Le « machine learning » dans les modèles IRB
Selon l’EBA, l’usage des techniques de ML dans les modèles IRB est à ce stade limité à certains travaux de modélisation. Le ML est appliqué aux travaux de développement de modèle sur le paramètre de la probabilité de défaut (PD). Il l’est plus rarement pour les autres (LGD, EAD). Au niveau de la validation de modèle, les techniques de ML sont également utilisées, notamment pour développer des modèles challengers, en complément des metrics traditionnels de validation.
Trois cas d’usage en matière de gestion des risques
Une importante banque française a développé des plateformes internet de suivi de l’actualité réglementaire et juridique. Grâce aux algorithmes de traitement du langage naturel (NLP), elle automatise la classification des articles publiés en ligne, les achemine vers les équipes pertinentes et génère des alertes si cela est pertinent.
Un système avancé de détection de fraude par chèque a été mis au point grâce à l’IA. Ce projet pluriannuel a abouti à la création de modèles d'IA surpassant en efficacité les approches traditionnelles basées sur des règles métier.
Dans le cadre des exigences réglementaires Loan Origination Monitoring (LOM, www.eba.europa.eu/regulation-and-policy/credit-risk/guidelines-on-loan-origination-and-monitoring), une solution d’identification des signaux faibles et forts s’appuyant sur l’IA a été développée. La banque s’est dotée d’une plateforme web automatisée, qui facilite la collecte d'informations, élargit le périmètre des données analysées (ex : avis clients en ligne) et optimise le processus d’ensemble via l’IA générative.
