AI-FinTechs de prêt natives : transformer la gouvernance des modèles en valeur des actions

1. Définir la décision relative aux actions

Le travail devrait commencer par la décision à laquelle le conseil d’administration fait face. Une levée de fonds primaire en actions, un investissement stratégique, une vente secondaire ou une acquisition nécessitent un montant explicite, une affectation du produit, une autonomie de trésorerie, une fourchette de valorisation, un jalon opérationnel et une date de décision. La revue de la gouvernance des modèles doit servir cette décision plutôt que devenir un exercice technique isolé.

La question centrale relative aux actions est de savoir si le prêteur peut originer et gérer un crédit rentable à plus grande échelle sans perdre le contrôle de la sélection, de la tarification, des pertes, des clients, de la liquidité ou de la conformité. Le dossier d’investissement doit montrer quelles capacités des modèles sont déployées, validées de manière indépendante et reflétées dans les résultats de trésorerie réalisés. Les capacités de la feuille de route doivent être chiffrées, planifiées et ajustées au risque séparément. Le modèle de transaction doit inclure le financement nécessaire pour que les nouvelles cohortes mûrissent avant que leur économie ne puisse être observée.

2. Établir le périmètre juridique et économique

Le périmètre doit identifier, pour chaque produit et zone géographique, le prêteur, l'originateur, le gestionnaire de créances, le courtier, la plateforme, le véhicule de financement et le prestataire de traitement de données. Il doit montrer quelle entité détient la créance, porte le risque de crédit, contrôle la souscription, encaisse les paiements et détient la licence pertinente. Les accords intragroupe et hors bilan nécessitent une cartographie explicite.

La valeur des actions dépend de la localisation des flux économiques et des obligations. Une plateforme qui perçoit des frais d'origination sans conserver les prêts diffère d'un prêteur qui finance les actifs et absorbe les pertes attendues et inattendues. Les engagements de première perte, garanties, obligations de rachat, covenants de warehouse et clauses de partage des risques peuvent faire réapparaître une exposition dans une entreprise apparemment peu intensive en actifs. Les contrats, la comptabilité et les pratiques réelles doivent être rapprochés avant l'évaluation du modèle opérationnel.

3. Construire le registre de preuves à sources contrôlées

La base de preuves doit inclure les conditions des produits, les demandes, les données des bureaux de crédit et les données alternatives, les enregistrements de décision, les versions de modèles, les sorties de score, les dérogations, les offres, les prêts acceptés, les décaissements, les échéanciers, les paiements, les impayés, les modifications, les défauts, les recouvrements, les réclamations, les enregistrements de financement et de grand livre. Chaque observation doit conserver un identifiant stable de client, de facilité et d'événement.

Tableau 1. Registre de preuves de prêt

Les exigences en matière de preuves doivent être adaptées au produit, à l'entité juridique, au référentiel comptable et au périmètre réglementaire.

Les données dérivées doivent conserver leur calcul, l'horodatage de leur source, leur propriétaire et leur statut de qualité. Les corrections manuelles et les résultats manquants doivent rester visibles. Un extrait de tableau de bord sans traçabilité au niveau des enregistrements est insuffisant pour la due diligence de transaction, car les changements de population et les exclusions de résultats peuvent modifier sensiblement la performance apparente du modèle.

Le registre doit permettre un rapprochement bidirectionnel. À partir du grand livre, les réviseurs doivent rattacher les produits, les créances, les provisions et les radiations aux facilités et aux cohortes. À partir de la population des facilités, ils doivent reconstituer les flux de trésorerie contractuels, le statut de paiement, le défaut et le recouvrement afin de les rapprocher des totaux comptables. Les écarts liés au cut-off, aux devises, à la correspondance des statuts ou à la migration de système doivent être quantifiés et résolus. Cette population contrôlée devient le dénominateur commun pour la validation du modèle, l'économie unitaire, la conformité du financement et le reporting investisseurs. Sans elle, différentes équipes peuvent présenter des résultats cohérents en interne mais fondés sur des univers de prêts différents.

4. Cartographier l'économie de l'octroi de crédit

La cartographie opérationnelle doit relier les demandes, les approbations, l'acceptation, le décaissement, les créances, les produits d'intérêts et de commissions, le coût de financement, la fraude, la perte de crédit attendue, la gestion des prêts, les recouvrements, la conformité, le capital et la trésorerie. Chaque étape doit identifier l'entité, le système, le responsable et le traitement comptable.

Cette cartographie évite que la croissance des approbations soit assimilée à de la valeur avant l'observation de ses conséquences. Un taux d'approbation plus élevé peut augmenter les octrois et les revenus tout en produisant des pertes plus élevées, une liquidité dégradée et une charge de recouvrement plus lourde. À l'inverse, un modèle peut améliorer la contribution ajustée du risque en refusant des prêts fragiles, même lorsque le volume affiché ralentit. Les investisseurs doivent voir le pont complet plutôt qu'un seul indicateur de performance.

La cartographie doit également distinguer la propriété des actifs et l'économie de la gestion des prêts dans le temps. Un prêt octroyé peut être conservé, vendu, cédé en participation, titrisé ou transféré dans le cadre d'un accord de cession à flux futur. La reconnaissance des commissions, le recours, les obligations de gestion des prêts et le risque résiduel peuvent changer à chaque étape. La société doit calculer l'économie du point de vue à la fois de la société opérationnelle et de tout véhicule de financement. La valeur consolidée peut sinon être surévaluée en comptabilisant une commission d'origination tout en ignorant le capital de première perte ou l'exposition au rachat qui la soutient.

5. Encadrer la provenance des données

La provenance des données indique l'origine d'une donnée, le moment où elle a été observée, la raison pour laquelle elle peut être utilisée, la manière dont elle a été transformée et si elle reste disponible en production. Les sources peuvent inclure des données soumises par les clients, des bureaux de crédit, des transactions bancaires, des signaux d'appareil, des factures, l'open banking et l'historique de remboursement interne. Les exigences juridiques et de consentement dépendent des faits propres à chaque cas.

Le jeu de données d'entraînement doit distinguer les champs bruts, les variables dérivées et les étiquettes. Les contrôles point-in-time sont essentiels : les informations créées après la décision d'octroi ne doivent pas fuiter dans les variables d'entraînement. Les données des fournisseurs doivent conserver la version, la couverture, la fréquence d'actualisation et les droits contractuels. Les limites de provenance doivent se répercuter dans la validation, les conditions d'utilisation du modèle et le dossier de valorisation, car un modèle ne peut pas être industrialisé de manière fiable sur des données instables, indisponibles ou dont l'usage est illicite.

La traçabilité des variables doit être reproductible à partir du code de production plutôt que reconstituée après coup. Les transformations doivent définir les unités, le traitement des valeurs manquantes, les valeurs aberrantes, les fenêtres d'agrégation et les fuseaux horaires. Lorsqu'une variable issue de transactions bancaires utilise les quatre-vingt-dix jours précédents, le système doit démontrer que seules les données disponibles avant l'heure de décision ont été intégrées au calcul. Les corrections de données doivent créer une nouvelle version et conserver l'enregistrement de décision d'origine. La revue doit comparer les distributions des variables en développement et en production, y compris la proportion fournie par chaque fournisseur, afin que les dépendances et les modifications silencieuses de schéma soient visibles.

6. Définir la fenêtre d'observation

Les résultats de crédit se matérialisent avec le temps. La fenêtre de performance doit correspondre à la maturité du produit, à la fréquence des paiements, au comportement de guérison et à l'apparition des pertes. Une observation sur trois mois peut convenir à un indicateur de défaut précoce et être insuffisante pour le défaut sur la durée de vie ou la récupération. Les cohortes récentes ne doivent pas être comparées aux cohortes anciennes sans ajustement.

