Page 32 - Mégadonnées, apprentissage automatique, protection des usagers et confidentialité

Certains considèrent que les prêteurs alternatifs agences d'évaluation du crédit (selon laquelle ceux
devraient être tenus de communiquer les données qui communiquent des données ont le droit de s'ap-
de crédit relatives aux prêts aux agences d'évalua- puyer sur l'ensemble élargi de données agrégées
tion du crédit, que les prêts aient été remboursés communiquées par d'autres) .
116
(données de rapport positives) ou non (données de De ce fait, il est important d'examiner l'écosys-
rapport négatives) . Cette démarche pourrait per- tème global des données du marché financier au fur
115
mettre de définir des obligations réglementaires plus et à mesure de son développement, tant en ce qui
"équitables" pour des activités similaires (prêts), plu- concerne l'exactitude des données utilisées dans les
tôt que d'appliquer des obligations différentes selon décisions automatisées que l'attribution des respon-
le type d'entité (une banque, par opposition à une sabilités quant à l'exactitude des informations dans
entité non bancaire). Cela pourrait également élargir les systèmes formels de communication des données
l'éventail d'informations disponibles sur les consom- de crédit et de manière plus générale.
mateurs, et ainsi combler les lacunes de l'écosystème Compte tenu du large éventail de données dis-
des données et l'enrichir. ponibles et de leurs sources et niveaux de fiabilité
Ces avantages potentiels doivent être évalués à la variables, de nombreux dilemmes politiques seront
lumière de la manière dont le marché du crédit alter- à résoudre quant au fonctionnement des lignes
natif se développe. Les prêts effectués à l'aide de directrices relatives aux notions de clarté et de pré-
données alternatives et de décisions automatisées visibilité figurant dans le quatrième principe général
affichent souvent un faible montant (par exemple, relatif aux évaluations du crédit (le cadre juridique
pour permettre à quelqu'un de tenir jusqu'à la fin du et réglementaire doit être suffisamment précis pour
mois). Leurs résultats peuvent donc avoir une utili- permettre aux prestataires de services, aux fournis-
té limitée. Le nouveau marché en pleine expansion seurs de données, aux utilisateurs et aux personnes
des prêts automatisés, qui utilise des algorithmes concernées de prévoir les conséquences de leurs
propriétaires pour évaluer les emprunteurs sans actes).
antécédents de crédit traditionnels est également
très novateur. Le fait d'exiger de ces nouveaux prê- 4�2 Protéger les usagers contre les biais et les trai-
teurs qu'ils partagent leurs résultats en matière de tements discriminatoires
prêts peut les priver de certains des avantages liés
à leurs investissements et à leur rôle de pionniers. Déductions et résultats décisionnels biaisés
En outre, ces entreprises sont souvent des start-up Si l'une des préoccupations suscitées par les méga-
entrepreneuriales qui peuvent être confrontées à de données concerne la manière dont les données
strictes obligations en matière d'information alors d'entrée (nom, âge, etc.) seront utilisées et proté-
qu'elles cherchent à développer une activité risquée. gées, les déductions qui résultent du traitement de
Certaines ne s'appuient même pas sur les données ces données personnelles soulèvent également des
des agences d'évaluation du crédit pour prendre inquiétudes. Les modalités et la précision des déduc-
des décisions en matière de prêts (elles s'appuient tions que les mégadonnées et l'apprentissage auto-
exclusivement sur des données alternatives), ce qui matique permettront de tirer sur les individus et les
peut affaiblir la logique de réciprocité inhérente aux groupes, ainsi que l'incidence de ces déductions sur

Principes FEAT de l'Autorité monétaire de Singapour
Principe 3. Les données et les modèles utilisés pour prendre des décisions grâce aux technologies
d'AIDA sont régulièrement examinés et validés à des fins d'exactitude et de pertinence [...].
Principe 4. Les décisions prises grâce aux technologies d'AIDA sont régulièrement réévaluées afin que
les modèles se comportent comme prévu.

Version préliminaire des normes de la Smart Campaign relatives au crédit numérique
Indicateur 2�1�5�0
Les données et les analyses de souscription sont actualisées à chaque cycle de prêt afin de suivre
l'évolution de la situation du client.

30 Mégadonnées, apprentissage automatique, protection des usagers et confidentialité