Comment l’IA transforme la gestion des risques liés aux modèles dans les banques
Les banques s’appuient depuis longtemps sur divers modèles pour soutenir des fonctions critiques telles que l’acquisition de clients, la gestion des recouvrements, la gestion des crimes financiers, en particulier le blanchiment d’argent, et l’adéquation des fonds propres.
Avec l’adoption continue de nouvelles technologies, allant des technologies de calcul avancées aux techniques d’apprentissage automatique (ML), le rythme de développement et de déploiement des modèles a considérablement augmenté. Cette évolution rapide a entraîné une augmentation exponentielle de la taille et de la complexité des inventaires de modèles, rendant la gestion du risque lié aux modèles — le potentiel de conséquences néfastes résultant de modèles défectueux ou mal utilisés — une priorité essentielle pour les institutions financières.
La gestion des risques liés aux modèles
Le risque lié aux modèles est reconnu comme l’un des principaux risques que les banques doivent gérer, soumis à une surveillance réglementaire significative. Les directives réglementaires, telles que le SR 11-7 aux États-Unis et le SS1/23 au Royaume-Uni, imposent une gestion robuste des risques liés aux modèles (MRM), notamment à travers le cadre des trois lignes de défense. Dans cette structure, la première ligne comprend le développement des modèles ; la deuxième ligne implique la validation et la certification indépendantes des modèles ; et la troisième ligne assure la supervision en vérifiant le respect des politiques et procédures dans les processus de développement et de validation.
Bien qu’il soit impératif d’améliorer la MRM dans les trois lignes de défense, cela n’est pas facile. Cependant, l’avènement de l’IA générative (GenAI) et des agents d’IA offre une opportunité d’améliorer la MRM. Ces technologies peuvent augmenter la productivité en améliorant l’efficacité de toutes les tâches et activités liées à la gestion des risques des modèles. Elles aident également à réduire les erreurs et à renforcer la conformité en automatisant les tâches routinières, en augmentant le jugement humain et en améliorant la transparence.
Intégration de l’IA dans la gestion des risques
Pour réaliser le plein potentiel de GenAI et des agents d’IA dans la gestion des risques liés aux modèles, les institutions financières doivent intégrer ces technologies dans le cadre des trois lignes de défense. Les activités clés comprennent le développement des modèles, la validation, l’audit et la conformité proactive. En intégrant des cas d’utilisation de GenAI à chaque fonction, les institutions peuvent clairement identifier où l’automatisation, l’intelligence et la surveillance continue peuvent générer les plus grands avantages opérationnels et de gestion des risques.
La première ligne de défense se concentre sur l’identification des sources de données, l’établissement de la lignée des données et la création du modèle lui-même. L’équipe de développement est également responsable de la documentation complète du développement du modèle, qui explique la conception, les variables, les traitements des données, les hypothèses et les limitations du modèle.
La deuxième ligne de défense, la validation des modèles, implique un examen indépendant du code du modèle, de la documentation et des choix méthodologiques. Les validateurs construisent également des modèles de référence ou des modèles concurrents pour tester la force et la stabilité du modèle proposé.
La troisième ligne de défense, impliquant l’audit et la supervision, complète ces activités en évaluant si le développement et la validation ont suivi les normes et directives de gouvernance des modèles applicables.
Implications et risques
Le potentiel transformateur de GenAI et des agents d’IA dans les fonctions de gestion des risques des modèles est indéniable. Cependant, leur intégration doit être soigneusement gérée pour éviter d’introduire de nouveaux risques. À mesure que les institutions financières commencent à opérationnaliser ces technologies, il devient essentiel d’établir des garde-fous robustes qui garantissent une utilisation responsable, maintiennent la conformité réglementaire et préservent la confiance dans les processus automatisés.
La prise de décision basée sur les modèles comporte des risques inhérents, car les résultats sont essentiellement des estimations soumises à l’incertitude et aux hypothèses sous-jacentes. Les banques doivent adopter une approche basée sur les risques, en introduisant progressivement GenAI dans les processus de gestion des modèles en fonction de leur matérialité des risques.
Conclusion
Les équipes de gestion des risques des modèles devront continuellement s’adapter pour répondre aux demandes croissantes de la fonction de gestion des risques des modèles. L’avenir réside dans l’adoption des technologies d’IA, qui permettront une surveillance plus fluide et en temps réel. Les institutions financières doivent moderniser leurs fondations de MRM pour s’adapter à l’interconnectivité accrue des modèles et aux cycles de mise à jour plus rapides, tout en assurant la cohérence, la rapidité et la confiance dans la gestion des portefeuilles de modèles en expansion.
