Les domaines d’activité qui traitent de grands volumes de données sont de plus en plus bousculés par les nouvelles technologies informatiques (big data, intelligence artificielle, …) capables de les exploiter plus « intelligemment » et de faire émerger des informations bien pratiques pour qui veut comprendre et anticiper les comportements de ses clients.
Ainsi si le scoring des dossiers permet depuis de nombreuses années de calculer le niveau de risque d’un dossier, l’IA (Intelligence Artificielle) et ses techniques d’apprentissage (machine learning) savent l’extrapoler à partir de l’historique des autres cas traités et, n’en doutons pas, bientôt de le prédire.
Scoring classique et évaluation du risque
Le scoring permet, sur la base des données du dossier et de règles de calcul issues de l’expérience, d’évaluer par exemple le risque de non-remboursement pris par une banque lors d’un accord de prêt ou bien encore le non-paiement du loyer au bailleur par son locataire. Sa pratique est, au fil du temps, devenu incontournable pour apprécier le niveau de risque d’un dossier dans les domaines assurantiel, bancaire, ou encore immobilier. Il permet en effet de filtrer les dossiers et dans certains cas de fixer le montant de la prime qui sera exigée pour accepter tout engagement financier ou contrat.
Le résultat du scoring est obtenu par des algorithmes qui exploitent des outils mathématiques classiques de statistiques, probabilités, etc… Les données extraites du dossier du candidat sont passées à la moulinette de règles d’évaluation issues du retour d’expérience sur les milliers de cas et dossiers déjà traités. La pertinence et l’efficacité de l’évaluation du risque dépend donc des critères pris en compte et surtout des règles qui leur sont appliqués. Autant dire que chaque entreprise garde jalousement le secret sur le contenu de son module de scoring « maison » qui peut lui permettre de se distinguer de la concurrence par une analyse de risque plus performante.
Pour exemple, en matière de location immobilière, le scoring permet d’apprécier un dossier selon le taux d’effort du candidat (ratio loyer/revenus), la situation familiale (seul, couple, nombre enfants, …), professionnelle (indépendant, salarié CDI/CDD), la catégorie socio-professionnelle, la localisation du logement, etc…
Mais ça ne suffit pas !La sélection du locataire … avant !
Pour un propriétaire bailleur le risque considéré habituellement est celui de ne pas percevoir ses loyers. Mais il ne s’agit que d’une facette de la variété des risques auxquels doit faire face un bailleur. Car si les impayés diminuent rapidement le rendement locatif d’un bien loué, c’est aussi le cas de la dégradation du logement ainsi que de la vacance locative ! Imaginez que l’on sache apprécier un dossier sur le risque d’impayés, mais aussi sur celui de récupérer le bien dégradé et enfin sur la durée de location probable du candidat ?
En effet, le risque d’être privé de plusieurs mois de loyers pour remettre en état le logement, sans oublier le coût des travaux, n’est-il pas une composante importante de la rentabilité locative du bien ? Et le risque de devoir rechercher un successeur après seulement quelques mois de location (avec frais d’agence éventuels et vacance locative potentielle) n’est-il pas significatif, même si le locataire est bon payeur ?
On voit bien que la seule appréciation du risque d’impayés est restrictive et que pour juger efficacement la qualité d’un dossier candidat il serait profitable d’être en mesure d’apprécier également le risque de dégradation et la durée probable de location.
-
- On pourrait ainsi comparer des dossiers selon les critères suivants :
- niveau risque impayés (sur une échelle de 1 à 5, par exemple),
- niveau risque dégradation (sur une échelle de 1 à 5, par exemple),
- durée probable de location (en mois).
Il faut reconnaitre qu’actuellement le risque de dégradation ainsi que celui de vacance locative sont ignorés ou mieux (ou pire ?), évalués « à la tête du client » et selon le ressenti (feeling) du premier contact avec le candidat lors de la visite ! Avec bien évidemment tous les à priori, préjugés, travers et biais issus de nos expériences, de notre éducation, de nos origines sociales, etc…
On confie donc son investissement, appartement ou maison, à des inconnus sur des critères d’évaluation … bien peu objectifs. Autant dire que l’on joue son bien, quelquefois son seul patrimoine, souvent une partie importante de ses revenus … sur un simple pari !
Mais ça c’était avant !La sélection du locataire … maintenant !
Les techniques d’IA, notamment le machine learning, peuvent extrapoler de l’historique des cas déjà traités d’autres informations qui permettent de « prédire » certains comportements. On a tous entendu parler de ce logiciel de prédiction « vendu », à plusieurs municipalités américaines pour anticiper les délits et crimes afin d’optimiser l’utilisation des moyens des polices locales, avec des résultats pas toujours incontestables d’ailleurs !
Sans parodier le film « Minority report » où la prédiction des crimes avait pour objectif de les éviter, il serait dommage de ne pas explorer un tel potentiel de prédiction qui, appliqué à la location immobilière, ajouterait à la panoplie des outils de prévention des risques un composant déterminant car capable d’éviter bien des galères à des propriétaires bailleurs souvent victimes … de leur première impression.
C’est déjà grâce aux performances de son module de scoring « boosté » à l’IA que Wizi est capable de proposer à ses milliers de clients bailleurs sa formule « Paiement du loyer le 5 du mois quoi qu’il arrive ».
La prise en compte des risques de dégradation et de vacance locative complètera l’analyse de risque de chaque dossier et permettra à Wizi de proposer à ses clients de nouveaux services afin de leur apporter encore plus de sécurité et de sérénité.
C'est une piste … et Wizi y travaille ! Affaire à suivre !