AI

Obtention de crédits : l’AI comme support d’aide à la décision

Par
FineDigit
le
25/3/2019

l’intelligence artificielle transforme peu à peu le quotidien des banquiers et nous autres, acteurs de la FINTECH devons, évidemment, être en pointe sur ce secteur. Nous nous penchons dans cet article sur une application particulière de l’AI qui, non seulement permet de décupler le potentiel de décision d’un banquier mais aussi réconcilie l’homme et l’AI en permettant à l’humain de disposer de feedbacks et de traces de raisonnement compréhensibles et apprenantes.

 

Entre fantasme et réalité, l’intelligence artificielle ne laisse pas indifférent. Quelle sera la place laissée à l’humain dans un monde dominé par l’AI ? Va-t-on vivre dans un monde dominé par les robots, comme le prédisait Isaac Asimov dans ses romans de science-fiction. Si l’on accepte de mettre de côté le fantasme d’une guerre des mondes, on constate que l’intelligence artificielle est porteuse d’espoir dans beaucoup de domaines, en particulier dans la médecine et fait partie, qu’on le veuille ou non, de notre quotidien.

La finance n’échappe pas à la règle et utilise aussi très largement l’intelligence artificielle. Chabots conversationnels, robots conseillers ou outil d’aide à l’octroi de crédits, l’intelligence artificielle transforme peu à peu le quotidien des banquiers et nous autres, acteurs de la FINTECH devons, évidemment, être en pointe sur ce secteur.  Nous nous penchons dans cet article sur une application particulière de l’AI qui, non seulement permet de décupler le potentiel de décision d’un banquier mais aussi réconcilie l’homme et l’AI en permettant à l’humain de disposer de feedbacks et de traces de raisonnement compréhensibles et apprenantes.  

“Google-isation” de la sphère économique et BIG DATA mining.

Les banques ont été des pionnières dans l’utilisation de l’intelligence artificielle avec les systèmes experts mis en place dans les années 80. Grosse collectrice de données, l’industrie financière est l’un des secteurs qui utilise le plus régulièrement l’intelligence artificielle. Non seulement les banques collectent énormément de données, mais elles sont également capables de les stocker sur des périodes longues et évidemment d’en exploiter une partie. Depuis une période relativement récente, qui pourrait correspondre à l’apparition de Google, période que nous qualifions de “google-isation“ de la sphère économique, les données ont pris de la valeur. C’est ce qu’il est convenu d’appeler le phénomène de monétisation des données. Les agents économiques collecteurs de données ont donc en main une valeur monétisable inestimable. Elles le savent depuis longtemps, mais aujourd’hui avec le BIG DATA et l’intelligence artificielle, cette valeur devient concrète, car exploitable.  

Les acteurs collecteurs de données dont les banques et les compagnies d’assurance ont tendance à accélérer et à amplifier ce phénomène de “push” de collecte massive et à les utiliser de manière de plus en plus concrète en particulier pour l’octroi de crédit.

Le "système expert", précurseur de l’intelligence artificielle.

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. Selon les accords Bale II – III, dès lors qu’une banque octroie un crédit de mauvaise qualité, elle doit accroître le provisionnement de ses fonds propres. Or l’allocation de fonds propres a un coût pour la banque. Si l’on additionne ce coût aux faibles marges du secteur, la maîtrise des coûts de gestion des risques apparaît alors complexe à gérer. Ceci explique, pour partie, le recours aux systèmes experts. Ces systèmes permettent également d’appliquer et de faire appliquer la politique de risque de la banque et d’homogénéiser les pratiques d’octroi de crédit au sein d’un même groupe bancaire.

Intégrer des règles subjectives humaines dans un process guidé par l’AI  

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 les 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.

Le système expert, un outil d’aide à la décision calqué sur le modèle de raisonnement humain.

Le système expert qui est un outil d’aide à la décision, est conçu pour simuler le raisonnement d’un expert risque. Une expertise (appelée recueil de connaissances) est réalisée afin de retranscrire et formaliser les règles qu’utilisent au quotidien les experts pour réaliser 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’outil d’aide à la décision 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. 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. Par la suite, 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 s’il octroie ou non le crédit. 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.

Le système expert, une vision claire des critères de décision dictée par la machine

Contrairement au « machine learning » 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 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 inestimables.