Prédiction besoins provisionnement

Contexte

Banque avec un portefeuille de crédits de 50Md€ soumis à IFRS9 nécessitant le calcul de provisions ECL (Expected Credit Loss). Les calculs sont réalisés par l'équipe risque (8 analystes) avec des modèles statistiques et des traitements Excel sur 3 semaines par clôture trimestrielle. Le nombre de scénarios macro-économiques est limité à 3 (baseline, optimiste, pessimiste).

Problème & Défi

Calculs ECL IFRS9 sur 3 semaines par clôture trimestrielle mobilisant 8 analystes. Scénarios macro-économiques limités à 3 vs 5-10 recommandés par les auditeurs et le régulateur. Stress tests ad hoc impossibles : chaque scénario supplémentaire nécessite 1 semaine de calcul. Forward-looking adjustments manuels et subjectifs : source de discussion avec les auditeurs à chaque clôture. Impossibilité de calculer l'impact provisionnement d'une décision d'octroi en temps utile.

Solution & Livrables

Modèles ML de provisionnement IFRS9 accélérant les calculs ECL (PD, LGD, EAD) d'un facteur x50. Multi-scénarios : 10+ scénarios macro-économiques calculés simultanément avec pondération paramétrable. Stress tests à la demande : résultat d'un scénario ad hoc en 30 minutes vs 1 semaine. Forward-looking adjustments documentés et auditables : chaque overlay est tracé avec sa justification et son impact. Dashboard IFRS9 : provisions par stage, par portefeuille, sensibilité aux scénarios, comparaison inter-clôtures.

Technologies