Les processus de modélisation des systèmes de décision à l’octroi ne sont pas parvenus à rompre avec les contraintes de gouvernance qui se répercutent inexorablement sur la qualité des modèles.

L’octroi de crédit en France en 2017 s’est établi à des taux de croissance inégalés depuis Septembre 2006 (+6.1% de l’encours des crédits à la consommation des ménages). Ce phénomène se confirme sur 2018, soutenu par des taux d’intérêt réels particulièrement bas et ce, malgré le maintien à un niveau élevé du volume de défaillance des entreprises.

Dans ce contexte, la maitrise du processus d’octroi de crédit, et en particulier des modèles de notation et des systèmes experts au cœur des processus d’octroi, apparaît d’autant plus déterminante qu’elle conditionne la maitrise de la charge de risque à terme, qu’ils permettent le pilotage du risque de crédit à l’origine de la relation et qu’ils constituent un vecteur d’amélioration de l’avantage concurrentiel des banques.

Des limites inhérentes à la modélisation des systèmes de décision

Une demande de financement auprès d’enseignes de la distribution telles que Ikea, Conforama, But (Cetelem – Bnp Paribas Personal Finance), Darty (Sofinco – Crédit Agricole Consumer Finance), GiFi (Cofidis – Crédit Mutuel) ou encore Boulanger (Oney Bank) active un ensemble de modèles de notation dont le but est d’évaluer la qualité de crédit et la probabilité de défaillance des demandeurs, puis un ensemble de systèmes experts chargés de reproduire le raisonnement d’un analyste crédit par la modélisation de son analyse de la demande de crédit.

Cette ingénierie décisionnelle s’est progressivement imposée tant l’importance du pilotage des risques à l’octroi n’a cessé de se renforcer notamment en raison de la diversification des produits bancaires, des canaux de distribution, des typologies marchés, de la mise en conformité à la norme comptable IFRS9 et de la concurrence qui s’exerce sur les activités de banque traditionnelles, comme récemment avec la nouvelle atteinte portée au monopole bancaire suite à l’application du décret du 26 novembre 2016, fixant les conditions dans lesquelles certains Fonds d’Investissement Alternatif (FIA) peuvent désormais octroyer des prêts aux entreprises.

D’ailleurs les problématiques auxquelles sont confrontés les modèles de décisions ne sont pas récentes : les conséquences qu’impliquent les contraintes relatives aux systèmes d’information et à la qualité des données ne sont pas anecdotiques.

Le cloisonnement organisationnel des activités d’une banque, entre le réseau d’agence, les équipes marketing de connaissance client ou les fonctions d’analyse quantitative des risques introduit une asymétrie d’information, voire une incertitude, autour des caractéristiques des transactions et plus globalement des portefeuilles d’actifs (crédits immobiliers, etc.).

La multiplicité et le caractère parfois archaïque des systèmes d’information entrainent le plus souvent une augmentation des délais d’insertion ou de revue des systèmes de décision ce qui contraint l’adaptation des modèles aux phénomènes conjoncturelles. Dans les faits, 6 à 9 mois peuvent être nécessaires entre la conception et le déploiement d’un modèle de notation.

Enfin, la recherche de la qualité des données prend une place prépondérante en modélisation. La fiabilité des données signalétiques, souvent d’origine déclaratives, est une source majeure d’incertitude et la cause principale de l’instabilité des modèles de décision.

Combinée à la complexité intrinsèque d’une approche mathématique, ces problématiques encouragent la défiance à l’égard des systèmes de décision avec pour corollaire l’émergence d’un risque de sélection adverse : d’un côté les experts métiers sont incités à motiver leur décision d’octroi en se basant sur leur propre opinion et à l’encontre de la décision système et de l’autre les analystes statisticiens sont contraints de construire des modèles sur la bases d’hypothèses restrictives (qualité insuffisante des données, non-respect des hypothèses statistiques élémentaires…).

Renforcer la gouvernance pour rationaliser le processus de modélisation des systèmes de décision à l’octroi.

Si les tentatives de résolution se soldent souvent par davantage de complexité et de spécificité des modèles de décision, leur gouvernance a plus rarement fait l’objet de polémiques. A tort ?

Au-delà des limites inhérentes relatives à la qualité des données et à l’architecture des systèmes d’informations, que la circulaire BCBS239 devait a priori dépasser, le mode de gouvernance actuel peine à considérer le caractère multidimensionnel du processus d’octroi, c’est-à-dire l’ensemble métiers et pôles d’expertises impliqués dans le processus.

Par ailleurs, si l’utilisation des modèles statistiques dans le cadre de l’analyse financière a souvent été décriée, la plupart pour ne pas dire tous les acteurs du marché du crédit y ont massivement recours. Et si les techniques de modélisation et de gestion du risque à l’octroi sont globalement homogènes, ceux-ci restent à la discrétion des établissements de crédit et échappe au giron de la règlementation. A l’exception notable de la General Data Protection Regulation (GDPR) applicable dès le 25 mai 2018, qui devrait fixer les conditions d’exploitation des données à caractère personnelle, notamment dans le cadre des modèles internes.
De plus, l’industrialisation du processus de modélisation à l’octroi s’est faite parfois au détriment voire au mépris des règles métiers ou même des fondamentaux tels que le parcours client, la chaine de transformation, le cycle de vie du produit ou encore le processus de recouvrement des créances.

Les arguments qui prêchent en faveur d’une rationalisation accrue des processus d’octroi de crédit, négligent souvent le fait que le jugement expert reste une composante essentielle de l’activité bancaire. Dans sa consultation de Novembre 2016 sur les méthodes d’estimation, l’EBA a d’ailleurs appuyé cet argument en considérant que le développement d’un modèle de notation robuste ne peut se réduire à un processus purement statistique, l’avis expert étant une constante indissociable du modèle, tant lors de sa construction que lors de son contrôle, afin de s’assurer que les modèles s’adaptent aux caractéristiques des portefeuilles actuels et futurs d’une part et qu’ils soient acceptés par les métiers d’autre part.

Ainsi, il advient que le manque de formalisme voire l’absence de normes et de procédures censées faciliter la coordination et le partage des connaissances autour des processus d’octroi et des systèmes de décision pénalisent la gestion des risques dès l’entrée en relation d’un nouveau client. Un enjeu fondamental de gouvernance, que la BCE n’a pourtant pas jugé suffisamment majeur dans le cadre de l’audit des modèles internes d’évaluation des risques (TRIM)…

Par Alexandre Zavagno Project Manager du cabinet VERTUO Conseil

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion /  Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.