Le modèle doit enregistrer la date de demande, la date de décision, le décaissement, les paiements prévus, les jalons de retard, le défaut, la guérison, la modification, la radiation et la récupération. Le reporting doit indiquer la proportion de chaque cohorte ayant atteint la maturité pertinente. Les prévisions sur les actions doivent inclure une incertitude pour les encours non arrivés à maturité et éviter de considérer la performance de remboursement anticipé comme une conclusion complète en matière de pertes.

Le décalage des résultats doit être traduit en une échelle de preuves. La fraude à la demande et le défaut au premier paiement peuvent apparaître rapidement ; le défaut à douze mois, la perte sur la durée de vie et la récupération nécessitent une observation plus longue. Chaque indicateur doit donc préciser son horizon de maturité et le pourcentage d'exposition observé. Lorsqu'une entreprise modifie rapidement ses critères d'octroi, les éléments de preuve concernant la croissance récente peuvent se limiter à des indicateurs avancés. Les investisseurs doivent voir comment ces indicateurs ont historiquement prédit les résultats à maturité et l'ampleur de l'erreur. Le plan de financement doit prévoir suffisamment de liquidité pour observer la cohorte suivante avant de supposer que ses caractéristiques économiques peuvent soutenir une accélération supplémentaire.

7. Préciser la variable cible et l'usage décisionnel

Un modèle a besoin d'une cible précise : probabilité de défaut, défaut au premier paiement, fraude, perte, capacité de remboursement, remboursement anticipé ou autre résultat. La cible doit préciser l'horizon, la définition de l'événement, la guérison, la modification, l'exposition et les exclusions. Sa relation avec la décision de crédit effective doit être documentée.

Un score peut servir au classement, tandis que les politiques déterminent l'approbation, la limite et le prix. La due diligence doit distinguer la prédiction du modèle des règles métier, de la revue manuelle et des contraintes de financement. Si le modèle est entraîné sur une cible et présenté comme une autre, l'argument économique doit être contesté. Le conseil d'administration doit approuver l'usage prévu, les usages interdits et les limites de performance avant que les résultats du modèle ne soient intégrés à une thèse d'investissement en actions.

La construction de la cible doit traiter l'ambiguïté. Un emprunteur peut manquer des paiements en raison d'une erreur opérationnelle, entrer en difficulté financière, se refinancer, guérir ou faire défaut après la fenêtre d'observation. Exclure les prêts modifiés ou vendus peut améliorer la performance apparente tout en écartant des résultats économiquement pertinents. Le document de développement de la cible doit montrer les inclusions, les exclusions et la sensibilité à d'autres définitions. Lorsque la gravité des pertes compte, une cible binaire de défaut peut être complétée par des modèles d'exposition et de récupération. L'objectif décisionnel combiné doit rester compréhensible pour les équipes de crédit, de finance et de gouvernance.

8. Construire la chaîne de la donnée à la perte

La chaîne de la donnée à la perte relie les informations disponibles lors de la demande aux résultats du modèle, à la politique de crédit, à l'acceptation par le client, à la gestion des prêts et à la perte en trésorerie réalisée. Elle montre où les résultats économiques peuvent diverger de la performance prédictive. Chaque transition doit conserver le responsable, les éléments de preuve et le traitement des exceptions.

La chaîne devrait être alimentée par des données, des décisions et des résultats réalisés propres à l’entreprise.

La chaîne devrait rapprocher les dénombrements et les valeurs à chaque étape. Les jointures manquantes entre le score et la performance des facilités devraient être quantifiées. Une affirmation de bénéfice attribuée au modèle devrait échouer au point de contrôle de la transaction lorsque la chaîne ne peut pas reproduire la population et le résultat de trésorerie déclarés.

Le rapprochement devrait identifier l’attrition entre les étapes. Les demandes peuvent disparaître lors de la suppression des doublons, de contrôles d’identité incomplets, de refus liés à la politique, d’offres expirées et d’échecs de financement. Une entreprise peut calculer le lift du modèle sur des demandes notées tout en présentant une perte sur des prêts financés, ce qui produit des dénominateurs incohérents. La chaîne devrait conserver une cascade de population et d’exposition à chaque transition, avec les motifs d’exclusion. Elle devrait aussi identifier les étapes qui ont changé pendant la période de comparaison. Cela permet aux investisseurs de distinguer l’effet du modèle des effets de la politique, des opérations, du financement et des choix des clients.

9. Définir la population de développement

La population de développement devrait représenter les emprunteurs, produits, canaux, zones géographiques et conditions économiques visés. Les exclusions devraient être documentées et justifiées. Les refus créent une difficulté particulière car leur résultat de remboursement est généralement non observé ; les hypothèses à leur sujet peuvent créer un biais de sélection.

Les échantillons d’entraînement, de validation et de test devraient préserver l’ordre temporel lorsque les conditions changent. Les répartitions aléatoires peuvent faire fuiter des emprunteurs récurrents ou des facilités liées entre les échantillons. La revue devrait tester la séparation au niveau du client, la validation temporelle et la performance sur des données de production récentes. Des jeux de données externes peuvent élargir la couverture, mais nécessitent des preuves de comparabilité, de droits et d’intégrité à la date de référence.

L’analyse de la population devrait comparer les distributions de développement, de validation, de demande, d’approbation et de comptabilisation. L’entreprise devrait montrer la couverture par score, revenu, ancienneté, secteur, zone géographique et canal d’acquisition, sous réserve d’un usage licite des données. Les segments faibles ou absents devraient avoir des limites d’exposition explicites jusqu’à ce que les preuves se développent. Les emprunteurs récurrents exigent une décision sur l’unité retenue : client, facilité ou événement. Les demandeurs et commerçants liés peuvent créer une dépendance cachée entre les observations. La pondération des échantillons et les hypothèses d’inférence des refus devraient être documentées et soumises à des tests de sensibilité plutôt qu’intégrées de manière invisible.

10. Mesurer l’approbation et la sélection adverse

Le taux d’approbation devrait être mesuré par tranche de score, règle de politique, canal, produit, zone géographique et segment de clientèle. Le taux d’acceptation devrait ensuite indiquer quels emprunteurs approuvés acceptent le prix et la limite proposés. Les emprunteurs moins risqués peuvent refuser des offres coûteuses, laissant le portefeuille comptabilisé plus faible que la population approuvée.

L’analyse devrait comparer les demandes, approbations, offres, prêts acceptés et encours financés. Les expérimentations de tarification et les changements de politique devraient être enregistrés. La sélection adverse peut apparaître par une dégradation du défaut à score donné ou par une souscription concentrée parmi les emprunteurs à risque élevé. Le modèle d’actions devrait utiliser l’économie des montants comptabilisés et financés plutôt que de supposer que la population approuvée se convertit uniformément.

L’élasticité devrait être testée lorsqu’il existe des preuves contrôlées suffisantes. Un changement de prix peut modifier l’acceptation, le remboursement anticipé, la réutilisation et la composition du risque. Augmenter le prix pour couvrir la perte attendue peut inciter les demandeurs moins risqués à partir et peut dégrader la marge réalisée. De même, augmenter les limites peut attirer des clients plus solides ou accroître l’exposition parmi les clients vulnérables. Le modèle opérationnel devrait comparer les cellules d’offre en utilisant une éligibilité cohérente et devrait inclure des contraintes liées aux résultats pour les clients. Les estimations de la direction devraient être signalées lorsque les expérimentations sont incomplètes ou que la sélection empêche une interprétation causale.

11. Mesurer le lift prédictif

Les indicateurs de discrimination évaluent si un modèle classe le risque ; la calibration évalue si les probabilités prédites correspondent aux résultats réalisés. Les statistiques courantes peuvent inclure l’aire sous la courbe ROC, l’indice de Gini, la précision, le rappel et le lift par tranche de score. Le choix des indicateurs devrait suivre l’objectif du modèle et les taux de base.

Le lift devrait être évalué par rapport à une référence crédible telle que le modèle précédent ou la politique approuvée. Une amélioration sur l’échantillon de développement est une preuve faible sans résultats hors période et en production. L’incertitude statistique, la taille de l’échantillon et les résultats manquants devraient être divulgués. Un faible lift peut créer une valeur substantielle à grande échelle, tandis qu’un lift impressionnant peut créer peu de valeur en trésorerie si la tarification, l’acceptation, le financement ou le recouvrement échouent.

