|
EN BREF
|
L’intelligence artificielle (IA) est aujourd’hui au cœur des innovations dans le secteur bancaire, promettant d’améliorer la gestion des risques liés aux crédits. Toutefois, une analyse approfondie des pratiques bancaires révèle un paradoxe frappant : ces systèmes, censés renforcer la sécurité crédit, engendrent paradoxalement de nouvelles incertitudes et vulnérabilités. Cet article explore comment l’usage de l’IA dans le secteur bancaire impacter les processus de décision liés au crédit et les conséquences potentielles sur la stabilité financière.
La transformation du secteur bancaire par l’IA
Le secteur bancaire européen est en pleine mutation grâce à l’essor de l’intelligence artificielle. Les algorithmes prennent le relais des analystes traditionnels, capable de déterminer l’octroi d’un prêt en l’espace de quelques secondes. S’il s’agit d’un progrès indéniable en termes d’efficacité, il soulève également des inquiétudes quant à la qualité des évaluations de crédit. En effet, le recours accru à l’IA pourrait nuire à une analyse approfondie des demandes de crédit.
Les bénéfices et les risques associés à l’IA dans la gestion du crédit
Les résultats d’études récentes montrent que malgré ses avantages, l’utilisation de l’IA dans l’octroi de crédits peut avoir des effets ambigus. Si les technologies basées sur l’IA améliorent la liquidité dans certaines banques, elles sont également liées à une augmentation des prêts non performants. En effet, une hausse de 7 points de pourcentage du ratio de couverture de liquidité a été observée, tandis que le ratio de prêts non performants a augmenté de 0,35 point de pourcentage. Ces chiffres révèlent un paradoxe inquiétant.
La sélection des emprunteurs et les limites de l’IA
Les algorithmes d’IA s’appuient principalement sur des données quantitatives, faciles à traiter. Cependant, cette approche présente des lacunes en matière de prise en compte des aspects qualitatifs, tels que le contexte personnel des emprunteurs. Cela peut donner lieu à des décisions basées sur des données qui paraissent solides sur le papier, mais qui ne reflètent pas la réalité sur le terrain. Ce risque de sélection peut fragiliser davantage le système bancaire en augmentant les dossiers douteux.
Des modèles homogènes et leurs conséquences
L’homogénéisation des comportements des banques, due à une adoption collective de technologies similaires, alimente un risque systémique. Les institutions financières risquent d’adopter des modèles d’évaluation de crédit presque identiques, menant à des décisions convergentes. En cas de crise, cette uniformité pourrait aggraver les déséquilibres économiques, au lieu de les atténuer. Ainsi, la diversité dans l’évaluation des risques, rendue difficile par la standardisation des algorithmes, devient essentielle pour prévenir des crises majeures.
Répercussions sur l’économie réelle et régulation nécessaire
Les conséquences de l’usage de l’IA dans le crédit ne se limitent pas au secteur bancaire. En effet, l’accumulation de prêts non performants pourrait durcir les conditions de financement pour le secteur privé, entraînant une baisse de la demande globale. Cette situation appelle à une meilleure régulation des pratiques d’utilisation de l’IA. Bien que l’Union européenne ait commencé à encadrer ces pratiques avec l’AI Act, il est crucial d’intégrer les risques collectifs associés à l’usage généralisé des algorithmes pour maintenir la stabilité sur le long terme.
Vers une meilleure compréhension des algorithmes et la nécessité du jugement humain
Pour naviguer ces nouvelles réalités financières, il est impératif d’améliorer la transparence et l’explicabilité des algorithmes. Les régulateurs doivent pouvoir superviser les décisions de crédit de manière éclairée. En outre, des tests de résistance algorithmiques doivent être mis en place pour évaluer le comportement des IA en période de crise, afin de déceler des vulnérabilités qui se cachent en temps normal. Enfin, l’importance du jugement humain dans l’évaluation des situations complexes doit être réaffirmée, pour que ces technologies, qui devraient maîtriser le risque, ne deviennent pas un vecteur d’instabilité.