Dans le cadre de ses séminaires de recherche, l'ACPR a accueilli le 27 mai dernier le Pr. Marianne Verdier (Université Paris II Panthéon-Assas), qui a présenté un papier co-écrit avec la Pr. Marie Obidzinski (Université Paris II Panthéon-Assas) sur la réglementation des technologies de sélection, les algorithmes de classification adoptés par les entreprises pour exclure les clients non-conformes à la législation (telle que celle relative à la lutte anti-blanchiment ou la fraude).
Dans les secteurs réglementés (banques, assurances en particulier), les autorités de supervision sanctionnent les institutions qui ne parviennent pas à exclure les clients non-conformes (criminels, fraudeurs...). La logique voudrait que des sanctions plus élevées pour les erreurs d'inclusion de type II ("faux négatifs", des clients non conformes sont inclus alors qu'ils ne devraient pas l'être) incitent les entreprises à améliorer la performance de leurs technologies de sélection, au bénéfice des clients conformes.
Les autrices montrent que cette logique peut s'avérer trompeuse. Une sanction plus forte pour les erreurs de type II peut réduire le bien-être des clients conformes, y compris lorsqu'elle améliore effectivement la performance de l'algorithme.
Afin de souligner l'importance du sujet, les sanctions globales en matière de lutte anti-blanchiment et de connaissance du client ont totalisé environ 16 milliards de dollars à l'échelle mondiale sur la période 2021-2023 (Fenergo, 2024), et les autorités de supervision européennes (EBA, 2022) et nord-américaines (U.S. Department of the Treasury, 2023) s'inquiètent désormais d'un phénomène de réduction du risque ("derisking") excessif conduisant à l'exclusion de catégories entières de clientèle.
Dans cette étude, les autrices démontrent que la situation de monopole de l'entreprise, qui est le cadre de réflexion choisi pour ce modèle, induit un écart dans le choix de la qualité de la technologie de sélection ainsi que dans le prix du service par rapport à l'optimum social, ce qui se traduit par un volume de ventes inefficace et une allocation inefficiente entre les catégories de clients conformes et non-conformes.
Elles identifient une quatrième distorsion, dite d'exclusion, qui s'ajoute aux trois distorsions du cadre de Veiga et Weyl (2016): un effet de coût direct (le coût de servir les clients non exclus augmente avec la performance de l'algorithme), un terme de Spence privé (l'entreprise relève son prix lorsque la qualité de l'algorithme augmente, à quantités constantes) et un effet de tri (selon que les clients marginaux les plus attirés par le service de qualité supérieure sont également les plus coûteux à servir).
Cette distorsion d'exclusion conduit parfois le monopole à adopter une stratégie de réduction du risque, exclusion totale des clients non-conformes, alors qu'une stratégie d'exclusion partielle serait socialement préférable.
L'analyse de la réglementation met en évidence un résultat contre-intuitif. Selon que le prix du service et la qualité de la technologie de sélection sont des substituts ou compléments à l'équilibre, une sanction plus élevée pour les erreurs de type II peut soit dégrader, soit améliorer la performance de la sélection.
Lorsque prix et qualité algorithmique sont substituables, la sanction est répercutée dans les prix mais réduit l'investissement technologique.
A l'inverse, lorsqu'ils sont complémentaires, l'effet de la sanction sur le prix et la qualité de la sélection devient ambigu. Les autrices montrent en outre qu'une sanction pour erreurs de type II employée seule peut paradoxalement réduire le surplus des clients conformes en poussant le monopole vers la réduction du risque et en dégradant l'inclusion financière. Au moins deux instruments réglementaires complémentaires, typiquement un plafonnement du prix des services bancaires de base (ex : droit au compte), combiné à une amende imposée aux clients non-conformes, sont nécessaires pour rapprocher l'allocation de l'optimum social.
Lors des échanges avec l'auditoire, plusieurs interventions ont porté sur :
- les différences entre clients conformes et non conformes relatives à la valeur du bénéfice privé dans le modèle ;
- la robustesse des résultats à l'introduction de la concurrence entre intermédiaires ;
- la mesurabilité empirique de la performance des algorithmes par le superviseur et l'articulation avec les obligations existantes en matière de LCB-FT ;
- l'effet du plafonnement des prix et de l'amende sur le niveau de qualité algorithmique choisi par le monopole, prolongement que les autrices ont indiqué étudier dans une version ultérieure du papier.
Copyright (c) 2026 Zonebourse.com - All rights reserved.
