Comment les nouvelles sources de données stimulent la croissance des prêteurs

Pour les prêteurs, la meilleure façon d’accroître la rentabilité passe par la sélection des risques : décider à qui prêter et à quel prix. Pour garder une longueur d’avance dans le contexte actuel, ils doivent donc pouvoir ajuster en continu leurs décisions de risque. Pour le faire efficacement, il faut toutefois s’appuyer sur les données.

En s’appuyant sur des sources de données fiables dans leurs processus de décision, les prêteurs peuvent réaliser des évaluations de crédit précises et éclairées, et les automatiser à grande échelle. Ils peuvent ainsi réduire leurs taux de perte, développer leurs produits existants en maîtrisant le risque et lancer de nouveaux produits de crédit en toute confiance.

Cet article présente les sources de données les plus précieuses utilisées aujourd’hui par les prêteurs et la façon dont ils les intègrent pour soutenir une croissance rentable.

Points clés à retenir

• Les prêteurs les plus avancés s’appuient sur de nouvelles sources de données pour optimiser leurs décisions de crédit et accroître leur rentabilité dans le contexte actuel de taux d’intérêt élevés
• En crédit à la consommation, les données des bureaux de crédit sont la source la plus établie : elles donnent aux prêteurs une compréhension immédiate de l’historique de crédit d’un emprunteur
• Pour les consommateurs ayant un historique de crédit limité et pour les prêts aux petites entreprises, les prêteurs utilisent de plus en plus les données d’open banking pour évaluer le comportement financier et prendre des décisions de crédit plus inclusives
• Par ailleurs, les prêteurs aux PME les plus avancés se connectent à des fournisseurs de données comptables pour obtenir une vision en temps réel de la situation financière d’une entreprise et prêter à un plus large éventail d’entreprises
• Sur les marchés mal desservis par les institutions financières traditionnelles, où les données financières classiques sont rares, les prêteurs utilisent des sources de données alternatives, comme les données de téléphonie mobile, pour évaluer la solvabilité d’un emprunteur et favoriser l’inclusion financière
• Pour intégrer ces sources de données dans des parcours de décision de crédit automatisés, les prêteurs utilisent Taktile, une plateforme logicielle qui supprime les approximations dans les décisions de crédit et fournit aux prêteurs des intégrations de données fluides, sans aucune maintenance

Quelles sources de données les prêteurs utilisent-ils dans leurs décisions de crédit ?

Données des bureaux de crédit

Cas d’usage concernés : crédit à la consommation et crédit aux entreprises

Les données des bureaux de crédit comptent parmi les sources les plus établies à la disposition des prêteurs. En consultant les scores de crédit et les rapports de crédit, ils comprennent immédiatement l’historique financier d’un emprunteur. Comme les prêteurs sont souvent tenus de vérifier ces informations avant d’approuver un prêt, c’est généralement la première source de données utilisée dans la décision.

L’élément central d’un profil de crédit est le score de crédit, tel que le score FICO (États-Unis) ou SCHUFA (Allemagne). Calculé à partir du comportement de crédit passé d’un emprunteur, il indique la probabilité que celui-ci ne rembourse pas un prêt.

Toutefois, lorsqu’un emprunteur a peu ou pas d’historique de crédit, son score est bas par défaut. Les prêteurs combinent donc souvent les données de scoring avec les données des rapports de crédit, qui détaillent tous les prêts obtenus par un emprunteur, afin d’avoir une vision plus fine de son historique financier et de ses incidents de paiement passés. Ces détails leur permettent de distinguer les demandeurs sans historique de crédit de ceux qui ont déjà tardé à rembourser leurs prêts.

Pour intégrer ces données dans leurs décisions, les prêteurs font appel à des fournisseurs de données tels que CRS, qui collectent et agrègent les données de tous les grands bureaux de crédit des États-Unis. Pour aller plus loin, les prêteurs peuvent aussi s’appuyer sur des éditeurs de logiciels qui leur permettent d’utiliser directement ces données lors de la création de parcours de décision automatisés, afin de réaliser ces contrôles à grande échelle.

