Dans un contexte réglementaire et économique contraignant, de taux bas et de marge d’intérêt sous forte contrainte, l’efficacité opérationnelle est devenue une priorité des acteurs bancaires. Aujourd’hui, des techniques innovantes, notamment d’intelligence artificielle, permettent le développement d’outils efficaces pour optimiser les processus dans un objectif de maximisation du couple rendement/risques. Dans ce cadre, le Crédit Immobilier de France a lancé, en collaboration avec DataStorm, la mise en place d’un dispositif structurant de pilotage de la performance intégrant un ensemble d’outils ciblés et calibrés permettant une gestion plus efficace de son recouvrement des créances tout en assurant une maximisation de la valeur économique de l’entreprise. À cet égard, le Crédit Immobilier de France – banque en résolution – est par nature dans une logique de maximisation de la valeur de ses actifs et en outre fait face à un coût de refinancement élevé nécessitant un processus de recouvrement efficace et très rapide.
Un dispositif structurant
Ce dispositif intègre plusieurs outils dont certains exploitant des modèles de machine learning, qui couplés entre eux, permettent de fournir soit une aide à la décision ex ante, de manière à guider les gestionnaires sur la meilleure stratégie à envisager, soit une analyse ex post pour déceler tout écart de performance entre plates-formes de recouvrement.
En effet, depuis sa mise en résolution, l’activité principale du CIF est de gérer en extinction les créances. Le recouvrement des impayés peut engendrer un risque sur le résultat compte tenu de l’impact de cette activité sur le coût du risque et les frais généraux. L’idée de ce dispositif a émergé progressivement, d’une part tout naturellement compte tenu des liens étroits mis en place entre la direction des risques et la direction des opérations en charge du recouvrement, et d’autre part parce que, dans une banque en résolution, la direction des risques n’est pas uniquement un organe de contrôle et de surveillance, mais doit aussi, à l’aide des outils développés dans le cadre de la surveillance des risques, participer à la maîtrise voire à la diminution du coût du risque ainsi que des frais de recouvrement et de refinancement.
Le dispositif imaginé (voir Schéma) combine des instructions et des modèles qui passent au crible chaque dossier à travers une grille de critères conditionnant la stratégie à mener, en fonction des différents contextes. Sur le plan opérationnel, les stratégies de recouvrement peuvent être diverses natures : poursuite du recouvrement amiable, incitation donnée au client de vendre son bien, accélération du passage en contentieux, mise en place de plan d’apurement ou restructuration de la créance, etc.
L’innovation des modèles consiste en la combinaison de moteurs, déjà en place ou en cours de déploiement, qui évaluent :
- la segmentation de la clientèle, par niveau de risques sur le passage en douteux ou de procédure de surendettement ;
- la rentabilité des différentes stratégies possibles tenant compte de l’ensemble des revenus et des coûts ;
- l’espérance de recouvrement attendue et le délai ;
- ainsi que, ex post, la surveillance de la performance opérationnelle sur les drivers clés du coût du risque.
Un recouvrement efficace passe par une bonne connaissance de son portefeuille…
Au cours des derniers mois, le CIF a développé des outils performants d’analyse du bilan. Ceux-ci ont permis la mise en place d’une segmentation dynamique des typologies, des comportements et des catégories de produits rendant ainsi possible un traitement différencié selon la typologie de clientèle et pouvant alors mobiliser plus efficacement les gestionnaires sur les stratégies adéquates en vue d’accélérer les paiements.
Les portefeuilles à risque sont identifiés par la combinaison des méthodes classiques d’analyse des risques et des techniques innovantes comme par exemple par l’analyse croisée avec un portefeuille miroir (voir Encadré 1).
En parallèle, des modèles de machine learning ont été développés pour classer les clients par type de risque et définir leur propension à entrer en procédure de surendettement.
Ces méthodes mathématiques et algorithmiques totalement éprouvées permettent d’établir une segmentation des profils de clients selon des critères composant une grille d’analyse.
…mais aussi en une bonne connaissance de la rentabilité de chaque action
En parallèle, la Crédit Immobilier de France a développé un outil d’évaluation de la rentabilité de chaque dossier en fonction de différentes stratégies envisageables intégrant l’ensemble des coûts internes et externes (coût du risque, frais généraux et de recouvrement répétibles ou non, refinancement.) et des revenus. Cet outil est en cours de déploiement au sein des plates-formes de recouvrement après une période de test. Au-delà de sa capacité de prévision et de compréhension des composantes de la rentabilité, il a vocation à intégrer le dispositif comme une aide à la décision permettant ainsi de guider les gestionnaires sur la meilleure stratégie, tant pour le client que pour l’entreprise en prenant en compte l’ensemble des éléments contextuels.
De manière plus précise, le moteur évalue, selon une propagation matricielle, l’espérance de rentabilité des créances (voir Encadré 2) sur chaque période en fonction de la typologie de clientèle, de l’état de l’opération, par exemple le nombre d’impayés ainsi que les probabilités de changement d’état. L’ensemble des paramètres (encours, intérêt, coûts de procédure de recouvrement, coût de portage de la créance…) et l’encours sont ainsi propagés en fonction des états futurs jusqu’à l’extinction de la créance. Plusieurs stratégies (restructuration, procédure de saisie, vente amiable du bien, etc.) sont testées et la meilleure stratégie est celle qui maximise la rentabilité in fine sur l’opération sous la contrainte bien sûr des règles de protection et de l’intérêt du client.
Cette recommandation économique est ensuite complétée par les modalités de recouvrement minimum pour garantir cette rentabilité. Il s’agit notamment des échéances minimales lorsqu’une de restructuration est à envisager, ou de l’espérance de recouvrement minimum et le délai maximum dans l’hypothèse où un recouvrement amiable conventionnel est suggéré.
L’attaché de recouvrement lors de la mise à jour de la situation du client peut ainsi envisager la meilleure stratégie à l’aide de critères objectivés tout en restant parfaitement maître de la stratégie à adopter, car aucune délégation de décision n’est donnée à l’algorithme.
Méthodologie et mise en œuvre
Sur le plan méthodologique, le développement ces dernières années des algorithmes de machine learning et la réduction du temps entre la recherche et ses débouchés permet d’envisager de nouvelles applications de ces techniques à des domaines jusque-là réservés à des approches plus classiques fondées sur des systèmes experts. Ces techniques permettent, dans un cadre mathématique rigoureux, de disposer de systèmes non seulement plus précis dans les anticipations qu’ils proposent mais également et surtout beaucoup plus agiles du fait du caractère adaptatif des algorithmes de machine learning qui prennent naturellement en compte les évolutions de contexte.
Sur le plan opérationnel, le dispositif a pu être mis en place grâce aux liens étroits entre le métier et la direction des risques rendant ainsi possible l’utilisation des outils développés dans le cadre de l’analyse des risques en les adaptant pour mettre en œuvre un dispositif au service du métier. Les premières briques mises en place ont déjà permis de participer à la bonne maîtrise du coût du risque, en détectant au plus tôt les dérives, voire contribué directement à la baisse du coût du risque et de tous les coûts internes ou externes liés au recouvrement de créance.
