Fin progressive des aides d’État dans le cadre de la pandémie de Covid, inflation-stagflation, dégradation de l’économie liée à l’invasion de l’Ukraine par la Russie, «la pression va venir de tous les côtés, des actionnaires, des régulateurs, des commerciaux», prédit le partner, deputy advisory lead, M&A head of insurance de PwC Luxembourg, Matt Moran.
Le Big Four n’a pas attendu ce funeste printemps pour inviter la fintech londonienne, Galytix, à poser un pied au Luxembourg et à profiter d’un écosystème aux circuits de décision très courts. Ce jeudi, la start-up sort du bois avec un white paper de 48 pages, intitulé «Banks Must Act on their Early Warning Systems or Risk ROE Downturn» («Les banques doivent agir sur leurs systèmes d’alerte précoce ou de risque de baisse de la rentabilité financière»).
«La crise à venir ne sera pas une crise de liquidité mais une crise du crédit», assure le CEO de Galytix, Raj Abrol, rencontré dans le Crystal Park à l’occasion de sa venue au Luxembourg. «Au Royaume-Uni, plus de 5.000 faillites d’entreprises ont été enregistrées, le niveau plus élevé depuis 1960! La Banque centrale européenne a demandé aux banques de se préparer.»
LEGO, une méthode qui fait (déjà) ses preuves
Pour les deux hommes, les banques doivent tourner le dos à leurs systèmes d’évaluation des risques, trop souvent appuyés sur des données internes de la banque, avec des indicateurs trop tardifs, qui comportent trop de faux positifs, pas assez de données externes et trop souvent en silos. L’étude cite les cas de Thomas Cook, de NMC Healthcare, de Wirecard ou de Hertz pour illustrer les dommages d’un système trop lent et archaïque.
«Les professionnels du risque utilisent 60% de leur temps à trouver les données pertinentes», parce que les efforts pour trouver les données sont menés à différents endroits, parce que 95% des données sont dans des documents dont il faut les extraire manuellement après les avoir trouvées.
Mais cette étude est surtout l’occasion pour la fintech de capitaliser sur le développement de son produit appuyé sur les données d’un établissement financier d’assez grande ampleur afin que cela soit pertinent. La méthode LEGO, pour «leverage» (globalement, les éléments du bilan financier d’une entreprise), «external indicators» (les prix du marché, les prévisions, les notations, les analystes financiers, les projections par secteur), «governance» (des indicateurs liés à la gouvernance et aux risques juridiques) et «ontology» (la partie plus technologique), ou l’intégration de 10.000 sources de données propre à l’entreprise, à une économie dans laquelle elle se développe, au secteur d’activité qui est le sien, etc.
Le «O» traduit la nouvelle approche de , une architecture en boucle dirigée par la donnée, qui va de la curation d’informations au feed-back pour l’analyste du risque dans la banque (mais le modèle sera tout aussi utile à un assureur) en neuf étapes qui permettent de qualifier les données et de construire des modèles informatiques généraux et avec plus de granularité.
Une DataFactory au Luxembourg?
Le document évoque le cas d’une banque qui a mis en place le LEGO avec 240 sources sur 12 signaux et qui a gagné 40% d’«insights» prédictifs sur les données financières, une analyse en temps réel des impacts de la réglementation sur le business de l’entreprise, une supervision de 300 filiales et 100% des changements dans le management. De quoi avoir une sorte de bulletin scolaire du risque en trois couleurs: vert quand tout va bien, orange quand il faut commencer à suivre un indicateur et en rouge quand un élément de risque est détecté.
«Il est impossible pour une banque d’identifier tous ses clients à risque avant leur défaillance», reconnaît la conclusion du rapport. «Cependant, il est possible pour les banques d’établir un système et des processus prudents pour identifier et surveiller une proportion significativement plus élevée de comptes présentant un potentiel de défaillance. L’établissement d’un SAP à la pointe de la technologie est un voyage qui nécessite une prise de décision à la fois au niveau stratégique et tactique. Les prochaines années sont cruciales pour toute banque qui aspire à se situer du bon côté du cycle de crédit.»
Après avoir recruté Rupak Ghose, ex-Credit Suisse, ICAP et Financial Markets Standards Board comme directeur opérationnel en août dernier, Galytix est parée pour lancer sa GX Algorithmic DataFactory, le cœur nucléaire de ses produits d’analyse du risque. Au moins une de ces DataFactorys devrait voir le jour au Luxembourg, assure M. Abrol.