Le choix des indicateurs devrait être lié à la décision opérationnelle. Les indicateurs de classement peuvent appuyer la priorisation des revues ; la calibration appuie la tarification et la perte attendue ; la précision à un taux d’approbation fixe peut appuyer un arbitrage de politique spécifique. La performance devrait être présentée sur toute la plage où les décisions sont prises, et non seulement comme une moyenne globale. Les intervalles de confiance et le bootstrap ou toute autre analyse d’incertitude appropriée peuvent empêcher de petits échantillons de paraître précis. La revue devrait aussi tester une référence simple. La complexité ne crée de la valeur que lorsqu’elle améliore suffisamment les résultats hors période pour couvrir les coûts de gouvernance et d’exploitation.

12. Construire la matrice lift-perte

La matrice doit relier l'amélioration du classement à la perte nette réalisée et à la décision d'octroi. Elle doit montrer si un modèle améliore la séparation, modifie la composition des octrois et produit de meilleurs résultats de trésorerie sur portefeuille mature. Les résultats doivent être segmentés afin qu'une amélioration agrégée ne masque pas un produit ou un groupe de clients fragile.

Les valeurs sont fournies à titre illustratif et ne représentent pas une société, un benchmark de marché ni une conclusion d'investissement.

Le modèle doit éviter d'attribuer toute l'amélioration à AI lorsque les conditions de crédit, la politique, le financement et la composition de la clientèle ont changé simultanément. Un dispositif champion-challenger contrôlé ou un déploiement par étapes peut fournir des preuves plus solides, sous réserve de garde-fous pour les clients et le risque.

La matrice peut être étendue en quatre quadrants de décision. Un lift plus élevé accompagné d'une perte plus faible sur portefeuille mature justifie une montée en charge contrôlée supplémentaire ; un lift plus élevé avec une perte inchangée nécessite d'examiner la décision d'octroi, le prix et la sélection ; un lift plus faible avec une perte plus faible peut refléter une politique plus restrictive ; et une perte plus élevée avec un lift quelconque nécessite une remédiation. Chaque cellule doit indiquer l'exposition, la maturité et l'incertitude. Un modèle peut paraître favorable en nombre de cas et défavorable en valeur lorsqu'un petit nombre de défauts importants domine la perte. Les nombres de cas, les encours et la trésorerie doivent donc être examinés conjointement.

13. Tester la calibration

La calibration compare le risque prédit et le risque observé. L'examen doit comparer la probabilité prédite au défaut ou à la perte réalisés par bande de score, période, produit et segment. Un modèle peut bien classer les emprunteurs et systématiquement sous-estimer ou surestimer le risque absolu.

Le prix, les limites, la perte attendue et le capital peuvent dépendre de probabilités calibrées. La calibration doit donc être testée sur le portefeuille comptabilisé et dans des conditions récentes. Les overlays et recalibrations nécessitent une approbation, des dates d'effet et un suivi des résultats. Les prévisions ne doivent pas supposer qu'une calibration historique reste valable après une évolution rapide du produit, des données, de la zone géographique ou du contexte macroéconomique.

Les graphiques de calibration doivent montrer à la fois la probabilité prédite et le résultat observé, avec l'exposition et le niveau de confiance. Une concordance au niveau du portefeuille peut masquer une sous-prédiction dans un segment et une sur-prédiction dans un autre. Le back-testing doit respecter la maturité des résultats et ne pas mélanger différentes définitions du défaut. Lorsque les modèles alimentent des processus comptables ou de capital, le mapping et le conservatisme doivent être gouvernés séparément. Un overlay temporaire peut traiter l'incertitude pendant que les données s'accumulent, mais des overlays répétés peuvent indiquer que le modèle ou son utilisation doit être repensé. Le modèle de valorisation doit intégrer le coût et la contrainte de croissance induits par une incertitude persistante.

14. Relier le score à la tarification et à la limite

Le moteur de décision doit montrer comment le score, la capacité de remboursement, l'exposition, la politique et les conditions client déterminent la décision d'octroi, la limite, la durée, le prix et le collatéral. Chaque règle majeure doit avoir un responsable, une justification, une version et des preuves de test. L'effet des promotions et des subventions des partenaires doit être distinct.

La tarification fondée sur le risque doit couvrir le coût de financement, la perte attendue, la gestion des prêts, le recouvrement, la conformité, le capital et le rendement cible dans le respect des contraintes légales et des résultats pour les clients. Un rendement nominal plus élevé peut s'accompagner d'une sélection moins bonne et d'un recouvrement plus faible. La due diligence doit comparer la rentabilité annualisée proposée, acceptée et réalisée après impayés, dérogations et modifications.

La gouvernance de la tarification doit identifier les composantes qui réagissent au score et celles qui sont fixées par le produit ou la réglementation. Le modèle doit distinguer l'intérêt nominal, le rendement effectif, les frais, les remises promotionnelles, les frais de retard et la dérogation attendue. Les contrôles de capacité de remboursement et d'adéquation doivent rester indépendants de l'objectif de rendement. La prévision doit vérifier si les changements de prix modifient le comportement des clients et la charge de recouvrement. Lorsque des partenaires financent des incitations ou une protection contre les pertes, la durée du contrat et le risque de renouvellement doivent être visibles plutôt que traités comme une économie permanente.

15. Construire des cohortes par millésime

Les cohortes par millésime doivent regrouper les facilités par mois ou trimestre d'octroi et suivre l'encours, la délinquance, le défaut, la radiation, le recouvrement, les revenus et les flux de trésorerie au fil des mois depuis l'octroi. Le produit, le score, le canal, la géographie et la version de politique doivent rester disponibles pour la segmentation.

Les valeurs sont illustratives ; les conclusions relatives à l'entreprise exigent des données complètes et matures au niveau des facilités.

Les courbes de millésime mettent en évidence la détérioration masquée par la croissance agrégée. Les nouveaux octrois peuvent réduire le taux de perte déclaré du portefeuille parce qu'ils n'ont pas encore atteint maturité. Le modèle de transaction doit comparer les cohortes à ancienneté égale en mois depuis l'octroi et indiquer l'incertitude pour les périodes incomplètes.

Le reporting par millésime doit inclure la perte brute cumulée, la perte nette, le rendement en trésorerie, le remboursement anticipé, la modification et la contribution. Une cohorte à faible défaut peut néanmoins sous-performer parce qu'elle est remboursée par anticipation avant que le coût d'acquisition ne soit récupéré ou parce qu'elle nécessite un servicing intensif. La version de politique et la version de modèle doivent permettre une comparaison précise autour des changements. Les vues pondérées par l'exposition et par le nombre de facilités doivent toutes deux être conservées. La performance des cohortes doit être rapprochée du bilan actuel après cessions, radiations et recouvrements, afin que les données historiques ne perdent pas de facilités lorsque leur statut comptable change.

16. Analyser la délinquance et la cure

La délinquance doit reposer sur des définitions stables pour les jours de retard, les arriérés techniques, les difficultés financières, la modification et la cure. L'analyse des taux de transition suit les encours depuis l'état courant jusqu'aux arriérés, au défaut, à la cure et à la radiation. Le nombre de facilités et les valeurs d'exposition doivent tous deux être conservés.

La politique de recouvrement peut modifier les résultats observés. Une stratégie de contact plus agressive peut améliorer la cure et augmenter les réclamations ou les coûts. Les reports d'échéances et les restructurations peuvent retarder la reconnaissance du défaut. La revue de due diligence doit rapprocher les échéanciers contractuels, les encaissements, les transitions de statut et la classification comptable. La délinquance précoce peut soutenir le suivi, tandis que l'économie sur la durée de vie exige encore des données matures sur les pertes et les recouvrements.

