Credit Scoring : le processus de bout en bout

Blog

 

Publié

14 Sep 2017

Catégories

Credit Scoring | Science des données

Par : Natasha Mashanovich, Senior Data Scientist chez World Programming, Royaume Uni

1ère partie : Pourquoi recourir au Credit Scoring ?
Explication

« Achetez maintenant, payez plus tard » : voilà une offre tentante que font bien des établissements financiers et commerciaux afin d’attirer de nouveaux clients. Toutefois, les deux parties doivent être conscientes des risques encourus dans le cadre d’un crédit. Il est important pour le prêteur comme pour l’emprunteur que le client soit capable de respecter son engagement et donc de rembourser ce qu’il doit pour son achat avant l’échéance du prêt. Les prêteurs doivent pouvoir évaluer le risque de défaut de paiement pour chaque client afin de décider à qui accorder un crédit.

Qu’est-ce que le score de risque de crédit ?

Les avancées technologiques permettent aux établissements financiers de réduire les risques encourus à l’aide de diverses informations concernant les clients. Des méthodes statistiques et des techniques d’apprentissage automatique (Machine Learning) permettent d’analyser les données disponibles et de les résumer à une valeur unique, le score de risque de crédit. Dans le cas des entreprises, on parle aussi de cotation. Cette valeur guide le processus de décision. Plus le score est élevé, plus le prêteur est sûr que le client mérite sa confiance. Le Credit Scoring est une forme d’intelligence artificielle basée sur la modélisation prédictive. Il évalue la probabilité d’un défaut de paiement, d’un retard de remboursement, ou même de l’insolvabilité du client. Le modèle prédictif « apprend » en comparant les données accumulées sur un client à celles d’un groupe de clients similaires et à d’autres données pour prédire la probabilité que ce client ait un comportement spécifique à l’avenir.

Le principal avantage du score de risque de crédit est qu’il aide à prendre des décisions de manière rapide et efficace : accorder ou refuser un prêt, augmenter ou réduire sa valeur, son taux d’intérêt ou sa durée. Grâce à ces décisions rapides et exactes, le Credit Scoring est devenu la pierre angulaire de la gestion du risque dans divers secteurs tels que la banque, les télécommunications, les assurances et le commerce de détail.

Types de scores de risque de crédit et parcours du client

Le Credit Scoring peut être utilisé tout au long du parcours du client, couvrant toute la durée de la relation entre un client et une organisation. Bien que ce système de score ait été développé pour évaluer les risques de crédit, le service marketing de l’entreprise peut également bénéficier des mêmes techniques (Figure 1).

Comme le décrit la Figure 1, divers scores de risque de crédit sont utilisés à diverses étapes du parcours du client :

  • Le score d’octroi évalue le risque de défaut de paiement pour décider d’accorder ou de refuser le crédit.
  • Le score de comportement évalue le risque de défaut de paiement d’un client existant lors des prises de décisions concernant la gestion de son compte, telles que la limite de crédit, la gestion des dépassements de limite, l’offre de nouveaux produits et autres.
  • Le score de recouvrement est utilisé dans les stratégies de recouvrement pour évaluer la probabilité du remboursement de la dette par le client.

Figure 1. Scores de risque de crédit au fil du parcours du client

Fiche d’évaluation de risque de crédit

Au fil des années, diverses méthodes de modélisation pour le Credit Scoring se sont développées. Elles peuvent être paramétriques ou non, statistiques, basées sur l’apprentissage automatique ou des algorithmes supervisés ou non. Les techniques les plus récentes incluent des approches très sophistiquées utilisant des centaines ou des milliers de modèles différents, divers cadres de validation et des techniques groupées comportant plusieurs algorithmes d’apprentissage automatique pour offrir plus de précision.

Parmi toutes ces techniques de modélisation, une sort du lot : le modèle de fiche d’évaluation de risque de crédit. Généralement appelé fiche d’évaluation standard (standard scorecard), il est basé sur la régression logistique. Comparée à d’autres techniques de modélisation, cette méthode répond à plus de critères, ce qui en fait l’approche préférée des spécialistes. Elle est utilisée par près de 90% des développeurs de fiches d’évaluation. Un modèle de fiche d’évaluation est facile à construire, à comprendre et à mettre en œuvre, et son exécution est rapide. En tant qu’hybride de statistiques et d’apprentissage automatique, la précision de ses prédictions est comparable à celle de techniques plus sophistiquées. Ses scores peuvent être utilisés directement comme évaluation des probabilités et offrir directement une formule de tarification basée sur les risques. C’est un point essentiel pour les prêteurs qui doivent se conformer à la réglementation Bâle II. Comme elles sont très intuitives et faciles à interpréter, les fiches d’évaluation sont désormais obligatoires dans certains pays comme unique technique de modélisation des risques de crédit.

Le résultat d’un modèle de fiche d’évaluation consiste en un ensemble d’attributs (caractéristiques du client) affichées sous forme de tableau (Figure 2). Dans un attribut, les points pondérés (soit positifs, soit négatifs) sont affectés pour chaque valeur d’attribut de la plage, et la somme de ces points constitue le score final.

Critères de la fiche d’évaluation Plage Points
Age 0 à 25 10
26 à 40 25
41 à 65 38
66 et plus 43
Revenus 0 à 20k -10
21k à 40k 16
41k à 70k 28
71k et plus 45
Cote de solvabilité 0 à 300 -25
300 à 500 0
500 à 650 30
650 à 750 50
750 et plus 70
Score total Somme des points
Figure 2. Format de fiche d’évaluation standard
Voulez-vous discuter avec nous de vos besoins, ou organiser une démonstration ?

Vous avez des questions ?

Contactez notre équipe commerciale

Essayer ou acheter

Edition Standard
Edition Education
Edition Express