Banque en kit

Open bank, plateformisation des services, ubérisation de la banque, banking-as-a-Service… Les termes sont divers pour décrire une offre de services financiers de plus en plus modulaire, composée de briques autonomes, fournies par différents acteurs : des banques évidemment, mais aussi des établissements de paiement et de très nombreuses FinTechs…

Deux catalyseurs ont libéré le champ des possibles : la réglementation DSP (en version 1 et 2) qui ouvre les accès aux comptes de paiement bancaires, et le développement d’API (Application Programming Interface) ouvertes qui permettent aux systèmes informatiques d’échanger et d’interagir de façon très fluide.

Certes, le secteur financier n’est pas le premier à connaître une telle évolution, comme le soulignent les auteurs du dossier qui rappellent les précédents des secteurs des télécoms, du tourisme ou du transport. Mais celle-ci n’en pose pas moins de nombreuses questions : jusqu’où peut aller cette modularisation des services financiers, qui n’est aujourd’hui en voie de généralisation que sur les services de paiement ? Qui exploitera au mieux ces possibilités nouvelles ? Sur la base de quel modèle économique ? Dans quel cadre réglementaire ? Où en sont les questions liées à la sécurisation des transactions, mais aussi la protection des données ? Le dossier piloté par Séverine Leboucher explore ces pistes de réflexion en donnant la parole aux différentes parties prenantes.

Quels sont les bénéfices attendus du Big Data dans le secteur de l’assurance ? Willy Davtian, Mélanie Monier et Vianney Sotteau, étudiants à l’ENAss (dont l’analyse a remporté le concours lancé par les Assises du courtage d’assurance, sur le thème « Réconcilier le digital et les réseaux physiques dans un environnement réglementé ») identifient une amélioration du profilage des assurés et du ciblage de leurs besoins, une meilleure prévention et moins de fraudes, donc des économies de coûts, mais au prix d’une démutualisation potentielle et de l’ouverture de la concurrence à de nouveaux entrants, entre GAFA et assurtechs.

Big Data encore : qui va piloter les projets de transformation qui en découlent ? Les banques ont aujourd’hui des difficultés pour recruter des Data Scientists, car « la rémunération seule ne suffit pas pour attirer et surtout motiver dans la durée ces profils venus d'autres horizons, en particulier ceux ayant une culture assez “hacker”. Ils peuvent être rapidement démotivés par les lourdeurs d'une banque ou d’une compagnie d’assurance » souligne Pierre Ménard (Dataiku). D’où l’idée de privilégier les évolutions internes en recrutant parmi les collaborateurs, statisticiens, chargés d’études, analystes crédits, et autres actuaires.

Enfin, pas de répit sur le front des modèles internes ! Alors que les négociations se poursuivent avec le Comité de Bâle (lire Le Mois en Revue, p. 6) sur l’utilisation des modèles internes de risque de crédit, et en attendant l’entrée en vigueur en 2019 des nouvelles règles sur les modèles internes de risques de marché (FRTB), la BCE, en tant que superviseur bancaire unique européen, a lancé en 2016 le programme TRIM (Targeted Review of Internal Models) pour évaluer la pertinence des modèles internes de risques de marché, de crédit et de contrepartie, leur conformité aux règles prudentielles européennes, et encourager leur harmonisation. « Au final, les banques doivent s’attendre à des inspections consommatrices de données, de documents et de ressources de manière similaire en quelque sorte à l’AQR de 2014 mais plus ciblées » préviennent Marie-Hélène Fortésa (EY, Adicef) et Olivier Daumont (EY). Cette revue sera séquencée sur… 4 ans !