Les matrices de taux de transition doivent être produites pour des cohortes comparables et des définitions stables. La cure doit exiger une performance soutenue plutôt qu'un paiement unique si cela reflète l'économie du produit. Les accords de paiement rompus et les modifications répétées doivent rester visibles. L'analyse doit déterminer si la priorisation AI modifie l'allocation des contacts et si le bénéfice mesuré résiste aux effectifs, à la saisonnalité et à la composition des emprunteurs. Les stratégies de recouvrement doivent être évaluées au regard de résultats licites et équitables pour les clients. Le coût de l'escalade, du travail sur le terrain, des litiges et des agents spécialisés doit être intégré au recouvrement net et à l'économie unitaire.

17. Mesurer les recouvrements et la perte en cas de défaut

L'analyse des recouvrements doit inclure le calendrier, le montant, le coût, le canal et la voie juridique ou de collatéral. Le recouvrement brut peut surestimer la valeur lorsque les frais de recouvrement, les litiges, la reprise, les décotes de vente et les longs délais sont exclus. La trésorerie nette actualisée est la mesure économique pertinente.

La perte en cas de défaut doit être segmentée par produit, collatéral, rang de séniorité, géographie, cohorte et état de défaut. Un modèle peut améliorer l'incidence du défaut alors que les prêts comptabilisés deviennent moins récupérables. Les prévisions d'Actions doivent inclure la capacité de recouvrement et le coût à la taille de portefeuille plus importante. Les données doivent conserver les recouvrements après radiation afin que les cohortes historiques ne soient pas tronquées.

Le calendrier des recouvrements compte parce que les facilités de warehouse et la trésorerie d'exploitation peuvent devoir être remboursées avant la fin du recouvrement. Le modèle doit actualiser les flux de trésorerie futurs et distinguer la créance contractuelle du recouvrement attendu. Les valeurs de collatéral doivent préciser la date de valorisation, l'état, l'opposabilité juridique et le coût de cession. Les promesses de recouvrement par des tiers doivent être rapprochées des versements reçus. Si un acheteur en forward flow supporte le risque de recouvrement, les conditions de prix et de recours doivent montrer comment ce bénéfice est partagé ou restitué à la plateforme.

18. Modéliser l'exposition en cas de défaut

Pour les produits renouvelables ou fondés sur des limites, l'exposition peut augmenter entre la décision et le défaut. Le modèle devrait suivre la limite approuvée, le solde tiré, l'utilisation future, les commissions, les intérêts courus et la conversion en équivalent crédit. Les changements de politique qui relèvent les limites peuvent accroître la perte même lorsque la probabilité de défaut reste inchangée.

L'exposition en cas de défaut devrait être reliée au besoin de financement et à la concentration. Une vue au niveau de l'emprunteur devrait agréger les facilités et garanties liées lorsqu'il y a lieu. Les engagements non tirés et les obligations de règlement peuvent consommer des liquidités en situation de stress. La prévision de la transaction devrait rapprocher les limites des facilités, l'utilisation attendue, la disponibilité du financement et la marge de manœuvre au titre des covenants.

La gestion des limites devrait réagir à de nouvelles informations dans le cadre d'une politique encadrée. Des augmentations automatiques fondées sur l'utilisation peuvent créer une exposition rapide avant que n'apparaisse une détérioration de la performance. Les réductions peuvent affecter les clients et nécessiter un préavis ou une explication. Le modèle devrait tester l'utilisation par tranche de score, cohorte et conditions macroéconomiques, y compris les tirages avant stress. La fraude et l'exposition au crédit devraient rester distinctes lorsque les contrôles et les recouvrements diffèrent. L'analyse de scénarios devrait inclure une corrélation entre utilisation et défaut, car les clients sous stress peuvent tirer davantage à mesure que leur capacité de remboursement se dégrade.

19. Rapprocher la perte de crédit attendue

Les pertes de crédit attendues au titre d'IFRS 9 utilisent des déficits de trésorerie pondérés par les probabilités, la valeur temps de l'argent et des informations raisonnables et justifiables, sous réserve de la norme et du jugement professionnel. La fintech de prêt devrait rapprocher les modèles d'octroi des modèles comptables sans supposer qu'ils ont une finalité ou un calibrage identiques.

L'affectation aux étapes, l'augmentation significative du risque de crédit, la probabilité de défaut, la perte en cas de défaut, l'exposition en cas de défaut, les scénarios et les ajustements de la direction devraient être documentés et gouvernés. Les informations historiques restent une ancre, tandis que les conditions actuelles et prospectives peuvent nécessiter des ajustements. Les comptables qualifiés et les auditeurs devraient déterminer le traitement applicable. Le modèle d'actions devrait établir le lien entre les provisions comptabilisées, la perte économique et la trésorerie.

Le rapprochement devrait expliquer les écarts entre la perte d'octroi, la perte de crédit attendue comptable, la provision réglementaire et la perte économique du cas de transaction. Ils peuvent utiliser des horizons, définitions, scénarios et niveaux de prudence différents. Les investisseurs ne devraient pas les combiner ni retenir le résultat le plus faible. Les ajustements de la direction devraient avoir une justification, des éléments probants, une approbation, une allocation et des critères de levée. Les changements dans la répartition par étapes peuvent fournir un signal d'alerte précoce même avant la radiation. La prévision devrait relier les conséquences sur les provisions, la comptabilisation des produits, le capital et le financement de manière cohérente dans les états financiers.

20. Construire l'économie unitaire ajustée au risque

L'économie unitaire devrait commencer par le rendement contractuel et les commissions, puis déduire le coût de financement, la perte attendue, la fraude, la gestion des prêts, le recouvrement, le traitement des paiements, la conformité, les données, le modèle, le support client et le coût d'acquisition directement attribuable. Le calendrier devrait être reflété par les flux de trésorerie et la duration.

Tableau 2. Économie du prêt ajustée au risque

La classification et l’allocation doivent être rapprochées des registres comptables, de financement et de trésorerie de la société.

Le résultat doit être présenté par cohorte, par tranche de score, par produit et par canal. La rentabilité agrégée peut masquer une croissance concentrée sur des prêts à contribution négative. Les frais généraux et l'investissement de développement doivent rester visibles en dehors du pont unitaire.

La valeur vie client doit être calculée à partir des flux de trésorerie attendus selon une courbe de survie et de perte, et non du rendement contractuel multiplié par la maturité. L'emprunt répété ne peut créer de la valeur que si les facilités ultérieures sont observées et que leur acquisition, leur perte et leur financement sont inclus. Le coût d'acquisition client doit correspondre aux emprunteurs financés et distinguer les canaux organiques, partenaires et payants. Une amélioration du modèle peut créer de la valeur grâce à une meilleure approbation, une perte plus faible ou un coût de revue plus bas ; le pont doit empêcher qu'un même avantage soit compté sur plusieurs lignes.

21. Rapprocher la contribution à la trésorerie

Les produits d'intérêts et de commissions doivent être rapprochés des encaissements facturés et perçus, y compris les arriérés, les remises, les modifications et les radiations. Les tirages de financement, les remboursements, les intérêts, les réserves et le collatéral doivent être rapprochés de la position de trésorerie du prêteur. Les fonds restreints ou détenus pour les clients ne doivent pas être traités comme des liquidités non restreintes.

Une croissance rapide peut créer un déficit de trésorerie avant que la perte comptable n'apparaisse. Les nouvelles originations consomment du financement, tandis que les produits et les recouvrements arrivent plus tard. Les taux d'avance des lignes de financement relais, les critères d'éligibilité, les limites de concentration et les réserves peuvent se resserrer à mesure que la performance se dégrade. Des prévisions hebdomadaires de liquidité et de covenant doivent compléter le modèle de valorisation des actions.

