SPOTLIGHT
Les nouvelles sources de données et l’IA redéfinissent les pratiques d’octroi de prêts
Des données et des analyses de meilleure qualité pour remplacer les anciennes pratiques La modernisation et la numérisation de fonctions essentielles, telles que les décisions d’octroi de prêt, la prévention des fraudes, l’automatisation des processus et l’expérience client, poussent les institutions financières (IF) et les entreprises de technologie financière à investir dans le big data, l’IA et le cloud pour répondre aux besoins toujours plus importants des emprunteurs. Les emprunteurs souhaitent que leurs interactions avec les établissements de crédit soient plus personnalisées et sans heurts. En retour, les établissements de crédit pourront plus facilement proposer d’autres services financiers en construisant ainsi une relation client durable. Pour pouvoir proposer ce type d’interactions, ils ont besoin de données supplémentaires. Cependant, disposer d’un nombre plus important de données ne signifie pas nécessairement qu'elles seront de meilleure qualité. Les sources de données à utiliser peuvent varier selon les décisions à prendre. Chaque décision d’octroi de prêt doit se fonder sur des paramètres de risque particuliers qui dépendent de l’emprunteur ainsi que des objectifs de financement. Un schéma unique de modélisation des données limitera la capacité des prêteurs à prendre les meilleures décisions et limitera le nombre de consommateurs susceptibles de bénéficier de leurs services. Il est donc essentiel de tenir compte des données appropriées – issues des sources de données appropriées – dans les processus décisionnels. Pour cela, ces processus doivent s’appuyer sur des modèles d'apprentissage automatique pertinents. De cette manière, il sera plus facile de détecter les dérives et de les rectifier avant qu’elles n’aient des conséquences sur l’exploitation. En combinant différents types de données et de modèles d'apprentissage automatique, les établissements de crédit pourront prendre des décisions plus pertinentes au bénéfice des deux parties – le prêteur et l’emprunteur – aussi bien pour les prêts aux particuliers que pour les prêts aux entreprises. L’utilisation de modèles basés sur l’IA permet non seulement d’accélérer le traitement d’un nombre croissant de demandes de prêt, mais également d’offrir la meilleure expérience client possible. En investissant dans des solutions exploitant l’IA pour les opérations de prêt, les institutions financières et les entreprises de technologie financière auront ainsi la possibilité d’augmenter leurs revenus et de fidéliser leurs clients à long terme. Mais pour tirer pleinement parti de l’IA, elles ont besoin de données de qualité. Grâce à des modèles d’apprentissage permanent alimentés par des données en temps réel sur les identités, les fraudes et les crédits, il est possible de prendre des décisions immédiates qui minimisent les risques. Selon le guide des dépenses mondiales dans la 3 e plateforme pour le secteur bancaire ( Worldwide 3rd Platform Spending Guide , IDC, novembre 2021), les dépenses technologiques dans les systèmes d’IA devraient passer de 11,7 milliards de dollars en 2021 à 27,7 milliards de dollars en 2025 (taux de croissance annuel sur quatre ans de 24,2 %). Les institutions financières ont donc parfaitement mesuré l’importance de l’IA pour les décisions d’octroi de prêt et s’engagent activement à mettre en place ce type de technologie. Les établissements de crédit ont besoin d’investir dans le numérique pour gagner des parts de marché et augmenter leurs revenus, et les décisions d’octroi de prêt font partie des domaines prioritaires à cet égard. Les modèles utilisés pour évaluer les risques doivent s’appuyer sur une technologie d’IA alimentée par un écosystème de données de qualité afin de prendre les bonnes décisions.
n° US49647322
Page 4
Made with FlippingBook Digital Publishing Software