Masterclass Systèmes d’alerte précoce pour la supervision bancaire : économétrie, IA et SupTech

Un système d’alerte précoce en supervision bancaire est le processus par lequel une autorité transforme les données qu’elle détient déjà sur les banques qu’elle supervise en un signal opportun indiquant qu’un établissement précis se dégrade. Il associe des intrants — états prudentiels, constats de contrôle sur place, comportement de paiement, prix de marché lorsqu’une cotation existe — à un modèle qui classe ou note les établissements, et au cadre prudentiel qui détermine ce qui peut être fait en réponse. Il se distingue des indicateurs d’alerte précoce propres à une banque, qui servent sa direction et son plan de redressement : le superviseur observe de l’extérieur une population entière d’établissements, avec moins d’information mais une comparaison plus large, et doit pouvoir justifier toute action fondée sur ce signal.

Ils répondent à des questions différentes, pour des acteurs différents. Le dispositif d’indicateurs d’une banque observe un seul bilan de l’intérieur, avec un accès complet aux positions et aux intentions, et sert à déclencher les actions de gestion et de redressement de la banque avant que des seuils ne soient franchis. Un système d’alerte précoce prudentiel observe de l’extérieur une population entière d’établissements, avec une information moins fine et plus tardive, et sert à allouer une attention prudentielle rare et à justifier une intervention dans une banque précise. Les conséquences diffèrent également : une banque qui agit sur son indicateur se gère elle-même, tandis qu’un superviseur qui agit sur un signal exerce une prérogative publique sur un établissement privé — d’où l’importance bien plus grande de la solidité du fondement et de la proportionnalité du côté prudentiel.

L’apprentissage automatique peut améliorer le classement des établissements par risque, et il traite mieux que les approches classiques la non-linéarité et les interactions entre variables. Mais la défaillance bancaire est un événement rare, ce qui change ce que ces méthodes peuvent honnêtement offrir. Un modèle qui prédit la survie de chaque établissement paraîtra très précis dans une population où presque toutes les banques survivent : c’est pourquoi un taux de précision global est ici une mesure trompeuse. La rareté implique aussi peu d’exemples d’apprentissage, d’où une tendance à épouser les crises particulières de la fenêtre d’estimation plutôt que le schéma général. La position pratique enseignée dans ce programme est que l’apprentissage automatique vaut pour hiérarchiser l’attention prudentielle et faire émerger des candidats à un examen approfondi, sans se substituer au jugement prudentiel ni à un cadre capable de fonder l’action.

Le SupTech désigne l’usage de la technologie par les autorités de supervision pour exercer la supervision elle-même — par distinction avec le RegTech, technologie employée par les entités régulées pour satisfaire à leurs obligations. Dans un contexte d’alerte précoce, il couvre la chaîne qui rend un signal possible : collecte et validation automatisées des états prudentiels, rapprochement et contrôles de qualité, ordonnancement déterminant la fraîcheur possible du signal, couche analytique notant les établissements, et tableaux de bord et alertes par lesquels les superviseurs le reçoivent. La technologie est rarement la difficulté. Les obstacles récurrents sont la qualité des données à la collecte, des tableaux de bord conçus pour ceux qui les bâtissent plutôt que pour les superviseurs qui doivent les lire, et des alertes si fréquentes qu’elles cessent d’être lues.

Il est conçu pour une cohorte mixte, issue d’une même autorité ou de plusieurs : superviseurs bancaires et équipes de surveillance sur pièces, départements stabilité financière et macroprudentiel, politique prudentielle et sanctions, économistes et modélisateurs, équipes statistiques et reporting réglementaire, et les équipes SupTech, informatique et informatique décisionnelle qui bâtissent les tableaux de bord. Les séances de modélisation sont calibrées pour qu’un superviseur qui ne programme pas suive le raisonnement et conteste les hypothèses, et les séances réglementaires pour qu’un modélisateur comprenne les contraintes que rencontrera son résultat. C’est délibéré : un système d’alerte précoce échoue le plus souvent aux jointures entre ces départements, qui siègent rarement dans la même salle.

Les deux formats sont complets : ils couvrent les mêmes neuf modules et aboutissent à la même conclusion, y compris la simulation de la Salle des signaux qui clôt le programme. La différence tient au rythme. Le format d’une semaine se déroule de façon intensive sur cinq journées pleines et convient aux équipes qui doivent acquérir la capacité rapidement et peuvent s’y consacrer sans interruption. Le format de deux semaines parcourt le même terrain à une allure plus posée, avec des séances de travail plus longues, davantage de discussions de cas et du temps pour les échanges entre superviseurs d’autorités différentes — que bien des cohortes apprécient autant que le contenu technique. Les deux sont dispensés en anglais et en français, en salle et en ligne, et en intra pour une autorité unique. Le choix porte sur le rythme et la disponibilité, non sur l’étendue du contenu.