Quand le big data révolutionne l’obtention d’un crédit

Dernière mise à jour effectuée le

Les réseaux sociaux se sont petit à petit introduits dans nos vies et nul n’ignore aujourd’hui que l’ensemble des données collectées sont à même de cerner nos modes de vie et d’être utilisées à des fins d’analyse.

C’est une véritable révolution technico-financière qui ouvre la porte du crédit à des populations qui en étaient jusqu’alors totalement exclues.

L’inclusion financière est un élément primordial qui contribue à diminuer la pauvreté.

Il faut savoir que, selon le rapport de Global Findex, seulement 69 % de la population adulte mondiale détenait un compte bancaire en 2017 avec des disparités importantes.

Si dans les pays à économie élevée, la plupart des adultes en possèdent un, ce n’est pas le cas dans les pays émergents même si la bancarisation est en constante évolution.

Les méthodes traditionnelles pour établir la solvabilité d’un potentiel emprunteur

Vous avez certainement déjà fait une demande de crédit ou de rachat de crédit, comme sur ce site, d’une manière traditionnelle, en joignant des bulletins de salaire, une feuille d’imposition, des relevés bancaires… dans l’objectif de prouver votre fiabilité à l’organisme financier sollicité.

Les critères utilisés par les établissements prêteurs pour établir votre credit scoring prennent également en compte votre âge, la composition de votre foyer, votre situation sur le plan du logement (propriétaire ou locataire), votre capacité à faire face à vos engagements…

C’est en corrélant tous ces éléments que les organismes de prêt sont en mesure d’évaluer le risque de non-remboursement des sommes empruntées.

Or cette procédure ne peut pas être mise en place pour tous ceux qui n’ont pas de compte en banque, ceux que les organismes financiers nomment les invisibles ou les incomptabilisables.

Une nouvelle manière d’estimer la solvabilité d’un emprunteur

Pour permettre l’obtention d’un crédit à tous ceux qui ne sont pas bancarisés, la cote de solvabilité ne peut pas être obtenue en utilisant exactement les mêmes critères.

Avec le big data, l’organisme prêteur va devoir apprécier la solvabilité des candidats en fonction de données alternatives.

Cette nouvelle manière de tester la capacité de remboursement d’un emprunt vient des États-Unis.

Il s’agit de prendre en considération d’autres critères qui sont facilement accessibles sur internet et c’est là qu’interviennent les réseaux sociaux.

Déterminer la solvabilité d’un emprunteur en utilisant ses données sur les réseaux sociaux

Facebook, le plus utilisé des réseaux sociaux en ligne au monde, permet à certains organismes financiers de faire une étude de la conduite d’un emprunteur sur internet et plus particulièrement au sein de son réseau social.

Sa cote de solvabilité est calculée par rapport à la qualité de ses relations. Ainsi, s’il a des amis qui sont de mauvais payeurs, il semble alors probable qu’il adopte la même attitude.

C’est de cette manière que se met en place une science des métadonnées qui prend en compte un ensemble de comportements, comme les heures de connexion sur internet, les sites visités, les habitudes d’achat…

Qu’en pense la CNIL ?

Jusqu’alors, ce procédé n’est réellement utilisé que par des banques étrangères.

En France, la Commission Nationale Informatique et Liberté est très réticente à ce mode intrusif de vérification de solvabilité.

Mais les banques françaises sont très attirées par ces pratiques, particulièrement pour les emprunts d’un faible montant.

Certaines banques ont déjà conclu des partenariats avec des réseaux sociaux. C’est le cas de la BPCE qui a mis en place la possibilité de transférer de l’argent avec un simple tweet.

Montée en puissance des fintech

Les fintech, startups qui font entrer la technologie numérique dans la finance, servent d’intermédiaire entre des investisseurs et des particuliers qui ont besoin d’un crédit.

Elles sont en première ligne pour étudier le profil de l’emprunteur. Aux États-Unis où elles se sont rapidement développées, elles utilisent les réseaux sociaux pour définir le credit scoring des candidats à l’emprunt.

C’est sur la recommandation d’amis que ces organismes décident d’examiner la demande de prêt ou de la rejeter.

Plus près de nous, FriendlyScore, fintech installée à Londres, propose à ceux qui n’ont pas d’antécédent de crédit d’établir une notation de crédit en se basant sur la qualité de leurs réseaux sociaux, après qu’ils aient donné leur accord.

Les nombreux critères utilisés ne sont pas détaillés, mais il est certain qu’ils prennent en compte des informations telles que le temps passé sur internet, la fréquentation de sites financiers, la composition du réseau social (famille, amis, collègues…), c’est-à-dire un ensemble de données sensibles qui varient selon la situation géographique de l’emprunteur.

Quel avenir pour le big data en matière d’obtention de crédit ?

La France est un pays où le traitement des données est strictement encadré avec l’entrée en vigueur en 2018 du RGPD (règlement général sur la protection des données).

Cependant, les banques françaises ayant pour la plupart des filiales dans de nombreux pays situés en Europe, mais aussi dans des pays émergents, on peut s’attendre à une montée en puissance de nouvelles procédures pour la vérification de la solvabilité d’un emprunteur.

Par contre, il est manifeste que l’utilisation des réseaux sociaux avec une intrusion dans la vie quotidienne des internautes pose un problème non négligeable.

Si une clientèle jeune ou pas encore bancarisée peut entrer dans le jeu de la recommandation entre amis, il n’est pas certain que cette méthode soit du goût d’une population plus âgée.

En résumé, on peut dire que les crédits obtenus grâce ces nouvelles données ne portent généralement pas sur des sommes élevées et qu’ils se développent essentiellement dans les pays émergents.

Preuve en est que la Federal Trade Commission (FTC) aux États-Unis insiste, dans son rapport annuel 2016 intitulé « Big data : A Tool for Inclusion or Exclusion » (Big data : un outil pour l’inclusion ou l’exclusion), sur le côté arme à double tranchant de l’utilisation des métadonnées.

La conclusion du rapport est que le bénéfice de l’utilisation des big data doit être en permanence examiné en fonction des risques encourus.

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici