image-ia1

Crédits : quelle place pour l’Intelligence Artificielle

Entre fantasme et réalité, l’intelligence artificielle ne laisse pas indifférent. Utilisée dans de nombreux domaines, elle fait désormais partie de notre quotidien. Les banques n’échappent pas à la règle, et utilisent aussi très largement l’intelligence artificielle. Chabots conversationnels, robots conseillers ou outil d’aide à l’octroi, l’intelligence artificielle transforme peu à peu le quotidien des banquiers.

L’IA, c’est quoi ?

S’il n’existe pas une seule définition de l’Intelligence artificielle, on peut la déterminer comme un ensemble de technologies destinées à imiter le cerveau humain. Bien des domaines sont couverts par l’IA comme la robotique, la reconnaissance de la parole, l’apprentissage, la simulation du raisonnement humain, la résolution des problèmes, les systèmes experts …

Si l’intelligence artificielle connait aujourd’hui un très large succès, c’est qu’elle a fait depuis ses balbutiements de gigantesques progrès notamment en matière de reconnaissance d’image. Accusée de détruire les emplois, elle provoque des tensions au sein des organisations. On fantasme parfois un monde du travail où les robots remplacent les humains sur fond de transhumanisme. En réalité, l’IA impacte les emplois en les transformant en de nouvelles activités et de nouvelles compétences. Elle offre des outils qualifiés qui « aident » sans révolutionner la structure des métiers.

Dans la banque, l’intelligence artificielle assiste l’être humain et permet d’améliorer l’expérience client. Que ce soit la force de vente, le back office, les fonctions supports, toutes les directions et tous les niveaux hiérarchiques sont concernés.

L’utilisation de L’IA dans l’octroi de crédit

Les banques ont d’ailleurs été des pionnières dans l’utilisation de l’intelligence artificielle avec les systèmes experts dés les années 80. C’est un des secteurs dans lequel l’intelligence artificielle est la plus utilisée. Les systèmes experts (ou outils d’aide à la décision) sont une des formes de l’intelligence artificielle les plus abouties et les plus éprouvées. 88% des banques les utilisent. Principalement utilisés dans l’octroi de crédit, ils sont capables de simuler les comportements d’un expert humain et d’analyser un risque d’octroi de crédit aux particuliers, aux professionnels ou aux entreprises.

Si les outils d’aide à la décision sont largement utilisés dans ce domaine c’est entre autres parce que les banques souhaitent une meilleure maîtrise du risque en appliquant les principes de Bâle II/III. Lorsqu’une banque octroie un crédit de mauvaise qualité, elle doit accroître le provisionnement de ses fonds propres. Ceci est coûteux, additionné aux faibles marges du secteur, la maîtrise des coûts de gestion des risques apparaît alors inéluctable. Ceci explique pour partie le recours aux systèmes experts. Ces systèmes permettent aussi d’appliquer et de faire appliquer la politique de risque de l’entreprise et d’homogénéiser les pratiques d’octroi au sein d’un même groupe bancaire.

Le principe est de réaliser une analyse du risque pour une demande de financement suivant des règles métiers qui respectent la politique de risque de l’établissement et des règles parfois plus subjectives des analystes crédits. L’outil donne une réponse instantanée, et un niveau de risque est associé à la demande de crédit (ex : La demande est favorable, défavorable, à approfondir). Ce système a pour avantage d’être rapide dans son analyse et permet aux chargés d’affaires de prendre une décision dans le respect du schéma délégataire. Il a pour avantage de conforter le gestionnaire ou le manager dans sa prise de décision ou au contraire de lui fournir des éléments permettant de défendre son dossier en cas d’avis défavorable, ou de revoir le financement (augmentation de l’apport, baisse de financement, etc…), voire le refuser.

Un outil d’aide à la décision, comment ça marche ?

Un outil d’aide à la décision est un outil qui est conçu pour simuler le raisonnement d’un expert risque. Une expertise (appelée recueil de connaissance) avec les experts du risque ou un groupe d’analystes financiers est réalisée afin de retranscrire et formaliser les règles utilisées au quotidien par les experts sur leurs analyses. Une série de critères est analysée et croisée comme par exemple la situation professionnelle de l’emprunteur, son type de contrat de travail, l’ancienneté professionnelle, ses revenus, l’objectif étant de valider la pérennité des revenus.

L’OAD donne un niveau de risque pour chaque situation en suivant le raisonnement de l’expert. Le but est de donner un niveau de risque identique à celui qu’aurait donné l’analyste. Les connaissances et l’expérience de l’expert sont primordiales. Il retranscrira non seulement la politique de risque mais aussi les jugements basés sur son expérience et la connaissance de son secteur (cf analyse du risque crédits pro).

