Model validation

Les banques face au risque lié aux modèles : un contrôle perçu comme une contrainte, au risque de graves conséquences

par Antoine Dubois

NEW YORK – Au sein des grandes banques, le risque lié aux modèles – c’est-à-dire les dangers liés à la dépendance à des outils mathématiques pour prendre des décisions cruciales – est souvent relégué au rang de simple obligation réglementaire. Si les conseils d’administration affichent une compréhension formelle de l’importance de ce risque, il est rare qu’il soit considéré comme un élément central de la stratégie, au détriment d’une gestion prudente du capital, de la tarification et de l’appétit pour le risque.

Cette perception est telle que certains responsables de la gestion du risque lié aux modèles se disent mal à l’aise de poser directement la question à leurs supérieurs : le conseil d’administration se soucie-t-il réellement de ces risques ? Une question qu’ils hésitent à formuler ouvertement, un aveu implicite d’un décalage préoccupant.

Selon des sources internes, les alertes émanant des équipes de gestion du risque lié aux modèles ou des audits internes sont souvent prises en note, mais rarement suivies d’actions urgentes, sauf si les régulateurs interviennent. Ce constat est d’autant plus troublant que l’industrie bancaire américaine est divisée sur l’opportunité de supprimer les directives SR 11-7 de la Réserve fédérale américaine, établies en 2011. Ces directives, conçues pour encadrer la gestion du risque lié aux modèles, sont critiquées par le Bank Policy Institute, un groupe d’influence représentant les grandes banques, tandis que les équipes de gestion du risque lié aux modèles s’y opposent fermement.

Un responsable de la gestion du risque lié aux modèles d’une grande banque américaine admet que les fonctions générant des revenus et des bénéfices sont naturellement prioritaires. Les conseils d’administration ne sont pas là pour élever chaque fonction de contrôle au-dessus de la machine commerciale de l’entreprise. Pourtant, cette priorisation peut facilement se transformer en une habitude d’attendre une intervention réglementaire pour agir.

Dans certains cas, le problème est plus profond. Les résultats des modèles ne sont pas toujours utilisés comme des preuves susceptibles de modifier une décision, mais plutôt comme un outil destiné à justifier des choix déjà pris. Lorsque les résultats mettent en évidence une vérité inconfortable, l’instinct est parfois de faire pression sur l’équipe de gestion du risque lié aux modèles jusqu’à ce que le résultat soit plus acceptable, plutôt que de remettre en question les équipes opérationnelles. C’est une forme de manipulation des données pour obtenir une confirmation biaisée.

Parler le langage des conseils d’administration

Pour gagner l’attention des conseils d’administration, les équipes de gestion du risque lié aux modèles doivent adopter une nouvelle approche. Se fier aux arguments traditionnels de gouvernance, de contrôle et de conformité réglementaire ne suffit plus. Elles doivent parler le langage des conseils d’administration : efficacité, automatisation, évolutivité et exécution.

Il ne s’agit pas de prétendre que la fonction est un centre de profit, mais de reconnaître la manière dont les priorités sont fixées au sein des banques. De nombreux conseils d’administration sont axés sur la réalisation de davantage avec moins de ressources, la simplification des processus et le déploiement de l’intelligence artificielle pour améliorer l’efficacité opérationnelle. Les équipes de gestion du risque lié aux modèles qui peuvent démontrer qu’elles soutiennent cet agenda – par exemple, grâce à des tests automatisés, des cycles de validation plus rapides et une gouvernance plus rationalisée – sont plus susceptibles d’être entendues. L’objectif est de montrer qu’un bon contrôle ne doit pas nécessairement entraver l’efficacité opérationnelle.

Cependant, cette approche crée une tension paradoxale. L’IA promet vitesse, automatisation et évolutivité, des thèmes qui intéressent vivement les conseils d’administration. Mais les systèmes d’IA sont également des modèles, souvent particulièrement complexes et opaques. Si les institutions traitent la gestion du risque lié aux modèles comme une fonction de contrôle secondaire plutôt que comme une discipline décisionnelle fondamentale, l’écart entre ce que les banques pensent que leurs modèles font et ce qu’elles font réellement pourrait s’élargir.

Une culture du risque variable

La culture du risque varie considérablement d’une banque à l’autre. Certaines banques, comme Barclays et JP Morgan, sont régulièrement citées comme des exemples d’institutions où les équipes de gestion du risque lié aux modèles se sentent valorisées et écoutées.

L’expérience des responsables de la gestion du risque lié aux modèles dépend fortement du ton donné par la direction, et en particulier de l’expérience des dirigeants supérieurs. Les banques dont les directeurs généraux ou les directeurs des risques sont plus à l’aise avec les questions quantitatives ont tendance à envoyer un message différent à l’ensemble de l’organisation.

"Si une banque ne croit pas vraiment aux défis de risque indépendants, elle nommera souvent quelqu’un de l’entreprise au poste de directeur des risques – quelqu’un qui ‘nous comprend’ et veillera à ce que le risque ne fasse pas obstacle", explique un ancien responsable de la gestion du risque lié aux modèles d’une grande banque américaine.

Le cas de Barclays est révélateur. Son directeur général, C.S. Venkatakrishnan, était auparavant directeur des risques de la banque et, avant cela, il a travaillé dans la division des risques de JP Morgan. Les responsables de la gestion du risque lié aux modèles estiment que ce type de parcours professionnel contribue à déterminer la manière dont leurs fonctions sont perçues au sein de l’organisation.

En fin de compte, une culture du risque solide repose sur l’indépendance, la rigueur et la volonté de remettre en question les décisions, même celles prises par les échelons supérieurs. C’est une condition essentielle pour garantir la stabilité financière et la confiance des investisseurs.