En novembre 2021, l’Autorité bancaire européenne (ABE) a sollicité les acteurs du secteur bancaire pour avoir leurs commentaires sur l’utilisation de l’apprentissage automatique pour les modèles internes basés sur les notations.
Le 4 août 2023, l’ABE a publié un rapport de suivi présentant ses commentaires ainsi qu’un aperçu des cas d’utilisation actuels des techniques d’apprentissage automatique utilisées. De plus, le rapport examine également l’interaction de ces techniques avec le Règlement général sur la protection des données (RGPD) et la proposition de législation sur l’intelligence artificielle (Artificial Intelligence Act). L’ABE estime que cette dernière nécessite d’être clarifiée afin de garantir qu’aucune incertitude ne subsistera après son adoption.
Dans le rapport de suivi de l’ABE, les termes « apprentissage automatique » (ou « machine learning ») se réfèrent à des « modèles caractérisés par un grand nombre de paramètres, qui nécessitent un grand volume de données (potentiellement non structurées) pour leur estimation et qui sont capables de refléter des relations non linéaires entre les variables ».
Le rapport se concentre notamment sur les modèles les plus complexes tels que l’analyse de régression ou les arbres de décisions simples qui sont souvent moins transparents. Le principal défi concerne la complexité des techniques d’apprentissage automatique qui ne permet pas d’expliquer facilement les résultats et qui induit des problèmes de traçabilité. De plus, les institutions financières ont souvent un manque de main d’œuvre qualifiée et des difficultés à aborder la question de l’overfitting (aussi appelé « surapprentissage », il s’agit de la situation où le modèle prend en compte des données qui ne sont pas forcément pertinentes).
L’apprentissage automatique est notamment utilisé dans le domaine du risque de crédit par les institutions financières afin d’évaluer la solvabilité ou pour établir des scores en vue de l’octroi de crédits. Mais il est moins utilisé pour la détermination des exigences de fonds propres.
En annexe du rapport de suivi, figurent certaines recommandations de l’ABE telles que l’importance de fournir une documentation claire de niveau approprié à l’organe de direction afin de bien comprendre le modèle ainsi que la nécessité d’éviter toute complexité inutile dans l’approche de modélisation si aucune amélioration significative des capacités prédictives ne le justifie.
Source :