Le recueil de la connaissance est une étape fondamentale car elle permet de modéliser le risque crédit afin de l’implémenter ensuite dans un moteur de règles. Elle doit être complète afin de traduire le comportement d’un expert. C’est lors de cette étape que l’on détermine les données qui seront analysées ainsi que leur disponibilité dans le système d’information de la banque. Ces données doivent être de bonnes qualités et bien saisies par les gestionnaires dans l’outil d’instruction. Cela nécessite parfois une conduite du changement afin de modifier les pratiques des conseillers qui sont les garants de la fiabilité et de la cohérence des données dans le système d’information. A partir de ces éléments, l’outil est capable de donner un niveau de risque. Le système peut analyser presque instantanément des milliers de règles métiers ce que ne peut pas faire un seul homme. A partir de ce niveau de risque, c’est au conseiller de décider d’octroyer le crédit ou non. Si l’avis de l’outil est défavorable, il pourra motiver sa décision et transmettre la demande de décision à son N+ suivant le niveau de délégation.
Contrairement aux machines learning qui ont un effet « boite noire» et dont le raisonnement ne peut être expliqué, la décision rendue par les systèmes experts est transparente et on peut en comprendre le raisonnement. D’ailleurs le conseiller dispose de restitutions, c’est-à-dire d’un rapport détaillé généré automatiquement qui lui permet de d’être éclairé sur le niveau de risque fourni par l’outil d’aide à la décision. L’outil a un rôle pédagogique puisqu’un conseiller junior qui monte en compétence a un accès à un nombre de calculs et de raisonnements explicités.

Score ou systèmes experts

Un autre outil utilisé par la banque pour la détermination d’un risque crédit est le crédit scoring. Il diffère du système expert en ce sens qu’il se base sur des analyses statistiques établies sur un échantillon de données. On détermine les critères discriminants (montants des revenus, âge de l’emprunteur…), et on calcule un score (nombre de points obtenus) en fonction du risque. Pour utiliser le credit scoring, il est important de disposer d’un historique et d’un volume de dossiers conséquent ; y-compris les dossiers refusés (non instruits) dès l’instruction ce qui fait souvent défaut aux banques puisqu’un dossier de mauvaise qualité est rarement instruit jusqu’au bout.

Le Credit Scoring fait une prédiction en partant d’un échantillon de dossiers alors que le système expert prend en compte des règles issues du métier. La quantité de données et les critères de risque analysés sont plus importants dans un système à base de règles que sur un Credit Scoring.

Les systèmes experts intègrent parfois des scores dans l’analyse du risque. On peut par exemple intégrer un score comportemental comme l’analyse des comptes à un système expert. Ainsi la décision de l’OAD tiendra compte du score et sera complétée par des règles métiers. C’est une manière de conforter la décision.

Quelle place pour l’humain ?

L’intelligence artificielle se place aujourd’hui au côté de l’humain et non à sa place. En ce qui concerne les systèmes experts, on peut même dire que l’humain occupe une place prépondérante puisque c’est sur lui et sur sa connaissance que repose l’expertise. Le système expert ne remplace pas l’être humain, il l’accompagne et l’aide à prendre une décision en analysant de manière pointue différents éléments. L’outil d’aide à la décision donne un niveau de risque qui éclaire le chargé de clientèle sur certains éléments positifs ou négatifs. Dans la plupart des cas, le chargé de clientèle ou l’analyste est le seul à prendre la décision finale en cohérence avec le schéma délégataire de la banque.

Il est le seul à pouvoir défendre un dossier défavorable ou, s’il accepte la décision de l’OAD, en modifier les paramètres négatifs en concertation avec le client. Par exemple proposer une augmentation de l’apport, prendre une garantie différente, baisser le montant du financement.
Sans oublier qu’aucun outil ne peut remplacer le relationnel. Généralement le client ne sait pas qu’un système expert assiste le conseiller. Celui-ci reste le facteur différencient, le facilitateur…

Mais l’outil d’aide à la décision peut aussi émettre une décision sans qu’aucun chargé de clientèle n’intervienne. C’est particulièrement le cas avec les demandes en ligne, où le client est immédiatement informé du niveau de décision et peut poursuivre sa souscription si le dossier est accepté.

Comment ne pas s’inquiéter de la montée en puissance de l’intelligence artificielle quand chaque mois des annonces de fermeture d’agence sont annoncées. Il semble néanmoins qu’aujourd’hui les intelligences artificielles assistent les banquiers plutôt qu’elles ne les remplacent. Elles libèrent du temps aux chargés de clientèle et sont capables de calculs complexes. Si un système expert se positionne sur 80% des dossiers, l’analyste pourra consacrer du temps aux 20% restants qui nécessitent une analyse et une attention particulière au vue de leurs complexités.

Ressources documentaires

Etude Athling-Observatoire des métiers de la banque -L’intelligence Artificielle dans la banque-Decembre 2017
Restitution des échanges Ethic Thec – Vers une intelligence artificielle bienveillante- Octobre 2017

Auteur :

mm
Amandine Checconi

 

Articles similaires