Des prédictions au service du crédit

Dans l'univers du crédit, le recours à des technologies d'apprentissage automatique est désormais en bonne voie de s'imposer comme une norme universelle, du moins pour la qualification des dossiers. La singapourienne DBS veut également les mettre à contribution pour optimiser ses services aux entreprises, avant et après la souscription.
Le pire de la pandémie et ses conséquences dévastatrices à peine passés, de nouvelles menaces s'accumulent aujourd'hui sur l'économie, entre taux record d'inflation, hausse des taux d'intérêt, ruptures sur les chaînes d'approvisionnement et relèvement du taux de TVA… C'est donc dans ce contexte que la banque met en avant ses efforts afin de soutenir les PME du pays, principalement à travers ses solutions de financement, augmentées, grâce à l'intelligence artificielle, sous trois angles complémentaires.
Le premier pilier de sa stratégie consiste, sans surprise tant il devient courant, à mettre en place un parcours de demande de prêt simplifié et instantané. Dans ce but, le candidat à l'emprunt se voit inviter à ouvrir l'accès à ses données comptables, si du moins celles-ci sont enregistrées sur la plate-forme Xero avec qui DBS a conclu un partenariat. Leur analyse détaillée autorise alors une prise de décision en temps réel, à la fois pour la validation de l'opération et pour les conditions accordées (taux et montant maximal).
Le deuxième volet de l'approche est probablement plus important car il relève de l'anticipation, qui constitue fréquemment une faiblesse des dirigeants et autres responsables financiers de petites structures, plus concentrés sur le court terme et relativement mal équipés pour des projections dans le temps. Avec l'option « Quick Finance », les clients de l'établissement recevront automatiquement une offre de prêt personnalisée dès que les algorithmes de suivi en détecteront la nécessité.

Dernière composante, toujours dans le domaine de la prédiction mais cette fois appliquée aux détenteurs d'un crédit : il s'agit là d'identifier au plus tôt ceux qui risquent la défaillance et de leur apporter une assistance concrète (faite de conseil, de plan de refinancement…) avant la survenue de l'incident. Mise en place depuis quelque temps, la méthode a déjà fait ses preuves, puisque DBS estime repérer 95% de ses prêts non performants trois mois avant que les premiers signes de difficultés effectives n'apparaissent dans ses comptes, le danger étant ensuite écarté dans 80% des cas.
À ce stade, l'industrie bancaire n'a guère qu'effleuré les immenses opportunités créées par la masse d'information disponible et les outils d'apprentissage automatique capables de l'exploiter. Et l'exemple de DBS montre clairement comment une déclinaison sur l'ensemble d'une relation peut s'avérer bénéfique autant pour l'institution (et ses résultats) que pour ses clients (et leur prospérité, sinon leur survie). Il sera maintenant intéressant de voir si ses modèles d'analyse, élaborés à partir des données d'une période antérieure, restent efficaces quand ils sont confrontés à une conjoncture radicalement différente.