Le rapprochement de trésorerie doit présenter, par compte, les encaissements de principal, les intérêts, les commissions, les remboursements anticipés, les recouvrements, les remises au titre de la gestion des prêts, les tirages de financement et les remboursements. Les soldes en suspens, les espèces non affectées et les soldes de règlement doivent être analysés par ancienneté. Les scénarios de stress doivent inclure des retards de recouvrement et des restrictions sur les tirages de facilités. Le produit de l'émission d'actions doit être réparti entre l'autonomie de trésorerie opérationnelle, le capital de première perte, les réserves et l'investissement de croissance, en évitant toute double utilisation. Cela permet au conseil d'administration de déterminer si la levée demandée finance un avantage mesuré du modèle ou ne couvre que des insuffisances cachées de portefeuille et de financement.

22. Tester l'équité et les résultats pour les clients

L'organisation doit évaluer les résultats en matière d'approbation, de prix, de limite, de faux positifs, de traitement des impayés, de modification, de réclamation et de remédiation pour les groupes de clients concernés, dans les limites des données autorisées par la loi. Les attributs manquants et les échantillons de petite taille doivent être divulgués. L'équité implique des jugements de politique, juridiques et statistiques plutôt qu'un indicateur unique.

Les résultats pour les clients doivent être reliés aux appels et à l'examen humain. Les variables proxy issues des données peuvent créer des effets inégaux même lorsque les attributs protégés sont exclus. Le conseil d'administration doit approuver les tests, les seuils, l'escalade et la remédiation. La restitution potentielle, les mesures des autorités de supervision et l'atteinte à la confiance doivent figurer dans l'analyse des scénarios défavorables lorsque des faiblesses significatives sont identifiées.

Les tests d'équité doivent être conçus avant l'interprétation des résultats. Les indicateurs peuvent être contradictoires, et l'analyse appropriée dépend de la finalité de la décision, du droit et des données. L'entreprise doit comparer le modèle, la politique et la décision finale, car les dérogations ou les règles de capacité de remboursement peuvent modifier les résultats. La taille des échantillons, les attributs manquants et les méthodes de proxy doivent être divulgués. Les constats défavorables doivent conduire à une analyse des causes profondes, à une évaluation de l'exposition, à une correction et à un suivi. La salle de données de la transaction doit inclure des éléments de preuve sur la gouvernance et la remédiation sans exposer de données personnelles inutiles.

23. Produire des explications de décision

Les demandeurs et les examinateurs peuvent exiger des motifs compréhensibles pour une décision de crédit. Les explications doivent refléter les principaux facteurs réellement utilisés par le modèle et la politique. Des codes de motif génériques qui ne correspondent pas à la décision affaiblissent la protection et le contrôle des clients.

La méthode d'explication doit être validée pour sa fidélité, sa stabilité et son utilisabilité. Les explications locales peuvent varier pour des cas similaires ; les interactions entre variables peuvent rendre des classements simples trompeurs. L'organisation doit associer les facteurs du modèle à des codes de motif approuvés, les tester sur les décisions de production et fournir un parcours de correction efficace. L'applicabilité dépend de la juridiction et du produit, ce qui nécessite un examen juridique et réglementaire.

Les tests opérationnels doivent porter sur un échantillon d'approbations, de refus, de changements de prix et de réductions de limite. Les examinateurs doivent confirmer que les motifs indiqués ont été déterminants pour le résultat réel, utiliser un langage compréhensible et rester cohérents entre les versions du système. Lorsqu'un fournisseur fournit des codes de motif, le prêteur doit les valider par rapport à sa configuration et à ses politiques. La qualité des explications doit être mesurée au moyen des erreurs, des appels, des réclamations et de la remédiation. Un modèle complexe qui ne peut pas étayer les décisions requises peut nécessiter une utilisation encadrée même lorsque ses statistiques prédictives sont solides.

24. Encadrer les dérogations

Les dérogations se produisent lorsqu’un utilisateur modifie une entrée, un score, une approbation, un prix ou une limite. Chaque dérogation devrait consigner le motif, les éléments de preuve, l’autorité, le sens, l’ampleur et le résultat. La politique devrait définir les circonstances autorisées et les limites.

L’analyse des dérogations devrait comparer les résultats en matière de défaut, de perte, d’approbation et de client avec les décisions sans dérogation. Des dérogations fréquentes ou matérielles peuvent indiquer des données manquantes, une faiblesse du modèle, un conflit de politique ou des incitations. Les normes de gestion des modèles de la CBUAE exigent une gouvernance robuste des dérogations aux entrées et sorties des modèles pour les établissements assujettis. L’applicabilité aux FinTech et les responsabilités contractuelles devraient être évaluées de manière factuelle.

Le sens compte. Les dérogations positives peuvent augmenter les approbations et les pertes ; les dérogations négatives peuvent réduire l’accès et créer des incohérences. L’examen devrait comparer l’évaluateur, l’agence, le canal et le motif. L’analyse des résultats devrait tenir compte de la sélection, car les cas ayant fait l’objet d’une dérogation diffèrent des décisions automatiques. Les limites de dérogation devraient déclencher une escalade et un éventuel recalibrage. Si les utilisateurs métier contournent régulièrement le modèle, le narratif sur les actions ne devrait pas présenter la performance du modèle comme le moteur de décision final. Les coûts de remédiation et les contraintes de croissance devraient être intégrés aux prévisions jusqu’à ce que l’utilisation soit maîtrisée.

25. Concevoir des décisions humaines responsables

L’examen humain devrait avoir un objectif défini. Les évaluateurs peuvent examiner des informations extérieures au modèle, corriger des données ou appliquer une politique. Ils ont besoin de formation, d’autorité, d’éléments de preuve et d’assurance qualité. Un clic humain de pure forme ne crée pas une supervision significative lorsque l’évaluateur ne peut pas comprendre ou contester le résultat.

Les files d’attente de décision devraient être mesurées en volume, temps de traitement, ancienneté, approbation, cohérence et résultats. L’automatisation peut libérer de la capacité tandis que les cas complexes augmentent. Les prévisions d’effectifs devraient inclure la supervision et l’examen qualité. Les recours et réclamations clients devraient alimenter la politique et la surveillance des modèles au moyen d’une boucle de rétroaction maîtrisée.

L’autorité des évaluateurs devrait être séparée des incitations au développement de modèles, le cas échéant. L’assurance qualité devrait échantillonner les décisions acceptées et refusées, les constats étant suivis jusqu’à des actions de formation, de politique ou de modification du modèle. La conception des flux de travail devrait empêcher les modifications non étayées et conserver les éléments de preuve examinés. Les modèles de capacité devraient inclure la demande de pointe et les engagements de niveau de service. Si la croissance dépend de la réduction de l’examen manuel, l’entreprise devrait montrer quels cas peuvent passer sans risque à l’automatisation et lesquels restent soumis au jugement humain ou à une attente réglementaire.

26. Tenir à jour l’inventaire des modèles

L’inventaire devrait consigner l’objectif, le propriétaire, le développeur, le validateur, la version, la méthodologie, les données, la cible, la population, la matérialité, l’utilisation, les dépendances, les limites, le déploiement, la surveillance, la validation et le retrait. Les règles, scores de fournisseurs et ajustements devraient être inclus lorsqu’ils influent significativement sur les décisions de crédit.

La matérialité devrait refléter les conséquences financières, clients, réglementaires et opérationnelles. L’exhaustivité de l’inventaire peut être testée par rapport aux référentiels de code, aux systèmes de décision, aux factures de fournisseurs et aux cartographies de produits. Les modèles non documentés créent un risque de transaction parce que leurs résultats, leur propriété et leur coût de remédiation ne peuvent pas être évalués de manière fiable.

L’inventaire devrait distinguer les modèles des règles déterministes tout en préservant la chaîne de décision complète. Un tableau de politique peut créer un risque matériel de type modèle même s’il ne relève pas d’une définition formelle. L’historique des versions devrait indiquer les dates de développement, de validation, d’approbation, de déploiement et de retrait. Les dépendances devraient identifier les données, les logiciels, le matériel et les rapports en aval. Le conseil devrait recevoir une vue de l’inventaire axée sur les changements importants, les actions en retard et les limites dépassées. La due diligence de transaction devrait échantillonner les entrées de l’inventaire par rapport à la production réelle afin de tester l’exhaustivité et l’exactitude.