Par exemple, Taktile permet à Nelly de lancer rapidement sa première offre de crédit et prend en charge toutes les intégrations de données nécessaires, afin que Nelly n’ait pas à s’en occuper.

Données d’open banking

Cas d’usage concernés : crédit à la consommation et crédit aux entreprises

Jusqu’à récemment, évaluer précisément le risque de clients ayant un historique de crédit limité exigeait de collecter les données manuellement, ou était tout simplement impossible. L’open banking a changé la donne.

Grâce à l’open banking, les prêteurs peuvent accéder directement aux données du compte bancaire d’un client et obtenir en temps réel une vision de sa situation financière, quel que soit son historique de crédit. Les prêteurs portent ainsi une nouvelle vague d’inclusion financière auprès de nombreux segments d’emprunteurs, tels que les immigrés, les jeunes et les indépendants.

Si l’open banking offre une vision riche de la situation financière actuelle d’un client, les données de compte bancaire doivent être triées et agrégées avant de produire des enseignements pertinents. En effet, les données brutes de transactions doivent être transformées en indicateurs exploitables, comme des prévisions de trésorerie.

Heureusement, certains éditeurs vont au-delà de la simple fourniture de données brutes de transactions et les interprètent pour les prêteurs. Plaid est le premier fournisseur d’open banking au monde : il livre aux prêteurs des données brutes ainsi que des « signaux » prêts à l’emploi sur le comportement financier des clients.

Les prêteurs peuvent aussi s’appuyer sur des plateformes de décision comme Taktile pour aller plus loin et créer des signaux sur mesure, plus prédictifs de la santé financière de segments de clientèle spécifiques, comme les start-ups pré-revenus.

Par exemple, Moss, une fintech B2B proposant des produits de crédit aux PME, utilise Taktile pour créer des signaux de souscription très prédictifs pour ses segments de clientèle, à partir des données brutes de transactions fournies par des prestataires d’open banking. Moss favorise ainsi l’inclusion financière des PME en Europe, historiquement mal servies par les institutions financières traditionnelles.

Données comptables des entreprises

Cas d’usage concerné : crédit aux PME

Pour le crédit aux PME, les données des bureaux de crédit sont plus rares, pour deux raisons. De nombreux pays n’ont tout simplement pas de bureaux de crédit pour les entreprises. Et même quand c’est le cas, les entreprises plus récentes n’ont souvent pas d’historique de crédit établi. De plus, les états financiers audités des entreprises plus anciennes, parfois disponibles dans les registres publics du commerce, peuvent dater de 18 mois.

L’adoption rapide de logiciels de comptabilité comme Xero a ouvert une nouvelle opportunité aux prêteurs. Elle a aussi permis aux agrégateurs de données comptables de se connecter à ces logiciels et de donner aux prêteurs accès à des données comptables en temps réel (comptes de résultat, bilans, etc.) pour comprendre instantanément la situation financière d’une entreprise.

Grâce au niveau de détail des données comptables en temps réel, les prêteurs peuvent mieux évaluer la solvabilité des entreprises plus jeunes et plus petites, et leur proposer des offres de prêt très compétitives.

Le fournisseur le plus établi pour aider les prêteurs à améliorer leurs capacités de souscription auprès des PME est Codat, qui combine données comptables et données d’open banking pour produire des analyses puissantes que les prêteurs peuvent intégrer à leurs décisions.

Sources de données alternatives

Cas d’usage concernés : crédit à la consommation et crédit aux entreprises

Là où l’accès aux services financiers traditionnels est limité, les prêteurs ne peuvent souvent pas utiliser le scoring de crédit ni les données d’open banking pour évaluer le risque de nouveaux emprunteurs. Ils se tournent alors vers des sources de données alternatives, qui apportent de nouveaux éclairages et permettent de prêter à ces segments de clientèle historiquement mal servis.

