THÈSE

Explainable AI for Financial Inclusion

Un système de scoring de crédit explicable et audité pour l'équité, pour les 1,4 milliard d'adultes exclus du crédit formel.

MSC DATA SCIENCE & BUSINESS INTELLIGENCE · EDC PARIS BUSINESS SCHOOL

Lire la thèse complète (PDF)

1,4 milliard d'adultes dans le monde n'ont pas accès au crédit formel, non pas parce qu'ils sont incapables de rembourser, mais parce que le scoring de crédit traditionnel exige un historique bancaire que les populations sans dossier ou à dossier mince n'ont pas. Cette thèse pose la question suivante : le machine learning, rendu explicable via SHAP et audité pour l'équité, peut-il commencer à combler cet écart sans enfreindre les exigences de transparence et de robustesse que l'AI Act européen impose désormais aux systèmes d'IA à haut risque comme le scoring de crédit ?

J'ai construit et validé le framework EICS (Explainable Inclusive Credit Scoring) : un pipeline à trois piliers (prédiction par gradient boosting, explication via SHAP, calibration de seuil auditée pour l'équité) testé sur 1,35 million d'enregistrements réels de prêts Lending Club et répliqué sur un second jeu de données structurellement différent (Home Credit, 307 511 enregistrements) pour confirmer que ce n'était pas un hasard propre à un seul prêteur.

Le framework ne prétend pas encore que les populations à dossier mince en sont des bénéficiaires directs. Les jeux de données disponibles pour cette thèse, par construction, n'incluent que des emprunteurs ayant déjà un historique de crédit bancaire, donc cette affirmation ne peut pas être testée directement ici. Ce que la thèse montre, c'est que le framework est construit, validé empiriquement à deux reprises, et prêt pour ce déploiement comme prochaine étape.

Le problème

La cause est informationnelle, pas comportementale : un jeune entrepreneur avec une activité viable mais sans historique de crédit bancaire est invisible pour un modèle de scoring entraîné sur des données bancaires, tout comme un salarié payé en espèces dans une économie informelle. Deux évolutions ont rendu possible une approche différente. Les modèles de ML par gradient boosting surpassent désormais la régression logistique, standard du secteur du scoring de crédit depuis des décennies, et les techniques d'IA explicable comme SHAP peuvent décomposer les prédictions d'un modèle en contributions interprétables, levant l'objection de la « boîte noire » qui a historiquement écarté le ML du crédit réglementé. L'AI Act européen ajoute la pression réglementaire : l'article 86 donne aux personnes concernées le droit à une explication claire et significative d'une décision de crédit automatisée.

Ce que j'ai construit : le framework EICS

Trois piliers, plus deux couches de conformité. Prédiction : un classifieur par gradient boosting (XGBoost ou LightGBM, interchangeables empiriquement) entraîné sur un échantillon équilibré par SMOTE avec recherche bayésienne d'hyperparamètres. Explication : TreeSHAP calcule à la fois un classement global de l'importance des variables et des explications locales par dossier, que je traduis en récits de décision structurés et en langage clair, pas en valeurs SHAP brutes. Équité : un audit sur trois dimensions de sous-groupes (quartile de revenu, statut de propriété, statut de vérification), avec une calibration de seuil de décision spécifique à chaque groupe pour combler les écarts détectés par l'audit. La couche de conformité A opérationnalise l'exigence de transparence de l'article 13 de l'AI Act via ces récits de décision ; la couche de conformité B opérationnalise la robustesse de l'article 15 via des graines aléatoires fixes, des artefacts versionnés, et la réplication inter-jeux de données décrite plus loin.

Ce que les modèles ont réellement montré

Le gradient boosting (LightGBM AUC-ROC 0,7293, XGBoost 0,7278) surpasse la régression logistique (0,7158) avec un écart statistiquement significatif mais modeste. Cet écart est volontairement honnête : j'ai supprimé 50 variables qui divulguent de l'information postérieure à l'octroi du prêt, ce qui explique pourquoi d'autres analyses publiées sur ce même jeu de données rapportent des AUC gonflées de 0,85 à 0,90. Le chiffre de 0,73 est le plafond réaliste pour prédire un défaut au moment même où quelqu'un fait sa demande. Random Forest, évalué avec des hyperparamètres par défaut raisonnables plutôt qu'avec le même budget d'optimisation que les modèles de gradient boosting, ressort quasiment à égalité avec la régression logistique ; savoir si un Random Forest pleinement optimisé comblerait cet écart est une question que cette thèse laisse ouverte, pas une question à laquelle elle répond.

