première étape. Un outil réellement destiné à l’analyse bancaire doit aller plus loin que l’extraction du texte : reconnaître la structure du relevé, identifier les opérations, contrôler la cohérence des informations puis restituer une donnée utilisable par les systèmes métier.
La fiabilité ne repose donc pas uniquement sur la reconnaissance des caractères. Elle dépend aussi de la capacité de l’outil à comprendre la structure du relevé, à identifier correctement les colonnes, les dates, les libellés et les montants, puis à contrôler la cohérence des opérations extraites. Un OCR généraliste permet de récupérer du texte, une solution d’analyse bancaire doit transformer ce texte en données réellement exploitables dans l’instruction d’un dossier.
C’est la difficulté principale du sujet : il n’existe pas un format de relevé bancaire, mais autant de mises en page que d’établissements et de gammes de comptes.
D’après les mesures internes réalisées sur les relevés actuellement pris en charge par BSA, la solution permet d’analyser plus de 99 % des relevés, avec un taux de reconnaissance de 98,6 % des opérations extraites.
L’enjeu n’est pas simplement de lire automatiquement un PDF, mais d’obtenir à partir de celui-ci une donnée suffisamment structurée pour être analysée avec les mêmes règles que les autres dossiers.
OCR ou Open Banking : le choix dépend surtout du parcours
Il n’existe pas de technologie systématiquement supérieure à l’autre.
L’Open Banking est particulièrement adapté lorsqu’un établissement souhaite construire un parcours numérique fluide dans lequel le client connecte directement ses comptes.
L’OCR reste pertinent lorsque les relevés sont déjà disponibles, lorsque le parcours prévoit leur transmission ou lorsque certaines données ne sont pas récupérées par connexion bancaire.
La difficulté commence quand l’établissement gère les deux situations en parallèle.
Un client peut disposer de plusieurs comptes, utiliser une connexion pour certains et transmettre un relevé pour d’autres. Deux dossiers similaires peuvent également arriver par des canaux complètement différents.
Si chaque source possède ensuite sa propre logique de traitement, l’établissement recrée de la complexité en aval : deux référentiels de catégorisation, deux jeux de règles, deux niveaux de contrôle, et des décisions difficiles à comparer entre elles.
Normaliser les données bancaires avant l’analyse de risque
C’est le point le plus important.
Pour l’analyste crédit, la provenance technique de la transaction ne devrait pas déterminer la manière dont le risque est évalué.
Qu’une opération provienne d’un relevé PDF ou d’une connexion Open Banking, il faut pouvoir retrouver une lecture commune :
- Revenus et régularité des revenus
- Charges récurrentes
- Crédits et remboursements
- Incidents
- Niveau et évolution des soldes
- Capacité d’épargne
- Mouvements entre comptes
- Comportements atypiques
- Indicateurs définis par la politique de crédit de l’établissement
La valeur se déplace donc progressivement de l’acquisition de la donnée vers sa normalisation et son interprétation métier.
C’est également ce qui permet d’éviter de créer deux processus de décision parallèles selon la manière dont les données ont été collectées. Un point d’autant plus sensible que les autorités européennes insistent sur l’explicabilité des décisions de crédit fondées sur les données bancaires : un critère de risque doit pouvoir être justifié de la même façon, quel que soit le canal de collecte.
BSA : analyser relevés PDF et données Open Banking dans un cadre unique
C’est dans cette logique que s’inscrit BSA, la solution d’analyse des relevés bancaires de Prologia.
BSA exploite deux types d’entrée : les informations issues de l’Open Banking et les relevés PDF traités automatiquement grâce aux technologies d’OCR et de lecture documentaire.
Une fois les données récupérées, l’objectif est de les ramener dans un cadre d’analyse commun afin d’identifier les flux, les récurrences, les anomalies, les comportements à risque et les indicateurs définis selon la politique d’octroi de l’établissement. Les 3 relevés mensuels sont restitués sous forme d’analyse exploitable
D’après les mesures internes réalisées avec BSA, trois relevés mensuels peuvent être restitués sous forme d’analyse exploitable en moins de 45 secondes.
Les retours observés sur les déploiements réalisés font également apparaître une réduction pouvant atteindre 60 % du temps consacré à l’analyse bancaire d’un dossier.
Cette approche permet de dissocier deux décisions souvent confondues :
- Comment le client transmet-il ses informations bancaires ?
- Comment l’établissement analyse-t-il ces informations pour prendre sa décision ?
Le premier choix peut varier selon le parcours, le client ou le dossier. Le second doit rester aussi homogène que possible.
Faut-il donc choisir entre OCR et Open Banking ?
Non.
Pour un établissement qui traite des dossiers de crédit provenant de plusieurs canaux, imposer une seule méthode de collecte devient une contrainte supplémentaire plutôt qu’une simplification.
L’approche la plus souple consiste à accepter plusieurs modes d’entrée tout en construisant une seule logique d’analyse en sortie.
L’Open Banking apporte la fluidité d’un accès direct à la donnée. L’OCR permet de continuer à exploiter automatiquement les relevés lorsqu’ils restent présents dans le parcours.
Le sujet stratégique n’est plus de savoir lequel remplacera l’autre. Il est de réussir à faire disparaître cette différence au moment où commence réellement l’analyse du risque.