27. Établir la cartographie de gouvernance

La cartographie de gouvernance devrait relier l’appétit pour le risque du conseil, la direction générale, la propriété des modèles, le développement, la validation indépendante, la propriété des données, les utilisateurs, la conformité, l’audit interne et l’approbation des changements. Les droits de décision devraient être clairs tout au long du cycle de vie du modèle.

Les rôles et l’indépendance devraient être adaptés à l’institution, à la matérialité et aux exigences applicables.

La cartographie devrait prévoir l’escalade des violations de performance, des incidents et des validations en retard. Le développement par un tiers ne transfère pas la responsabilité des décisions et des conséquences au titre des cadres applicables.

Les procès-verbaux du comité devraient consigner les éléments probants, les contestations, les conflits, les conditions et les décisions. L’approbation devrait identifier le modèle exact et son usage plutôt qu’un programme technologique général. L’indépendance du développement et de la validation devrait être proportionnée et crédible, les validateurs devant pouvoir restreindre l’usage. Les propriétaires des données devraient être responsables de la qualité, tandis que les utilisateurs métier sont responsables du respect de la politique. L’audit interne devrait évaluer le cadre et l’environnement de contrôle dans les limites de son mandat, sans remplacer la validation indépendante des modèles. L’examen des transactions devrait identifier les postes vacants ou les conflits de rôles qui rendent la gouvernance dépendante de quelques personnes.

28. Réaliser une validation indépendante

La validation devrait remettre en question la solidité conceptuelle, les données, l’implémentation, la performance, les limites et l’usage prévu. Elle devrait inclure une analyse des résultats, une analyse comparative, des tests de sensibilité et de résistance adaptés à la matérialité du modèle. Les constats de validation devraient comporter une gravité, un responsable, une échéance et une restriction d’usage.

Tableau 3. Programme de validation indépendante

Le périmètre et la fréquence doivent refléter la finalité du modèle, sa matérialité, sa méthodologie, son évolution et les attentes de supervision applicables.

L’indépendance exige autorité et compétence, avec un reporting à l’organe de supervision compétent. Une validation réalisée avant le déploiement doit être suivie d’une surveillance en production et d’un examen périodique.

Les constats doivent distinguer les défauts, les limites et les recommandations. Une limite peut autoriser une utilisation dans des périmètres définis, tandis qu’un défaut peut nécessiter une correction ou une suspension. Les contrôles compensatoires doivent être spécifiques, surveillés et limités dans le temps. La validation doit reproduire les résultats clés à partir de données et de code contrôlés, tester des solutions de référence alternatives et examiner la sensibilité aux variables et aux seuils. La documentation du fournisseur peut éclairer l’examen, mais ne doit pas remplacer les tests sur la population de la société. La clôture exige des éléments probants et une confirmation indépendante adaptée à la gravité.

29. Surveiller la dérive et la performance

La surveillance doit couvrir la distribution des données d’entrée, les valeurs manquantes, la distribution des scores, l’approbation, l’acceptation, la calibration, les impayés précoces, le défaut, le recouvrement, les dérogations, les explications, l’équité et les réclamations. Les seuils doivent préciser l’action déclenchée par un dépassement.

La dérive peut résulter de changements économiques, de produit, de canal, de fraude, de recouvrement, de politique ou de données. La réponse peut inclure une enquête, un renforcement de l’examen, un ajustement des seuils, un overlay, une recalibration, un retour arrière ou une suspension. Le décalage des résultats signifie que les indicateurs avancés et les résultats matures doivent être présentés séparément. Les arriérés d’enquête et de remédiation doivent être visibles pour les investisseurs.

La surveillance doit distinguer le changement statistique de la conséquence économique. La distribution d’une variable peut évoluer sans nuire aux décisions, tandis qu’un léger changement près d’un seuil d’approbation peut affecter sensiblement les emprunteurs et les pertes. Les seuils doivent donc combiner des mesures quantitatives et métier. La santé des flux de données et les volumes de décisions doivent être surveillés, car des données manquantes peuvent donner l’impression d’une meilleure stabilité. Les rapports doivent indiquer les dépassements, leur durée, l’exposition, l’action et le responsable. Les dépassements répétés doivent alimenter la matérialité du modèle et les sensibilités du capital ou de la valorisation.

30. Évaluer la dépendance à l’égard des fournisseurs et des tiers

Les modèles de fournisseurs, les données, les services cloud, les bureaux de crédit et les plateformes de décision nécessitent des contrats et une due diligence technique. L’organisation doit comprendre la méthodologie, la population de développement, la performance, les limites, le processus de changement, les niveaux de service, les droits sur les données, la sécurité, l’accès à l’audit, la portabilité et la résiliation.

La société doit valider les résultats du fournisseur sur ses propres emprunteurs et surveiller les résultats en production. Un score externe performant peut se dégrader lorsque le portefeuille, la zone géographique ou le canal d’acquisition diffèrent. La planification de la sortie doit estimer le remplacement, l’exécution en parallèle, la validation, la notification réglementaire et l’impact client. La concentration et la réévaluation tarifaire des fournisseurs doivent être intégrées aux sensibilités de financement et de valorisation.

Les contrats doivent prévoir l’accès à la documentation et aux éléments probants de performance, et pas seulement la disponibilité du service. La notification des changements est importante lorsque les fonctionnalités, le modèle ou la logique des bureaux de crédit évoluent. Le prêteur doit tester les solutions de repli en cas de panne et de dégradation des données, y compris le risque d’appliquer des scores obsolètes. Les dépendances de quatrième partie doivent être cartographiées lorsqu’elles sont critiques. Si la migration devait prendre plus de temps que l’horizon de liquidité ou l’approbation réglementaire, la substituabilité est faible. Les investisseurs doivent voir le coût et le calendrier pour réduire une dépendance importante.

31. Encadrer la confidentialité, la sécurité et la résilience

Les données de prêt peuvent inclure des informations sensibles relatives à l’identité, aux finances, à l’appareil et au comportement. La collecte, l’utilisation, l’accès, la conservation, le transfert et la suppression doivent respecter la loi applicable, le consentement et la finalité. La sécurité dès la conception et la confidentialité dès la conception doivent être démontrées par l’architecture, les contrôles et les tests.

Le système de décision doit disposer de plans de disponibilité, de reprise, de gestion des incidents et de retour arrière. Une panne de modèle ou de données peut interrompre les octrois de crédit ou créer des décisions non maîtrisées. Les événements cyber peuvent corrompre les entrées, exposer les données clients ou manipuler les résultats. Les tests de résilience doivent inclure des tiers et être reliés aux conséquences financières et clients.

L’accès doit suivre le principe du moindre privilège, avec une séparation entre le développement, l’approbation et le déploiement en production. Les artefacts de modèle, le code et les fonctionnalités doivent faire l’objet de contrôles d’intégrité. La journalisation doit permettre la reconstruction des décisions significatives sans conserver de données au-delà de ce qui est légalement nécessaire. La réponse aux incidents doit couvrir les approbations et refus erronés, la notification aux clients, les déclarations réglementaires, la remédiation et l’exposition financière. La sauvegarde et le retour arrière doivent être testés par rapport à une version de modèle et une politique de décision connues. Les dépenses de résilience doivent être intégrées à l’économie du passage à l’échelle.

32. Cartographier le périmètre réglementaire

La cartographie produit doit identifier les obligations de prêt, de courtage, de gestion des prêts, de paiements, de données, de protection des consommateurs, de reporting de crédit, d’externalisation et AI par entité et par zone géographique. Le régulateur applicable et la licence doivent être rattachés à chaque activité significative. Un avis juridique est nécessaire pour des conclusions spécifiques.

