2/4+150 XP

Construire des scores de crédit à partir de données comportementales et bureau

# Construire des scores de crédit à partir de données comportementales et bureau

Un prêteur reçoit une demande à 9h14. À 9h14:03, un modèle a renvoyé un score, un prix et une décision. Quelque part dans ces trois secondes, des dizaines de features ont été extraites, transformées et pondérées. Reconstituons exactement ce qui s'est passé.

La décision que nous reconstituons

Imaginez « Maya », 29 ans, qui demande un prêt personnel de 12 000 $. Son historique de crédit est modeste : une carte de crédit ouverte il y a trois ans, pas de prêt immobilier, un prêt auto antérieur remboursé.

Le travail du prêteur consiste à estimer sa probabilité de défaut (PD), le risque qu'elle ne rembourse pas comme convenu (souvent défini comme un retard de 90 jours et plus sur 12 à 24 mois). Ce seul chiffre détermine la décision d'accord ou de refus et le taux d'intérêt.

Pour l'estimer, le modèle s'appuie sur trois sources de données. Prenons-les une par une.

Source 1 : les données bureau

Un credit bureau est une société qui agrège les historiques d'emprunt et de remboursement de plusieurs prêteurs. Aux États-Unis, les trois grands sont Equifax, Experian et TransUnion. Dans la plupart des pays, un ou deux bureaux dominants jouent le même rôle.

Quand Maya dépose sa demande, le prêteur récupère son credit report et souvent un score bureau de type FICO ou VantageScore. Les features brutes qui comptent le plus :

Historique de paiement : paiements à l'heure ou en retard. C'est le facteur le plus lourd dans la plupart des scores.
Taux d'utilisation du crédit : encours divisé par les plafonds. Une carte à 90 % de son plafond signale une tension.
Ancienneté de l'historique : des comptes anciens réduisent l'incertitude.
Diversité du crédit et nouvelles demandes : de nombreuses « hard inquiries » récentes (demandes de crédit) peuvent indiquer quelqu'un en recherche active de crédit.

Le Consumer Financial Protection Bureau explique ce qui entre dans un score de crédit en termes simples, utile pour les non-spécialistes.

Pour Maya, les données bureau sont propres mais maigres. Trois ans d'historique et une carte ouverte laissent peu de matière au modèle. C'est le problème du thin file, sur lequel nous reviendrons.

Source 2 : données comportementales et transactionnelles

Si Maya est cliente du prêteur, ou si elle donne accès à ses données de compte, le modèle voit les flux de trésorerie, pas seulement l'historique de crédit.

L'open banking, cadre qui permet aux consommateurs d'autoriser des tiers à accéder à leurs données de transactions bancaires via des API sécurisées, a généralisé cette pratique. Au Royaume-Uni et dans l'UE, il est réglementé ; aux États-Unis, il se développe sous les règles finalisées autour des travaux de la Section 1033 du CFPB.

Les données transactionnelles sont riches. À partir d'un flux brut de débits et de crédits, les analystes construisent des features telles que :

Stabilité des revenus : régularité et montant des dépôts entrants.
Matelas de trésorerie : solde typique en fin de mois, et fréquence à laquelle il approche de zéro.
Dépenses discrétionnaires contre dépenses contraintes : loyer, charges et échéances de prêt contre restaurants et achats.
Fréquence des découverts : des découverts répétés sont un signal de tension précoce très fort.

Voici le type de feature engineering qui transforme un flux brut en input de modèle :

python

# Flux de trésorerie net mensuel et nombre de découverts à partir d'une table de transactions
monthly = (txns
    .assign(month=txns.date.dt.to_period("M"))
    .groupby("month")
    .agg(inflow=("amount", lambda x: x[x > 0].sum()),
         outflow=("amount", lambda x: -x[x < 0].sum()),
         min_balance=("running_balance", "min")))

monthly["net_flow"] = monthly.inflow - monthly.outflow
overdraft_months = (monthly.min_balance < 0).sum()

Pour Maya, ces données valent de l'or. Même avec un dossier de crédit maigre, douze mois de dépôts de salaire réguliers et un solde constamment positif racontent une solide histoire de remboursement que le bureau seul avait manquée.

Source 3 : les données alternatives

Les données alternatives désignent tout élément prédictif situé hors des fichiers de crédit traditionnels. Exemples courants et défendables :

Loyers et charges : un loyer payé à l'heure est très pertinent mais historiquement invisible pour les bureaux. Des programmes permettent désormais aux consommateurs de l'ajouter.
Paiements télécoms et abonnements : paiement régulier de factures récurrentes.
Cash flow underwriting : les features transactionnelles ci-dessus, formalisées.

Certains prêteurs testent des signaux plus risqués (données d'appareil, comportement d'achat). À manier avec prudence : ils soulèvent des questions d'équité et de vie privée et attirent l'attention des régulateurs. La valeur des données alternatives est maximale là où elles captent une réelle capacité et volonté de payer, comme l'historique de loyer.

🎬 [VIDEO: "How Credit Scores Actually Work" - youtube.com - une explication claire des facteurs derrière les scores bureau et des raisons de leurs variations]

Combiner les features dans un modèle

Le prêteur dispose maintenant de 50 à 200 features construites. Deux approches de modélisation courantes :

Régression logistique / scorecards. Le cheval de bataille traditionnel. Les features sont découpées en classes et se voient attribuer des points. Transparent, facile à expliquer aux régulateurs, facile à raisonner. Toujours dominant dans le crédit réglementé, précisément parce qu'on peut pointer chaque motif.

Gradient boosted trees et modèles ML. Plus prédictifs, surtout avec des données transactionnelles riches. Mais plus difficiles à expliquer, ce qui compte énormément en crédit.

