Le Journal des Entreprises : Pourquoi avoir décidé de développer un algorithme pour détecter les comportements menant au surendettement ?
Mathias Crouzet : Nous, Informatique Banque Populaire et Banque Populaire Grand Ouest, avons été sollicités, il y a un an, à l’occasion du Web2day par NaonedIA, le collectif, devenu association, qui entend rassembler les acteurs du territoire souhaitant travailler sur des programmes d’intelligence artificielle éthique, responsable, collaboratif, développé en open source. C’était au moment du mouvement des Gilets jaunes. Je me suis alors interrogé sur ce que la Banque Populaire Grand Ouest pouvait faire, pour avoir un impact qui corresponde au projet de NaonedIA. J’ai proposé de travailler sur le surendettement.
Notre métier, en tant que banquier, est de maîtriser les risques pour le compte de nos clients, afin de leur garantir la stabilité et la sérénité qu’ils cherchent auprès d’une banque. Le surendettement est une épreuve difficile pour tous, aussi bien pour le client que pour la banque, et est souvent lié à un incident de vie. Notre rôle, en tant qu’entreprise responsable, est d’identifier et de prévenir au mieux ces situations. BPGO travaille déjà pour accompagner les personnes en surendettement, mais nous aimerions pouvoir prévenir et détecter les comportements à risque. Nous nous sommes dit, au début du projet, avec l’équipe d’Informatique Banque Populaire, qu’en scannant les comptes et en faisant du machine learning (apprentissage automatique, NDLR), nous pouvions développer un algorithme efficace en six mois. Nous nous sommes vite rendu compte que cela allait nous prendre beaucoup plus de temps.
Pour quelle raison ?
M. C. : Il faut prendre en compte l’humain. L’intelligence artificielle, ce n’est pas une baguette magique, c’est avant tout de l’humain. Analyser les comptes bancaires ne suffit pas. Prendre en compte les personnes qui font des prêts à la consommation, par exemple, n’est pas suffisant : plus de 20 % des situations de surendettement ne comportent aucun prêt à la consommation.
« On ne peut pas se baser sur des approximations pour établir un algorithme. Il faut de l’humain pour bien comprendre les comportements. »
Nous avons alors interrogé tous les services de la banque pour avoir leur point de vue. Nous nous sommes rendu compte que chacun, du commercial au service des recouvrements, en passant par le service dédié à la conformité ou l’équipe de data scientists, avait sa propre définition du surendettement. Nous envisagions de nous intéresser à la fréquence d’accès aux comptes bancaires en ligne, en présupposant qu’une personne en difficulté évite de trop regarder ses comptes. Nous voulions aussi prendre en compte la composition du foyer et les dépenses. Mais comment pondérer ces critères ? On ne peut pas se baser sur des approximations pour établir un algorithme. Il fallait ajouter de l’humain pour bien comprendre les comportements.
C’est ce qui a amené Banque Populaire Grand Ouest et i-BP à faire un don de 50 000 euros à la Fondation de l’Université de Nantes pour faire travailler deux chercheurs, la sociologue Pascale Moulevrier et le chercheur au Laboratoire de Psychologie des Pays de la Loire Abdel Boudoukha, qui vont réaliser, pendant un an, des études quantitatives et qualitatives auprès de publics cibles. Nous espérons avoir des retours au premier trimestre 2020. C’est une première étape. Nous ne prévoyons pas de sortir un algorithme avant au moins deux ans. Nous ne sommes pas dans de l’intelligence artificielle jetable.
Quels objectifs vous êtes-vous fixés ?
M. C. : Le but est de développer un algorithme fiable, qui soit utilisable par les banques, mais aussi toutes les sociétés confrontées à des problèmes d’impayés, comme EDF, qui songe à rejoindre le projet, par exemple. Nous allons aussi travailler sur le sujet avec la Banque de France. Il faudra aussi tester auparavant avec d’autres banques et d’autres entreprises. Pour rappel, la Banque de France enregistre près de 92 000 nouvelles situations de surendettement chaque année et elle évalue à 6,6 milliards d’euros l’endettement global pour les 147 853 ménages concernés.
L’idée est de rester transparent, que cet algorithme reste accessible et ouvert. Les banques travaillent déjà ensemble sur de nombreux sujets. Il n’y a pas de concurrence sur des thèmes comme celui-là. Le but est d’obtenir l’aval de l’ACPR, l’Autorité de contrôle prudentiel et de résolution, afin que toutes les banques puissent utiliser cet algorithme. Nous devons aussi travailler sur le règlement RGPD pour voir comment nous pouvons mettre en place un cadre éthique et juridique, de manière à travailler sur ces données qui sont personnelles.