Par exemple, les données de téléphonie mobile, comme la localisation de l’appareil, son usage et les contacts personnels, constituent une source de données alternative en forte croissance qui aide les prêteurs à repérer les comportements frauduleux et à évaluer la solvabilité de clients potentiels.

Comme il est très complexe d’extraire et d’interpréter les données issues des téléphones mobiles, les prêteurs doivent généralement s’associer à des éditeurs de logiciels pour générer ces analyses. CredoLab est l’un de ces fournisseurs : il produit des signaux de souscription à partir des données de téléphonie mobile, ce qui permet aux prêteurs de conquérir en confiance des segments de clientèle encore inexploités. Les prêteurs peuvent aussi opter pour des plateformes de décision de crédit automatisées.

Par exemple, Branch, un acteur du microcrédit sur les marchés émergents, utilise Taktile pour héberger des algorithmes de machine learning qui analysent des milliers de points de données issus des smartphones afin de proposer des offres de prêt instantanées à ses clients. Branch est ainsi à la pointe de l’innovation financière dans les communautés mal desservies d’Afrique et d’Inde.

Que doivent prendre en compte les prêteurs pour choisir leurs sources de données ?

Le choix de la bonne source de données dépend de votre client. Par exemple, si votre produit de crédit s’adresse à une clientèle plus âgée et plus aisée, les données des bureaux de crédit peuvent suffire pour évaluer efficacement son risque. Mais qu’en est-il des clients sans historique de crédit établi ? Avec des étudiants, par exemple, les prêteurs peuvent avoir besoin de recourir à des sources de données alternatives comme l’open banking.

En pratique, les prêteurs créent une cascade de sources de données : ils interrogent plusieurs fournisseurs de données à la suite, selon les informations nécessaires pour évaluer le risque de chaque client.

L’essentiel est de trouver le bon équilibre entre l’optimisation de l’évaluation du risque, le coût de chaque source de données supplémentaire et l’expérience de l’emprunteur. Lorsque l’on s’appuie sur plusieurs sources de données, il faut tenir compte des étapes supplémentaires imposées au demandeur (comme se connecter à son compte bancaire via l’open banking), qui peuvent le dissuader d’aller au bout de sa demande de prêt. L’idéal est donc de n’utiliser plusieurs sources de données que lorsque la première ne permet pas une évaluation du risque assez précise.

Comment commencer à utiliser des sources de données pour mieux décider

Ajouter une source de données à votre processus de décision de crédit demande du temps et des efforts, à la fois pour la mettre en œuvre et pour la maintenir. De plus, en tirer des enseignements pertinents peut être difficile.

En général, plus une source de données est précieuse, plus elle est difficile à exploiter. La raison est simple : les sources qui fournissent de grandes quantités de données brutes (comme les transactions bancaires en open banking) exigent un important travail de traitement pour produire les indicateurs prédictifs que les prêteurs utilisent dans leurs décisions de crédit. Compte tenu de la charge considérable que ce travail représente pour les équipes d’ingénierie internes, il est essentiel de choisir un fournisseur de technologie qui le simplifie.

Pour alléger cette charge, des prêteurs du monde entier utilisent Taktile, un éditeur de logiciels qui supprime les approximations dans les décisions de crédit et fournit aux prêteurs des intégrations de données fluides, sans aucune maintenance.

Des données de bureaux de crédit prêtes à l’emploi aux indicateurs très personnalisés générés à partir de données brutes, Taktile s’occupe de la mise en œuvre pour vous. Mieux encore, les décideurs peuvent utiliser l’interface no-code de Taktile pour créer, tester et ajuster des parcours de décision automatisés, et prendre à grande échelle des décisions fondées sur les données qui soutiennent la rentabilité.

Questions fréquentes (FAQ)