Les prêteurs et les lois régissant l'équité en matière de prêt sont la cible de discriminations depuis des centaines d'années. Souvent, certains groupes de personnes n'ont pas la possibilité de bénéficier d'un prêt. Il s'agit notamment des personnes de couleur, des personnes sans diplôme d'études supérieures, des immigrants et des jeunes générations dont les antécédents en matière de crédit sont maigres ou inexistants. Comme ces communautés mal desservies sont considérées comme celles qui présentent le plus de risques, elles sont généralement les dernières à bénéficier d'un prêt.
Souvent, ces personnes sont étiquetées "sous-bancarisé”. Cela signifie qu'ils n'ont pas de cote de crédit traditionnelle ou qu'ils ont très peu d'informations dans leurs dossiers de crédit. Ces personnes se retrouvent prises dans un cercle vicieux, incapables d'obtenir un crédit parce qu'elles n'ont pas de crédit dans leur dossier ou qu'elles ne sont pas disponibles. Un modèle de notation traditionnel imparfait est ce qui empêche ces demandeurs potentiellement qualifiés d'obtenir des prêts.
Les banques, les prêteurs hypothécaires et les start-ups FinTech commencent à exploiter la vaste quantité de données disponibles pour prendre des décisions de prêt plus précises et mieux informées. C'est là que l'intelligence artificielle (AI) et l'apprentissage machine (ML) ont le potentiel de révolutionner le processus de prêt équitable tel que nous le connaissons aujourd'hui.
Qu'est-ce qu'un prêt ?
Investopedia définit un prêt comme "de l'argent, un bien ou d'autres biens matériels donnés à une autre partie en échange du remboursement futur de la valeur du prêt ou du montant principal, ainsi que des intérêts ou des frais financiers".
Il y a beaucoup de choses à prendre en compte dans le cadre d'un prêt. Par exemple, les prêts à taux d'intérêt élevé ont des mensualités plus élevées - ou prennent plus de temps à rembourser - que les prêts à faible taux. Les prêts peuvent être garantis par une sûreté, comme une hypothèque, ou non garantis, comme une carte de crédit. Les prêts ou les lignes renouvelables peuvent être dépensés, remboursés et réutilisés, tandis que les prêts à terme sont des prêts à taux fixe et à paiement fixe.
Il existe également différents types de prêts, tels que les prêts garantis ou non garantis, et les prêts renouvelables ou à terme. Les prêts hypothécaires et les prêts automobiles sont des prêts garantis, tandis que les prêts sur carte de crédit sont généralement non garantis ou non adossés à une garantie. Une carte de crédit est un prêt renouvelable non garanti, tandis qu'une ligne de crédit sur valeur domiciliaire (HELOC) est un prêt renouvelable garanti.
Le modèle traditionnel de notation du crédit
Le Loi sur le logement équitable (FHA) et le Loi sur l'égalité des chances en matière de crédit (ECOA) protègent les consommateurs en interdisant les pratiques déloyales et discriminatoires. Bien que ces lois soient en place depuis des décennies, les agents de crédit et les propriétaires ont notoirement trouvé des failles dans le système pour discriminer certains groupes de personnes.
Avant la souscription d'AI, les prêts étaient traités par un employé d'une banque qui faisait de la paperasserie. L'agent de crédit se servait de son propre jugement (qui est sujet à la partialité) pour évaluer la capacité du demandeur de prêt à payer ses dettes dans leur intégralité et dans les délais, et à gérer ses finances. Reconnaissant que certains groupes de personnes peuvent être "invisibles au crédit" ou sous-bancarisés, ces agents de crédit hésitent à leur accorder des prêts ou recommandent "les produits à haut risque et à prix élevé.” Le résultat ? Les groupes de personnes qui ressemblent le plus à l'agent de crédit ont obtenu plus de prêts et ceux qui ne lui ressemblent pas ont souffert.
Sans pouvoir vraiment comprendre comment chaque prêteur prend ses décisions, les autorités de régulation ont utilisé des résultats statistiques pour déterminer qui pratiquait le prêt de manière équitable et qui ne le faisait pas. Mais ces statistiques sont souvent faussées et ne tiennent pas compte de la vue d'ensemble nécessaire pour déterminer si une personne est "à risque" ou non. S'appuyer uniquement sur une cote de crédit et des rapports laisse de côté des informations précieuses qui peut rendre un demandeur admissible à un prêt, même si ses notes sont différentes.
Chaque prêteur fixe ses propres critères d'approbation et de tarification des prêts. Le manque de normalisation rend difficile la prévision du TAEG pour une personne ayant un mauvais crédit. Si une personne a un mauvais crédit, un demandeur recevra généralement des offres sur les taux d'intérêt les plus élevés, supérieurs à 36 %. Sur la base de recherches montrant que certains groupes de personnes sont plus vulnérables à avoir des scores de crédit plus faibles et des dossiers de crédit plus minces, ces personnes sont souvent la cible de pratiques de prêt injustes et de discrimination lorsqu'il s'agit d'obtenir un prêt.
