Scoring crédit: une application comparative de la régression logistique et des réseaux de neurones

IV / Enseignements de la revue de littérature

4.1- Les limites du Scoring

Les limites d'une démarche de scoring sont nombreuses. Comme nous l'avons déjà dit plus haut, sa mise en place est souvent complexe d'un point de vue technique. De ce fait, les systèmes de scoring ne peuvent pas être mis en oeuvre par toutes les institutions financières qui le souhaitent, surtout de microfinance. Ils sont plus accessibles pour les institutions de microfinance dont les procédures d'octroi sont assez formalisées et qui ont aussi la possibilité de reconstituer des bases de données riches d'un important historique de prêts individuels.

Le principe est par ailleurs beaucoup plus adapté aux prédictions portant sur les prêts individuels; les prédictions sont beaucoup moins fiables et faciles sur les prêts octroyés à des groupes solidaires. La détermination et l'usage d'une classification qui établit des profils types de groupes est effectivement aussi délicate qu'incertaine.

Autre limite, le futur n'est pas forcément déductible du passé, ce qui reste pourtant l'un des postulats de la démarche. Les tendances s'infléchissent parfois et un environnement changeant ne répond plus aux mêmes déterminismes. Le fait que toutes les caractéristiques de la candidature du prêt et du risque ne soient pas quantifiables constitue par ailleurs une autre limite de principe.

Enfin, si les démarches de scoring prédisent le risque, elles ne disent pas forcément comment le gérer. La responsabilité des managers de l'entreprise reste entière quand il s'agit, in fine, de prendre la décision de financer ou non un prêt. En ce sens, le scoring est une sorte de « troisième voix » au sein du comité de crédit et elle ne saurait en aucun cas remplacer les agents de l'IMF. Schreiner (2002) ne manque pas d'évoquer alors le risque d'un mauvais usage du scoring si l'on s'en sert pour exclure tous les risques en évitant de prêter aux plus pauvres, et partant, en faire un outil de discrimination négative au point que le microcrédit génère plus d'exclusion qu'il ne prétend en combattre. Il insiste sur la nécessité de réfléchir sur les éléments d'une discrimination positive, sans forcément faire porter à un individu le poids des déterminismes qui sont supposés être les siens compte tenu de son appartenance à la catégorie de clients à laquelle il est intégré. Au lieu de procéder par exclusion, il s'agit alors de spécifier l'accompagnement du client supposé vulnérable.

4.2- Les limites de la régression logistique

Le modèle LOGIT est tiré de l'économétrie des variables qualitatives. La première limite de la régression logistique est qu'elle nécessite des échantillons de grande taille pour pouvoir prétendre un niveau acceptable de stabilité. Un nombre minimal de cinquante (50) observations par variables est en général nécessaire.

Une deuxième limite est que les catégories auxquelles appartiennent les variables indépendantes doivent être mutuellement exclusives et exhaustives, car un prédicteur ne peut pas appartenir aux deux groupes Y0 et Y1 à la fois. Les deux groupes sont en effet dichotomiques. Cette particularité s'avère très sensible à la multicolinéarité entre les prédicteurs, celle-ci pouvant se vérifier grâce à une matrice de corrélation. D'où la nécessité d'examiner les corrélations entre les variables prédicatrices avant de procéder à l'élaboration du modèle, afin d'éliminer celles qui semblent fortement corrélées entre elles (risques de variables redondantes).

Dans la même lancée la régression logistique présente aussi la limite de présumer que les réponses sont non reliées. Ainsi si les variables résultantes sont formées par la période de temps pendant laquelle les mesures sont prises (avant et après traitement), ou si les variables proviennent d'un groupe par couplage (chaque sujet du groupe expérimental est jumelé à un sujet du groupe contrôle), la régression logistique n'est plus licite compte tenu des risques probables de biais liés aux corrélations (Tabachnick & Fidell, 2000)^18(*).

* ¹⁸ Tabachnick,  B.G.  &  Fidell,  L.S.  «Using  Multivariate statistics», Fourth Edition. United State of America:  Allyn  and Bacon, 2000.