Les supports de la CBUAE sur la gestion des modèles et les supports AI responsables pour 2026 fournissent d’importants ancrages UAE pour les institutions assujetties et les usages ayant un impact sur les consommateurs. Les orientations de l’EBA sur l’octroi de prêts, les orientations des États-Unis sur le risque de modèle et les exigences en matière de notification des décisions défavorables fournissent d’autres exemples dans d’autres juridictions. Le dossier Actions devrait éviter d’importer une règle sans établir son applicabilité.

Le registre des obligations devrait consigner la source, l’entité, le produit, le contrôle, la preuve, le responsable, les tests et le circuit de signalement des manquements. Il devrait être mis à jour avant l’introduction de nouvelles données, de nouveaux modèles, structures de financement ou marchés. La société devrait rapprocher l’analyse juridique du fonctionnement réel du système. Une politique qui promet une revue humaine ou une explication constitue une preuve faible si le flux de travail et les journaux ne peuvent pas le démontrer. Les constats de supervision historiques, les réclamations et les mesures correctives devraient être liés à la cause racine et à la clôture. Les prévisions de revenus ne devraient commencer que lorsque la préparation juridique et opérationnelle soutient le lancement.

33. Tester le transfert entre produits et zones géographiques

Un modèle entraîné sur un produit ou un marché peut ne pas se transférer à un autre. La stabilité des revenus, la couverture des bureaux de crédit, le comportement de paiement, le recouvrement juridique, la macroéconomie et la sélection des clients peuvent différer. La performance devrait être testée avant le déploiement et surveillée après le lancement.

Les prévisions d’expansion devraient inclure l’acquisition de données locales, la conception de la politique de crédit, la validation, la préparation réglementaire, le financement et la capacité de recouvrement. Un pilote devrait définir des limites d’exposition et des conditions d’arrêt. Les documents destinés aux investisseurs devraient distinguer l’économie de production avérée du bénéfice de transfert attendu.

Les tests de transfert devraient comparer la couverture des données d’entrée, la distribution des scores, la calibration et les résultats avant de considérer le modèle comme transférable. Les conditions macroéconomiques et de recouvrement juridique locales peuvent nécessiter une recalibration ou une cible différente. Les partenariats peuvent modifier la sélection des candidats et la qualité des données. Un lancement contrôlé devrait plafonner les octrois dans le temps et selon l’exposition, préserver une référence et programmer un examen formel après une maturité suffisante des résultats. Le dossier de valorisation devrait pondérer l’expansion par probabilité et inclure le capital nécessaire pour apprendre en toute sécurité.

34. Établir le prévisionnel d’exploitation

La prévision devrait modéliser les demandes, les approbations, l’acceptation, les octrois, l’encours moyen, le rendement, les impayés, les défauts, le recouvrement, le financement, la gestion des prêts, la conformité, les effectifs, le capital et les flux de trésorerie par cohorte. Les facteurs moteurs devraient être rapprochés des preuves historiques et des actions approuvées.

Les scénarios de base, défavorable et favorable doivent reposer sur des hypothèses cohérentes. Un scénario défavorable peut inclure une composition de demandeurs plus faible, un taux d'acceptation plus bas, une dérive de calibrage, des pertes plus élevées, un recouvrement plus lent, des critères d'éligibilité au warehouse plus stricts, un renforcement de la conformité et des actions différées. Le point de trésorerie minimum et la marge de covenant doivent être visibles. Les réponses du management doivent être testées pour en vérifier la faisabilité.

La prévision doit utiliser une mécanique par millésime plutôt qu'un pourcentage unique de perte de portefeuille. Les nouvelles originations doivent entrer dans leurs propres courbes de maturation, avec les produits, le financement et les pertes comptabilisés de manière cohérente. Les changements de modèle doivent affecter l'approbation et le mix de risque via des hypothèses explicites. Les effectifs et la technologie doivent refléter les volumes de demandes, d'examen, de gestion et de recouvrement. Le bilan, le compte de résultat et les flux de trésorerie doivent se réconcilier. Les responsables des hypothèses doivent mettre à jour l'écart entre réel et plan chaque mois, en préservant le dossier de financement initial à des fins de responsabilité.

35. Modéliser le capital, le financement et la liquidité

La croissance du crédit nécessite un financement avant l'arrivée des encaissements. Le modèle doit cartographier les actions, les facilités de warehouse, les accords de forward flow, la titrisation, les dépôts le cas échéant, les réserves et la trésorerie conservée. Les taux d'avance, les bases d'emprunt, la concentration, les déclencheurs de performance et les appels de marge doivent être reflétés.

Une erreur de modèle peut affecter la liquidité autant que les pertes. Des cohortes en détérioration peuvent devenir inéligibles, augmenter les réserves ou réduire l'appétit des investisseurs. Les tests de résistance doivent relier les résultats de souscription, de gestion et de recouvrement à la capacité de financement. Les exigences réglementaires de capital et de liquidité nécessitent une analyse propre aux faits pour l'entité.

La diversification du financement doit être mesurée par la capacité utilisable dans des conditions défavorables, et non par les seuls engagements annoncés et signés. Le modèle doit présenter, pour chaque facilité, l'échéance, le renouvellement, la tarification, le collatéral, les covenants, le taux d'avance, l'éligibilité et la concentration. Les acheteurs de forward flow peuvent suspendre ou repriser les nouveaux achats, renvoyant les originations au bilan. L'allocation d'actions doit préserver une marge de sécurité pour un financement différé et le développement des pertes. Un déclencheur d'arrêt des originations approuvé par le conseil peut protéger la liquidité lorsque la performance ou la marge disponible au titre des facilités se détériore.

36. Construire le pont de valorisation

Le pont de valorisation doit relier l'avantage du modèle à des moteurs opérationnels mesurables : approbation à perte constante, perte à approbation constante, tarification, financement, gestion, conformité, durée de croissance et besoin de trésorerie. Les effets déployés et validés doivent être séparés des bénéfices de la feuille de route.

Le pont est analytique ; la valorisation propre à l'entreprise exige des éléments probants, des données de marché et un jugement professionnel.

Les multiples de chiffre d'affaires doivent être interprétés au regard des pertes, du financement, de la concentration, de la rétention et de la gouvernance. Les flux de trésorerie actualisés exigent des hypothèses de cohorte et de financement défendables. La structure du capital, les préférences, la dette et la dilution déterminent l'allocation de la valeur des actions.

Le pont doit éviter de compter deux fois le bénéfice du modèle. Une meilleure calibration peut réduire les pertes et soutenir le financement, mais le même effet ne doit pas non plus justifier, sans éléments probants, une revalorisation de multiple sans lien. L'analyse de scénarios doit montrer la valeur d'entreprise, la dette nette ou les obligations de financement, la trésorerie restreinte, les nouveaux capitaux et la détention pleinement diluée. Les tests de résistance inversés peuvent identifier la combinaison de pertes, de financement et de croissance qui épuise la liquidité ou ne respecte pas le rendement attendu par les investisseurs. La structure de la transaction peut alors traiter l'incertitude au moyen de jalons par tranche, de conditions, de gouvernance ou d'une fourchette de valorisation.

37. Noter la préparation des actions

La grille d'évaluation doit organiser les éléments probants selon les données, le modèle, la décision, le portefeuille, le financement, la gouvernance et la prévision. Les scores doivent être reliés aux enregistrements sous-jacents et ne doivent pas remplacer le jugement d'investissement. Les constats importants non résolus doivent plafonner le score concerné.

Tableau 4. Grille d’évaluation de la préparation des prêteurs en matière d’actions, propre à AI

La pondération doit refléter la maturité de l’entreprise, du produit, de la transaction et des éléments probants.

Le comité d’investissement doit recevoir les modifications de score, les exceptions relatives aux éléments probants et le coût des mesures correctives. Les faiblesses doivent orienter vers une due diligence complémentaire ou modifier le prix, la structure, les conditions, le montant du financement ou la décision de poursuivre.

