Le scoring : tour d'horizon de l'analyse du risque du crédit

Nous ouvrons une série d’articles sur l’analyse du risque du crédit du point de vue de la statistique. Des  experts vont nous éclairer sur des notions qui compliquent sérieusement notre compréhension de la question lorsque nous demandons un crédit à la consommation ou autre. Le but de ces articles consiste à rendre facilement compréhensible ces notions et l’univers complexe et spécialisé du crédit. Ce premier article traite donc de l’analyse de risque crédit.

De nos jours, les établissements bancaires font face à différentes formes de risques à savoir : les risques du marché, le risque naturel et le risque de crédit.

Intéressons-nous au risque de crédit. Les établissements bancaires accordent des crédits aux particuliers, mais ces derniers éprouvent parfois des difficultés lorsqu’il faut rembourser ces prêts financiers. Le risque de crédit est donc considéré comme l’incapacité partielle ou totale des emprunteurs d’honorer leurs engagements après avoir bénéficié des crédits accordés par les établissements bancaires.

Le risque de crédit est causé par divers facteurs notamment :

1.    La mauvaise évaluation de la situation financière du débiteur
2.    La détérioration de la valeur du crédit
3.    L’aspect imprévisible du taux de recouvrement

Pour minimiser le risque de crédit sur la solvabilité des banques, les accords de Bâle2 ont remis au goût du jour les techniques de scoring  imposant aux banques de calculer des probabilités de défaut et le montant des pertes en cas de défaut (1). Le scoring se présente en effet comme une technique statistique permettant de classer un individu dans l’un des groupes définis à priori et liée à certaines caractéristiques de cet individu qu’il soit bon payeur ou non. Il s’agit bien d’une méthode de classement statistique car elle est basée d’abord sur un traitement statistique des données issues d’un échantillon des banquiers, leur permettant lors de demandes de crédit par leurs clients de détecter si ces derniers présentent un grand risque de non remboursement (2).

Dans la pratique, la banque doit se renseigner et disposer de certaines informations sur l’évaluation de la situation financière du débiteur avant d’octroyer un crédit, à savoir l’âge de la personne, l’utilisation du crédit, le montant de crédit, le revenu de la personne, le nombre d’années que cette personne a travaillé, etc. Toutes ces variables explicatives concourent à une décision d’octroi ou de refus de crédit. La décision est une variable dépendante des différents éléments mentionnés ci-dessus. En outre, les banques lorsqu’elles font le choix, se basent sur des critères statistiques pour résoudre un problème du genre imprévisible, en essayant de modéliser un phénomène où la décision d’octroyer ou refuser un crédit est une variable dépendante de plusieurs autres variables appelées indépendantes.

Dans le cas d’espèce, cette variable dépendante a deux modalités : accepter d’octroyer un crédit et refuser d’octroyer un crédit, cette technique permet ainsi aux banques de prédire si un emprunteur sera un bon ou un mauvais payeur de façon à prendre la décision la plus appropriée et de sélectionner le meilleur modèle possible. Ce modèle vise à diminuer le plus possible les impacts néfastes qu’ils pourraient avoir sur la rentabilité des opérations effectuées de la banque.

Sources :

(1)    Crédit Scoring, Statistique et apprentissage, Gilbert Saporta, 75141 Paris Cedex 03
(2)    Cours de méthodes de scoring-Hassen MATHLOUTHI Page 5

Crédit photo : Michal Jarmoluk via Pixabay under Creative Commons licence