Le risque est une décision produit : Peter Lu explique comment Monzo Bank aborde produit et risque comme un tout
Point de vue07 mai 2026
Peter Lu a passé sa carrière à faire grandir des produits fintech grand public au Canada, puis aux États-Unis. En tant que Head of Product de Monzo Bank aux États-Unis, il pilote la stratégie produit de la prochaine phase de croissance de Monzo, après la levée de 610 M$ de la banque pour financer son expansion américaine.
Dans un échange avec Maximilian Eber, cofondateur et CPTO de Taktile, Peter explique comment Monzo Bank aborde le risque et le produit comme une seule et même discipline. Il détaille pourquoi il attend de ses product managers qu’ils suivent des indicateurs de risque au même titre que le NPS, et comment le risque lui-même peut devenir un avantage concurrentiel dans les services financiers.
Comment Monzo Bank conçoit le produit et le risque comme une stratégie unique
Peter insiste sur le fait que le risque, le produit et les autres équipes transverses partagent une responsabilité collective. Comme il le dit : « Les product managers doivent comprendre comment les décisions sont prises, et [...] l’équipe risque doit comprendre la conception du produit et l’intention de la stratégie produit. »
Il l’illustre par un exemple précis : Monzo cible les expatriés aux États-Unis.
Le profil du client expatrié façonne tout le reste, explique Peter. Les nouveaux arrivants n’ont pas forcément de score de crédit américain ni d’empreinte numérique, et les sources de données disponibles pour les évaluer peuvent être très différentes de celles dont on dispose pour des consommateurs américains établis.
Ces nuances influencent toute la stratégie de souscription, des partenaires de données choisis par l’équipe aux parcours produit que voient les utilisateurs à l’inscription.
D’après l’expérience de Peter, le produit et le risque doivent travailler ensemble dès le premier jour ; sinon, on peut se retrouver avec un produit formidable, mais inadapté à son ICP idéal.
« [Les décisions] doivent être cohérentes », poursuit-il, « et elles doivent venir d’en haut, autour de ce qu’est le profil de client idéal et de…la façon dont nous cherchons à conquérir ce marché. »
Pourquoi les product managers ont intérêt à suivre des indicateurs de risque comme les taux de défaut et le NPS
Selon Peter, cette collaboration devient la plus concrète dans les indicateurs dont chaque équipe doit être responsable.
Les product managers se concentrent généralement sur des indicateurs d’entrée comme les scores NPS, les utilisateurs actifs et les taux de conversion, qui reflètent l’expérience des clients avec le produit. Les équipes risque suivent souvent un autre ensemble : taux d’approbation, taux de défaut et taux de chargeback, qui indiquent l’exposition de l’entreprise aux pertes. Pour Peter, cloisonner ces tableaux de bord peut laisser les deux équipes travailler avec des informations incomplètes.
Pour les fintechs en particulier, Peter croit aux organisations produit légères, mais habilitées à exécuter. « Pour que [les product managers] aient un fort effet de levier dans la prise de décision, ils doivent comprendre toutes les composantes du compte de résultat », explique-t-il.
Autrement dit, le périmètre de responsabilité du produit s’élargit. Les PM doivent de plus en plus surveiller des indicateurs de risque comme les taux de défaut et d’approbation. Et à mesure que l’IA prend en charge une part croissante du travail de décision, la frontière entre « KPI produit » et « KPI risque » s’estompe.
Comment l’équipe de Peter a utilisé une astuce d’UX pour gérer le risque sur un nouveau marché
Peter donne une illustration marquante de la synergie entre risque et produit, tirée de sa propre carrière : le moment où son équipe s’est lancée dans le premier véritable produit de constitution de crédit au Canada.
Aux États-Unis, les fintechs peuvent proposer des produits de constitution de crédit entièrement garantis, où le prêteur ne prend pratiquement aucun risque. Au Canada, en revanche, les bureaux de crédit n’acceptent pas toujours que les produits entièrement garantis comptent pour la constitution de crédit. Pour faire réellement évoluer le score de crédit d’une personne, l’équipe de Peter devait accorder de vraies lignes non garanties, assez importantes pour compter, à des utilisateurs dont les profils de crédit allaient du subprime à la reconstruction de crédit.
L’équipe de Peter a fait un pari peu conventionnel. En présentant le produit comme un outil de constitution de crédit plutôt que comme une carte de crédit, elle a aligné la conception sur ce que les utilisateurs voulaient vraiment : un outil pour se bâtir un crédit, pas une ligne de crédit à dépenser. Dans ce cadre, les utilisateurs avaient moins de raisons d’utiliser la ligne de crédit, ce qui maintenait l’utilisation, et donc le risque, à un niveau bas.
« Le risque que nous avons pris était un risque d’UX », explique Peter. Son équipe a accordé environ 250 $ de crédit par utilisateur sans appliquer les contrôles de souscription habituels, en pariant que la conception du produit, plutôt que des filtres de risque, dissuaderait la plupart des utilisateurs d’utiliser réellement ce crédit.
Résultat : des taux de défaut inférieurs à 5 % et un produit à marge positive, qui a réellement servi des utilisateurs en reconstruction de crédit.
Ce que Peter surveille ensuite : comment l’IA va redéfinir la conception des produits grand public dans la fintech
Peter réfléchit en profondeur à ce que l’IA signifie pour la fintech, et deux axes de sa réflexion ressortent avec conviction.
D’abord, les facteurs de forme qui sous-tendent la conception des produits grand public sont en train de changer.
« Les facteurs de forme grand public changent probablement […] tous les 10 à 15 ans », observe Peter, en citant le passage du desktop au mobile, puis aux interfaces conversationnelles comme ChatGPT.
Ce changement pose une question existentielle aux fournisseurs d’infrastructure et de données de la fintech : comment éviter la désintermédiation, c’est-à-dire d’être écartés de la chaîne de valeur, lorsque des agents d’IA s’interposent entre eux et le client final ?
L’enseignement pratique de Peter : parier d’abord sur le facteur de forme, et le bon produit suivra.« La forme des produits d’IA dépend du facteur de forme du consommateur », dit Peter. « Si vous faites […] le bon pari sur le facteur de forme, vous ferez probablement le bon pari sur le type de produit que vous construisez. »