Les orientations de notation doivent définir les éléments probants requis pour chaque note. Une validation récente comportant des constats de gravité élevée non résolus ne doit pas recevoir la même note que des éléments probants de production irréprochables. Le tableau de notation doit conserver les avis dissidents et identifier les hypothèses qui reposent sur des estimations de la direction. Son objet est d’orienter l’attention et les conséquences transactionnelles. Une faiblesse des données peut nécessiter un budget de mesures correctives placé sous séquestre, une faiblesse de financement peut réduire le plan de croissance finançable, et des cohortes non matures peuvent justifier un capital déployé par étapes plutôt qu’une conclusion de valorisation unique.

38. Préparer la data room de l’opération

La data room doit inclure les documents sociaux et les licences, les produits, le financement, la comptabilité, les données relatives aux demandes et aux facilités, l’inventaire des modèles, la documentation, la validation, le suivi, les dérogations, les politiques, les cohortes, les pertes, les récupérations, les réclamations, les fournisseurs, la cybersécurité, les prévisions, la valorisation et les documents du conseil d’administration.

Les fichiers doivent être indexés, datés, soumis à un contrôle d’accès et rapprochés du modèle opérationnel. Les données sensibles relatives aux clients et à la sécurité doivent être minimisées et traitées selon des protocoles juridiques convenus. La rédaction des documents doit préserver les faits analytiques requis. Les réponses de la direction doivent identifier le responsable, les éléments probants et la résolution plutôt que fournir un récit non étayé.

39. Mener le sprint de préparation à l’investissement en actions sur quatre-vingt-dix jours

Les trente premiers jours doivent rapprocher le périmètre, les données, les décisions et le portefeuille. Les jours trente et un à soixante doivent valider le lift, la calibration, les cohortes, l’économie unitaire, la gouvernance, le financement et les prévisions. Les jours soixante et un à quatre-vingt-dix doivent résoudre les exceptions significatives, approuver le pont de valorisation et préparer des supports investisseurs contrôlés.

Tableau 5. Plan de préparation à l’investissement en actions dans le secteur du prêt sur quatre-vingt-dix jours

Le calendrier dépend de la disponibilité des données, de la maturation du portefeuille, de la gravité du problème et des exigences de la transaction.

Le sprint devrait se conclure par une décision explicite et un registre des exceptions. Les problèmes qui ne peuvent pas être résolus avant le lancement doivent être divulgués, atténués et reflétés dans les conditions de la transaction.

40. Conclusion

La valeur de prêt native à AI émerge lorsqu’un modèle maîtrisé améliore l’économie de trésorerie réalisée ajustée du risque sur des cohortes complètes et arrivées à maturité. Le lift prédictif est un maillon d’une chaîne plus longue reliant des données à un instant donné, la politique, la sélection des clients, la tarification, le financement, la gestion des prêts, le défaut, le recouvrement et la liquidité.

Les conseils d’administration et les investisseurs devraient exiger des éléments probants reproductibles, une attribution claire des responsabilités, une validation indépendante, des dérogations contrôlées, des tests des résultats pour les clients et une analyse du financement en scénario défavorable. La chaîne des données aux pertes, la matrice lift-pertes, les millésimes de cohortes, la cartographie de gouvernance et le pont de valorisation transforment les affirmations du modèle en cadre de décision. Ils montrent aussi où des actions nouvelles peuvent financer le prochain jalon vérifiable de manière indépendante.

Références

1. Banque centrale des UAE, Normes de gestion des modèles, https://rulebook.centralbank.ae/en/rulebook/model-management-standards
2. Banque centrale de UAE, Orientations sur la gestion des modèles, https://www.centralbank.ae/media/22nps2k1/model-management-guidance-attach-to-notice-5052-2022.pdf
3. Banque centrale de UAE, Normes de gestion du risque de crédit, https://rulebook.centralbank.ae/en/rulebook/credit-risk-management-standards
4. Banque centrale de UAE, Article 13 : Modèles de risque de crédit, https://rulebook.centralbank.ae/en/rulebook/article-13-credit-risk-models-0
5. Banque centrale des UAE, Note d’orientation sur la protection des consommateurs et l’adoption et l’utilisation responsables de l’intelligence artificielle et de l’apprentissage automatique, https://rulebook.centralbank.ae/en/rulebook/guidance-note-consumer-protection-and-responsible-adoption-and-use-artificial-intelligence
6. Dubai Financial Services Authority, Enquête AI 2025, https://www.dfsa.ae/news/new-dfsa-ai-survey-generative-ai-adoption-has-nearly-tripled-within-difc-last-12-months-governance-continues-develop
7. Autorité bancaire européenne, Orientations sur l’octroi et le suivi des prêts, https://www.eba.europa.eu/regulation-and-policy/credit-risk/guidelines-loan-origination-and-monitoring
8. Autorité bancaire européenne, Rapport sur l’apprentissage automatique pour les modèles IRB, https://www.eba.europa.eu/sites/default/files/document_library/Publications/Reports/2021/1025438/Report%20on%20machine%20learning%20for%20IRB%20models.pdf
9. Conseil des gouverneurs du Système de la Réserve fédérale, Orientations révisées sur la gestion du risque de modèle SR 26-2, https://www.federalreserve.gov/supervisionreg/srletters/SR2602.htm
10. Bureau de protection financière des consommateurs, Circulaire 2022-03 sur les mesures défavorables et les algorithmes complexes, https://www.consumerfinance.gov/compliance/circulars/circular-2022-03-adverse-action-notification-requirements-in-connection-with-credit-decisions-based-on-complex-algorithms/
11. Fondation IFRS, IFRS 9 Instruments financiers, https://www.ifrs.org/issued-standards/list-of-standards/ifrs-9-financial-instruments/
12. Fondation IFRS, IFRS 7 Instruments financiers : informations à fournir, https://www.ifrs.org/issued-standards/list-of-standards/ifrs-7-financial-instruments-disclosures/
13. Comité de Bâle sur le contrôle bancaire, Principes de gestion du risque de crédit, https://www.bis.org/publ/bcbs75.htm
14. Comité de Bâle sur le contrôle bancaire, Bonnes pratiques : implications des évolutions de la fintech pour les banques et les autorités de surveillance bancaire, https://www.bis.org/bcbs/publ/d431.htm
15. Banque des règlements internationaux, Système financier intelligent : comment AI transforme la finance, https://www.bis.org/publ/work1194.htm
16. Centre d’innovation de la Banque des règlements internationaux, Projet Noor, https://www.bis.org/project/noor
17. Banque mondiale, Technologies de rupture dans le secteur du partage d’informations de crédit, https://documents1.worldbank.org/curated/en/587611557814694439/pdf/Disruptive-Technologies-in-the-Credit-Information-Sharing-Industry-Developments-and-Implications.pdf
18. Banque mondiale, Principes généraux pour l’information sur le crédit, https://www.worldbank.org/en/topic/financialinclusion/publication/general-principles-for-credit-reporting
19. National Institute of Standards and Technology, Cadre de gestion des risques AI, https://www.nist.gov/itl/ai-risk-management-framework
20. Organisation internationale de normalisation, ISO/IEC 42001 Systèmes de management de l'intelligence artificielle, https://www.iso.org/standard/81230.html
21. OCDE, Principes de l'OCDE en matière de AI, https://oecd.ai/en/ai-principles
22. Union européenne, Règlement sur l'intelligence artificielle, https://eur-lex.europa.eu/eli/reg/2024/1689/oj
23. Bureau du Commissaire à l’information du Royaume-Uni, Orientations sur AI et la protection des données, https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/artificial-intelligence/
24. Autorité de conduite financière du Royaume-Uni, AI et services financiers, https://www.fca.org.uk/firms/innovation/artificial-intelligence
25. Conseil des normes internationales d'évaluation, Normes internationales d'évaluation, https://www.ivsc.org/standards/
26. Conseil de stabilité financière, Les implications de l'intelligence artificielle pour la stabilité financière, https://www.fsb.org/2024/11/the-financial-stability-implications-of-artificial-intelligence/