Loading...
Le terme « Intelligence Artificielle » dans la finance évoque souvent deux images opposées : une vision utopique de prises de décision automatisées et infaillibles, ou une crainte dystopique d'algorithmes « boîte noire » opaques effectuant des choix biaisés et non responsables. Chez Zirdle, nous rejetons ces deux extrêmes. Notre philosophie s'enracine dans un concept plus puissant et pragmatique : l'Intelligence Augmentée.
Nous ne croyons pas que l'IA puisse remplacer le jugement nuancé et contextuel de nos analystes de crédit humains experts et de nos partenaires courtiers sur le terrain. Au contraire, nous voyons l'IA - spécifiquement le machine learning (ML) - comme un outil incroyablement puissant qui peut augmenter leurs capacités, leur permettant de prendre des décisions plus rapides, plus cohérentes et plus riches en données.
Cet article démystifiera le fonctionnement réel de l'IA dans notre cadre d'évaluation du risque de crédit, en se concentrant sur la façon dont elle amplifie nos experts humains, plutôt que de les supplanter.
Pendant des décennies, l'évaluation du crédit s'est appuyée sur des modèles statistiques traditionnels, comme la régression logistique, utilisant un nombre limité de données (par ex., revenus, niveau d'endettement, défauts passés). Ces modèles sont transparents et faciles à interpréter, mais ils présentent des limites significatives :
Nos modèles de ML sont conçus pour surmonter ces limites et servir de copilote puissant pour nos décideurs humains. Voici comment :
Nos modèles peuvent analyser des milliers de données pour chaque opportunité de prêt, bien au-delà de ce qu'un humain pourrait traiter. Cela inclut non seulement les données financières traditionnelles, mais aussi :
En traitant cet immense ensemble de données, le modèle peut révéler des informations et des risques potentiels qui seraient autrement restés cachés.
C'est là que le ML excelle véritablement. Un analyste humain pourrait constater que le chiffre d'affaires d'un emprunteur augmente, ce qui est un bon signe. Mais un modèle de ML pourrait identifier un schéma plus complexe : « Le chiffre d'affaires augmente, MAIS il se concentre de plus en plus auprès d'un seul client qui évolue dans un secteur négativement corrélé à la hausse des prix du pétrole. »
Le modèle ne se contente pas d'examiner des variables ; il examine les relations complexes et multidimensionnelles entre elles. Il peut signaler ces corrélations cachées et les présenter à l'analyste humain pour investigation plus approfondie.
Chaque être humain a des biais inconscients. Un analyste peut avoir eu une expérience particulièrement bonne ou mauvaise avec un certain secteur, ce qui pourrait influencer subtilement ses jugements futurs. Nos modèles d'IA, lorsqu'ils sont correctement entraînés et audités pour l'équité, sont exempts de ces biais humains.
Le modèle fournit un score « probabilité de défaut » cohérent et basé sur les données pour chaque prêt. Ce score ne prend pas la décision finale. Il sert plutôt de référence objective. Si un analyste humain souhaite passer outre la recommandation du modèle (pour approuver un prêt que le modèle a signalé, ou rejeter un prêt qu'il a approuvé), il doit fournir une justification écrite et claire. Ce processus « humain-dans-la-boucle » impose une prise de décision rigoureuse et responsable, combinant le meilleur des deux mondes : la cohérence basée sur les données de la machine et la compréhension contextuelle de l'expert humain.
Contrairement aux modèles statiques, nos systèmes de ML sont conçus pour apprendre. Nous les alimentons continuellement avec de nouvelles données de performance sur notre portefeuille de prêts. En observant quels prêts ont bien performé et lesquels ont fait défaut, le modèle affine constamment ses algorithmes, devenant plus intelligent et plus précis au fil du temps. Il peut s'adapter aux conditions économiques changeantes d'une manière que les modèles traditionnels ne peuvent tout simplement pas.
L'avenir de l'évaluation du crédit n'est pas une bataille entre humains et machines. C'est un partenariat. Chez Zirdle, notre IA n'est pas un juge autonome ; c'est l'assistant de recherche le plus puissant au monde. Elle trie des montagnes de données, identifie des schémas complexes et présente ses conclusions à nos experts humains. Ce sont ces experts - nos équipes internes et nos partenaires courtiers externes - qui appliquent ensuite leur sagesse, leur expérience et leur connaissance du terrain pour prendre la décision finale et intelligente de prêt.
Cette approche d'intelligence augmentée nous permet d'être à la fois technologiquement avancés et profondément humains, offrant un niveau d'évaluation des risques plus approfondi, plus cohérent et plus tourné vers l'avenir que jamais auparavant.