Quel que soit le modèle, la sortie est une PD. Une logique de scorecard simplifiée ressemble à ceci :

Points de base : 600
Taux de paiements à l'heure supérieur à 98 % : +40
Utilisation inférieure à 30 % : +30
Dépôts de salaire réguliers (12 mois et plus) : +35
Deux découverts ou plus au dernier trimestre : -25

Maya obtient de bons résultats sur les flux de trésorerie, ce qui compense son dossier bureau maigre. Accordé, à un taux intermédiaire.

Le problème du thin file

Plusieurs dizaines de millions d'adultes américains sont credit invisible ou unscorable, c'est-à-dire que les bureaux manquent de données pour générer un score. Le CFPB a publié des travaux estimant cette population à plusieurs dizaines de millions de personnes.

Les demandeurs thin-file sont, de façon disproportionnée, jeunes, immigrés récents ou à faibles revenus. Un modèle reposant uniquement sur les données bureau en refusera beaucoup par défaut, non parce qu'ils sont risqués, mais parce qu'ils sont inconnus.

C'est là l'argument central, économique et social, en faveur des données alternatives : elles permettent d'accorder du crédit sans danger à des personnes solvables mais invisibles. Les données de cash flow et de loyer sont les leviers les plus éprouvés.

Les contraintes d'équité redessinent le modèle

Les modèles de crédit opèrent sous un droit anti-discrimination strict. Aux États-Unis, l'Equal Credit Opportunity Act (ECOA) interdit la discrimination fondée sur des caractéristiques protégées comme la race, le sexe, l'âge et l'origine nationale.

Deux conséquences façonnent chaque décision sur les features :

1. Disparate impact. Même une feature d'apparence neutre peut être illégale si elle produit de moins bons résultats pour un groupe protégé sans justification métier. Une feature de code postal, par exemple, peut servir de proxy pour la race. Les modélisateurs testent les features sur ce point et les retirent ou les contraignent souvent.

2. Adverse action notices. Si Maya était refusée, l'ECOA obligerait le prêteur à lui indiquer les motifs précis (« taux d'utilisation du crédit élevé », « historique de dépôts insuffisant »). C'est pourquoi l'explicabilité n'est pas optionnelle. Une boîte noire incapable de produire un reason code valide ne peut pas être déployée dans le crédit réglementé.

Le travail sur l'équité avance donc en parallèle de la modélisation : mesurer les écarts de résultats entre groupes, chercher des modèles alternatifs moins discriminants qui préservent la précision tout en réduisant les écarts, et documenter chaque choix. Le CFPB a affirmé que les règles d'adverse action s'appliquent pleinement aux algorithmes complexes, machine learning inclus.

Vérification des acquis

1. Dans le contexte du scoring de crédit, que représente principalement la probabilité de défaut (PD) ?

2. Le dossier de Maya est décrit comme « thin ». Pourquoi un dossier de crédit maigre pose-t-il un problème au modèle de scoring ?

3. Pourquoi le taux d'utilisation du crédit (encours divisé par les plafonds) est-il traité comme un signal de risque significatif plutôt que comme une simple mesure du montant dû ?

CHOIX MULTIPLES

4. Sélectionnez TOUTES les réponses correctes sur ce que les credit bureaus fournissent aux prêteurs.

Sélectionnez toutes les réponses correctes.

CHOIX MULTIPLES

5. Sélectionnez TOUTES les réponses correctes sur les facteurs qui pèsent habituellement dans l'évaluation d'un emprunteur.

Sélectionnez toutes les réponses correctes.

Remettre les pièces ensemble

Revenons à Maya à 9h14. Voici la reconstitution complète :

1. L'interrogation du bureau renvoie un dossier maigre mais propre. Pris isolément, à la limite.

2. Le flux open banking ajoute douze mois de revenus réguliers et un matelas de solde confortable. Son score progresse nettement.

3. Les données alternatives de loyer confirment des paiements de logement à l'heure.

4. Les contrôles d'équité confirment qu'aucune feature interdite n'a guidé la décision, et les reason codes sont prêts en cas de besoin.

5. Le modèle produit une PD suffisamment basse pour accorder le prêt, et le tarifie en conséquence.

La leçon : le scoring de crédit moderne n'est pas un chiffre unique venu d'un seul bureau. C'est un système en couches où les données transactionnelles et alternatives sauvent les demandeurs thin-file, et où les contraintes d'équité et d'explicabilité déterminent activement quelles features survivent.

Points clés à retenir

Trois couches de données alimentent les modèles de crédit : bureau (historique et utilisation), comportementale (cash flow issu des transactions) et alternative (loyer, charges). Chacune comble les manques des autres.
Les demandeurs thin-file posent un problème de features, pas de risque. Des dizaines de millions de personnes solvables sont invisibles pour les bureaux ; les données de cash flow et de loyer sont les moyens les plus éprouvés de les scorer sans danger.
Le droit de l'équité redessine le jeu de features. L'ECOA et les tests de disparate impact peuvent éliminer des features prédictives (comme les proxys de code postal) et imposer des modèles explicables plutôt que des boîtes noires.
L'explicabilité est une exigence dure, pas un confort. Les adverse action notices imposent que chaque refus s'accompagne de motifs précis et valides, ce qui favorise les scorecards transparentes ou un ML bien instrumenté.
Le score est une probabilité de défaut, convertie en accord/refus et en prix. Tout ce qui se passe en amont existe pour estimer ce seul chiffre plus précisément et plus équitablement.

Comment une simple transaction devient une donnée bancable

Détecter la fraude et le blanchiment en temps réel