Scoring crédit: une application comparative de la régression logistique et des réseaux de neurones

1.1.2. La justification pour les managers, les décideurs politiques et les chercheurs

L'objet de cette étude de data mining en vue de l'élaboration d'un modèle prédictif des défaillances de remboursement dit « Score » chez les clients de l'UMECUDEFS, peut revêtir un intérêt pour les managers, mais aussi pour les décideurs politiques.

Pour les managers de l'UMECUDEFS, recevoir une étude de data mining se justifie par des impératifs à la fois stratégique (réorientation/amélioration des services vers une cible particulière) et opérationnelle (réduction des impayés). En comparaison à l'évaluation implicite ou subjective, l'évaluation statistique quantifie le risque et présente de nombreux avantages potentiels. Aussi, sans prétendre à l'exhaustivité, les dirigeants de l'UMECUDEFS pourront bénéficier des attraits suivants inhérents à notre étude^21(*) :

§ La quantification du risque comme probabilité. Le produit d'une évaluation statistique est une probabilité, le produit d'une évaluation subjective est un sentiment, et il est plus facile pour le microprêteur de gérer les probabilités que les sentiments.

§ La cohérence de l'évaluation statistique. Deux personnes ayant les mêmes caractéristiques auront les mêmes risques estimés. Alors que dans un système d'évaluation subjective, on pourrait obtenir des variations selon les agents de crédit responsables ou même l'humeur d'un responsable donné. La discrimination pour le sexe, l'âge ou l'ethnie n'a pas de place dans l'évaluation statistique ; les pondérations des caractéristiques sont basées sur des données historiques sans l'influence des jugements subjectifs.

§ L'explicité de l'évaluation statistique. Le procédé exact utilisé pour pronostiquer les risques avec l'évaluation statistique est connu et peut être communiqué. Par contre, l'évaluation subjective dépend d'un procédé flou que même les utilisateurs (les agents de crédit) auront du mal à expliquer.

§ La portée du nombre de facteurs évalués. Les directives des manuels de l'évaluation subjective peuvent spécifier qu'une candidature doit correspondre à certains indices financiers et d'autres règles de principes, mais contrairement à l'évaluation statistique, l'évaluation subjective ne peut tenir compte de 30 à 50 caractéristiques.

§ La réduction du temps de travail. La vertu majeure de l'évaluation statistique pour l'agent de crédit est qu'il passera nettement moins de temps au traitement des demandes de crédit, de même qu'au recouvrement.

§ L'influence sur les bénéfices financiers. Le bénéfice financier est le nombre de « mauvais » prêts qui seraient rejetés multiplié par le bénéfice financier net d'un « mauvais » prêt évité, ôté au nombre de « bons » prêts qui seraient rejetés multiplié par le coût financier net d'un « bon » prêt perdu. En effet, la pratique a montré qu'il est bien plus grave d'octroyer un prêt à une personne qui ne le remboursera pas (faux positif - erreur de type 1) que de ne pas octroyer un prêt à une personne fiable (faux négatif - erreur de type 2).

Pour les décideurs politiques dont l'une des préoccupations principales tient à l'élargissement de l'accès du plus grand nombre d'agents économiques à des services financiers adaptés et sécurisés, cette étude de data mining est intéressante à deux titres. En ce sens qu'à terme d'une part, elle aura pour corollaire une amélioration de l'accès des PME-PMI au crédit (donc à l'investissement), et d'autre part une limitation du risque de surendettement des mutuelles face à un portefeuille de crédit médiocre. En effet, un des axes de développement formulés dans des politiques macroéconomiques au Sénégal tient à l'accroissement des investissements intérieurs, ajouté aux investissements étrangers.

Cet accroissement est crucial pour atteindre un taux de croissance accéléré et durable à même de créer les conditions d'une économie émergente, via une hausse des créations d'emploi, de la consommation, et donc une baisse de la pauvreté (un des points des OMD). Or l'accroissement du niveau des investissements intérieurs ne peut se faire sans l'amélioration de l'accès au crédit des PME/PMI, qui représentent 80% du tissu industriel sénégalais. Ceci alors qu'une autre justification de cette étude, à l'endroit des décideurs, est liée à la limitation du risque de surendettement qui est à attendre, en ce sens que l'utilisation du score de risque dans le domaine de crédit permet à l'institution financière d'améliorer l'allocation de ses fonds propres, notamment relatif au ratio de solvabilité.

Par ailleurs, le système bancaire étant vulnérable au risque de crédit, un autre intérêt de cette mission de data mining est d'ordre monétaire, car les risques liés aux incidents de paiement qui touchent directement la trésorerie des SFD seront mieux appréhendés, et par conséquent mieux traités. Les crises financières (susceptibles de se muer en crise de confiance de plus grande empleur), qui pourraient être consécutives à l'état de cessation de paiement d'un réseau mutualiste, n'en seront que plus prévenues.

Pour les chercheurs, cette étude pourrait trouver une justification dans leur tentative d'imitation des organismes élémentaires, depuis une vingtaine d'année, s'appuyant sur la thèse selon laquelle « la tâche la plus ordinaire accomplie par l'insecte le plus infime le sera toujours plus rapidement qu'il ne serait possible en employant la stratégie computationnelle » (Varela, 1996, p. 56). Le bouleversement méthodologique est en effet profond, puisque deux paradigmes se font face : le constructivisme qui présuppose l'existence d'un modèle par lequel la solution est estimée (exemple le modèle par régression logistique), et le connexionnisme qui privilégie les résultats par apprentissage qui émergent de la coopération globale d'agents multiples (exemple les réseaux de neurones).

* ²¹ Schreiner, Mark ,« Les Vertus et Faiblesses de L'évaluation Statistique (Credit scoring en Microfinance », Microfinance Risk Management, septembre 2003