Comment l'intelligence artificielle peut égaliser les chances
L'apprentissage machine a le pouvoir de réduire la discrimination en matière de crédit. Par exemple, les modèles de ML utilisent jusqu'à 100 fois plus de points de données et des mathématiques plus sophistiquées pour générer une meilleure prédiction des risques en quelques secondes. Les modèles de crédit de ML peuvent intégrer davantage d'indicateurs de solvabilité et faire apparaître des liens subtils entre des éléments d'information qui donnent une image plus claire du risque de crédit d'une personne.
Il y a un nombre croissant de start-up FinTech qui capitalisent sur l'IA pour révolutionner le prêt équitable. Parmi ces entreprises, on trouve notamment Souscrire.aiLa société ML, qui crée des algorithmes utilisant l'apprentissage automatique que les prêteurs peuvent personnaliser pour les aider à prendre des décisions de crédit. D'autres entreprises comme Upstart ont adopté les grandes données et l'apprentissage machine pour le processus de prêt. Upstart fournit des prêts personnels aux consommateurs sur la base d'une évaluation de leur solvabilité qui repose en partie sur leurs études et leurs antécédents professionnels. Selon Consumer Finance MonitorLes résultats du modèle Upstart, qui utilise des données alternatives et l'apprentissage automatique, "ont approuvé 27 % de demandes en plus qu'un modèle de prêt traditionnel et ont donné des taux de rendement annuel moyen inférieurs de 16 %. “
Il est évident que l'AI peut améliorer l'accès au crédit pour les emprunteurs minoritaires et à faibles revenus qui ont été laissés en dehors des prêts classiques. Un aspect important à noter est que les prêts injustes constituent toujours un risque pour les modèles d'apprentissage automatique. La prolifération de l'apprentissage machine exposera les préjugés humains, agissant comme un "miroir moral"", selon Shannon Vallor, professeur au département de philosophie de l'université de Santa Clara et éthicien de l'AI chez Google. "Les modèles ne sont pas seulement des identificateurs de modèles, mais aussi des amplificateurs de modèles", a-t-elle déclaré à l'agence de presse Forrester.
Pour ajouter à ce que dit Vallor, la technologie est neutre et n'est pas nuisible en soi. Ce sont les attitudes qui existent et qui ont le potentiel d'influencer la technologie qui sont nuisibles. En gardant cela à l'esprit, les technologues peuvent exploiter les capacités de l'IA pour égaliser les prêts équitables tant que l'éthique est au premier plan de la conception des produits et codage.
Résumé
Compte tenu de l'ensemble des ramifications sociétales possibles, les décideurs politiques doivent examiner quelles sont les pratiques autorisées et interdites et quelles sont les structures juridiques et réglementaires nécessaires pour protéger les consommateurs contre les pratiques de prêt injustes ou discriminatoires. Les lois sur les prêts du pays devront être mises à jour pour suivre ces évolutions technologiques, car elles sont adoptées plus largement par les banques et autres sociétés financières.
L'IA est un outil puissant qui révolutionne les pratiques de prêt équitables. Utilisée avec discernement, cette technologie permet à un plus grand nombre de personnes qualifiées d'accéder à des prêts afin d'améliorer leur situation financière. Cela contribue à éliminer la discrimination et à réduire la pauvreté, ce qui améliore la société dans son ensemble et permet d'offrir des chances plus justes et plus égales à tous.
Vous souhaitez en savoir plus sur la façon dont l'automatisation des informations et des prises de décision peut aider le processus de prêt ? Consultez notre solution de prêt en bref pour des solutions de prêt automatisées et équitables. Nous aidons les entreprises comme la vôtre à s'assurer que vos processus de prêt sont conformes et équitables, à tout moment.
À propos de ProcessMaker
ProcessMaker est un logiciel de gestion des processus commerciaux et de flux de travail à faible code. ProcessMaker permet aux analystes commerciaux de collaborer facilement avec l'informatique pour automatiser des processus commerciaux complexes reliant les personnes et les systèmes existants de l'entreprise. Basé à Durham, en Caroline du Nord, aux États-Unis, ProcessMaker dispose d'un réseau de partenaires répartis dans 35 pays sur les cinq continents. Des centaines de clients commerciaux, dont de nombreuses entreprises du classement Fortune 100, font confiance à ProcessMaker pour transformer numériquement leurs processus commerciaux de base, ce qui leur permet de prendre des décisions plus rapidement, d'améliorer leur conformité et d'accroître leurs performances.