Économie

Intelligence artificielle : la solution pour améliorer l’accès au crédit en Afrique ?

Réservé aux abonnés
Mis à jour le 28 juillet 2021 à 11:53

L’appli Branch : une plateforme de microprêt en ligne pour téléphones mobiles.

Déjà une réalité au Kenya, en Afrique du Sud et au Nigeria, l’évaluation du risque crédit via l’intelligence artificielle dispose d’un fort potentiel en Afrique de l’Ouest malgré les inquiétudes liées à la protection de la vie privée.

Pour octroyer un crédit, les prêteurs utilisent traditionnellement le système du credit score. Ils évaluent notamment si un client à des antécédents de défaut de paiement liés à sa carte de crédit. Si ce n’est pas le cas, ils s’appuient sur des données démographiques ou sectorielles, comme l’existence d’une source de revenus réguliers ou encore la stabilité du secteur d’activité de l’emprunteur, sachant que les profils féminins sont associés à un meilleur taux de remboursement que les profils masculins.

Or, cette approche défavorise les personnes non bancarisées et celles qui travaillent dans le secteur informel. « Les prêteurs africains manquent de données pour prendre les bonnes décisions en matière de crédit », résume Michele Tucci, le directeur des produits de la fintech Credolab, soulignant les limites des données démographiques et sociales « qui ne peuvent vous amener qu’à un certain point ».

Dans 70 % des cas, les emprunteurs ne parviennent pas à obtenir les scores nécessaires et, mécaniquement, leurs dossiers sont rejetés. En effet, 57 % des africains ne sont pas bancarisés, ne disposant que de revenus en espèces ou utilisant des cartes de débit plutôt que de crédit.

Pour remédier à cette situation, une solution a émergé au Kenya au milieu des années 2010 : l’évaluation alternative du risque crédit, développée grâce à l’intégration d’outils d’intelligence artificielle (IA) aux services de crédit mobile M-Shwari de Safaricom, proposés via la plateforme M-Pesa.

Orange Bank

Depuis, des fintechs locales, comme Jumo, dont le siège est au Cap, ou encore la start-up nigériane Kiakia, se sont fait une place sur ce marché. Parmi les autres acteurs, le singapourien Credolab, créé en 2016 et présent en Afrique du Sud, au Nigeria, au Kenya et au Ghana, et l’américain Branch, qui analyse les données SMS, gagnent du terrain sur le continent. 

Read this article in english on

Concrètement, Credolab intègre un kit de développement logiciel (SDK) mobile dans les applications bancaires des emprunteurs, que ce soit sur Android ou iOS, afin de collecter des données microcomportementales. Il s’agit de regarder, par exemple, le pourcentage de selfies sur le téléphone d’un client ou encore le nombre de jeux installés ou de vidéos créées par mois, mais aussi l’utilisation éventuelle d’un réseau privé virtuel.

Côté prêteurs, la First National Bank of South Africa, les kenyans NCBA Group et Equity Bank, et la française Orange Bank ont été parmi les premiers adeptes de ces solutions. Pour Dmitry Borodin, responsable des produits et de l’analyse décisionnelle chez Creditinfo, ces solutions ont un fort potentiel dans les pays d’Afrique de l’Ouest, où les paiements mobiles se développent.

Mobile money et questionnaire de personnalité

Une fois collectées, ces données déterminent la probabilité d’un défaut de paiement et génèrent un score de crédit. Parmi les autres méthodes émergentes figurent l’analyse des transactions de mobile money ou encore des questionnaires de personnalité.

En raison de la forte pénétration de l’argent mobile en Afrique, les portefeuilles mobiles sont aujourd’hui la meilleure source de scoring alternatif, affirme Dmitry Borodin de Creditinfo.

Ce dernier, qui possède des bureaux de crédit dans 11 pays africains, s’est également associé à Coremetrix et Compuscan, en Afrique du Sud, pour développer des quiz de personnalité. Ces questionnaires en ligne, de 5 à 20 minutes, sont destinés aux clients dont le profil de crédit est trop maigre. Ils permettent de dresser une évaluation après l’association de traits de personnalité à un certain niveau de risque de crédit.

Balbutiements

Pour Aristide Ouattara, associé responsable du conseil en matière de risque chez Deloitte Afrique, ces techniques n’en sont qu’à leurs débuts. Le changement pourrait être rapide, en raison de prochaines modifications liées à l’entrée en vigueur des réglementations de Bâle III et IV – définissant un cadre réglementaire mondial pour le secteur financier –, qui permettront des méthodes de notation de crédit plus sophistiquées.

« Ces données alternatives sont utiles lorsque les autres informations sont rares », tempèrent Sergey Savitskiy, responsable des services de prêts numériques de McKinsey, et Umar Bagus, responsable de McKinsey Analytics en Afrique. Lorsque les données traditionnelles sont disponibles, elles ont « moins d’impact sur la qualité de l’évaluation du crédit », insistent-ils.

Fiabilité et confidentialité

La fiabilité reste une préoccupation majeure, même en Europe, où la plupart des prêteurs utilisent déjà des méthodes alternatives. « Un comportement humain instable met le modèle en échec », souligne ainsi Hervé Phaure, responsable risque crédit chez Deloitte en France, pointant le fait que les comportements des clients peuvent évoluer rapidement.  

À cela s’ajoute la question de la confidentialité des données. Pour rappel, seule la moitié des gouvernements africains a adopté des lois sur la protection des données. Des groupes de défense tels que Privacy International s’inquiètent du sort des informations récoltées et redoutent des dérives comme la surveillance de masse.

Face à ces écueils, Credolab, qui souligne que l’accord de crédit via l’IA permettrait de donner accès au crédit à un milliard de personnes sans historique, se veut rassurant. Il assure qu’il ne collecte que des métadonnées comportementales telles que le nombre de contacts ajoutés à la semaine : rien de personnel comme le nom des contacts ou le contenu des photos, des SMS et des PDF. Ces données sont collectées une fois que le client a demandé un prêt, ajoute la fintech.

Mais, dans une étude publiée en mars 2020, le Parlement européen a mis en garde contre cette méthode qui pourrait contribuer à perpétuer des préjugés. Par exemple, une personne pourrait se voir refuser un prêt à cause de la qualité des vêtements qu’elle achète.