Ce qui pilote les décisions du modèle

La note de risque attribuée par Lending Club lui-même est de loin le prédicteur le plus fort. Derrière elle, sept de mes variables construites figurent dans le top 20 du classement SHAP, dont un encodage numérique de la sous-note du prêt au rang 2, mais elles complètent le signal bancaire sous-jacent plutôt que de le remplacer. Le cas que je trouve le plus intéressant de toute l'analyse est celui d'un emprunteur à haut revenu qui a effectivement fait défaut : une heuristique fondée sur la note et le revenu l'aurait classé comme peu risqué, mais la décomposition SHAP a fait apparaître le vrai signal en dessous : un ratio mensualité/revenu élevé, une forte utilisation du crédit renouvelable, et un signalement récent d'impayé. C'est là le véritable argument en faveur du ML explicable dans le scoring de crédit : non pas qu'il soit plus précis dans l'abstrait, mais qu'il peut détecter un risque qu'une heuristique plus simple manque, tout en montrant son raisonnement.

Est-ce équitable ?

Avant toute correction, les trois comparaisons de sous-groupes échouaient toutes à la règle des quatre cinquièmes. Les emprunteurs à faible revenu étaient prédits en défaut à environ 3,2 fois le taux du quartile de revenu le plus élevé ; les locataires à environ 3,8 fois le taux des propriétaires. La calibration de seuil spécifique à chaque groupe, ajustée par paire de sous-groupes plutôt qu'avec un seuil global unique, a réduit l'écart d'équité (Equalised Odds Difference) de 97 à 99 % sur les trois comparaisons. La calibration liée au statut de propriété a fait cela tout en plus que doublant le score F1 du modèle : équité et précision ont évolué dans le même sens, parce que le seuil par défaut de 0,5 du modèle non calibré n'a jamais été un bon point de fonctionnement sur ces données déséquilibrées.

Est-ce que ça tient sur un autre jeu de données ?

J'ai répliqué le pipeline complet sur Home Credit Default Risk, un jeu de données d'un prêteur différent servant des marchés différents (307 511 demandes, un taux de défaut de 8 % contre 20 % pour Lending Club, et une taxonomie de variables entièrement différente), en utilisant exactement les hyperparamètres ajustés sur Lending Club, sans réajustement. L'AUC-ROC a tenu : 0,7532, en réalité légèrement supérieure à celle sur Lending Club. Aucun nom de variable SHAP ne se recoupait entre les deux jeux de données, puisqu'ils ne partagent pas les mêmes colonnes, mais le schéma était identique : les deux modèles s'appuyaient le plus fortement sur des scores de type bureau de crédit d'origine externe comme prédicteurs principaux. L'architecture se transpose à un contexte de prêt structurellement différent sans modification.

Ce que cette thèse ne montre pas encore

Chaque demandeur des deux jeux de données a déjà un historique bancaire formel. Cela signifie que cette thèse valide que le framework EICS fonctionne : il prédit, explique, et peut être audité et calibré pour l'équité. Elle ne valide pas encore l'argument d'inclusion financière qui a motivé le projet, parce que les données disponibles n'incluent pas la population à dossier mince ou sans dossier que cet argument concerne réellement. Le framework est le pont ; le traverser, le tester face à une population qu'il a vocation à servir un jour, est la prochaine étude, menée en partenariat avec une institution qui prête réellement à cette population.

FIGURES

Les résultats, en images

Une sélection de figures issues de la thèse, légendées en langage clair. L'ensemble complet des figures, la méthodologie et les annexes sont dans le PDF ci-dessus.

Diagramme en barres et camembert montrant 1 076 751 non-défauts contre 268 559 défauts dans le jeu de données Lending Club
Le jeu de données : 1,35 million de prêts Lending Club, environ 20% se sont soldés par un défaut. J'ai entraîné le modèle sur un échantillon stratifié de 500 000 prêts qui préserve exactement ce même taux.
Diagramme en barres montrant le taux de défaut augmentant de façon monotone de 6% (note A) à 49,9% (note G)
La note de risque de Lending Club fonctionne, clairement : le taux de défaut passe de 6% pour la note A à 50% pour la note G, en ligne droite. C'est pour ça que la note se révèle être le prédicteur le plus fort de toute l'analyse.
Courbes ROC pour la régression logistique, Random Forest, XGBoost et LightGBM
Les quatre modèles face à face. LightGBM et XGBoost devancent la régression logistique et Random Forest, mais avec un écart volontairement modeste (0,729 contre 0,716 d'AUC) : j'ai retiré 50 variables qui divulguent de l'information postérieure à l'octroi du prêt, ce qui explique pourquoi d'autres analyses publiées sur ce jeu de données rapportent des AUC gonflées à plus de 0,85. C'est le chiffre honnête pour prédire un défaut au moment même de la demande.
Diagramme en barres horizontales des 20 variables les plus importantes par valeur SHAP absolue moyenne, menées par la note
Sur quoi le meilleur modèle s'appuie réellement, classé. La note de prêt de Lending Club domine largement. Sept de mes variables construites figurent dans le top 20, mais elles s'ajoutent au signal bancaire, elles ne le remplacent pas.
Graphique en essaim SHAP montrant la direction et l'amplitude de l'effet de chaque variable sur les instances de test
Même classement, mais avec la direction en plus, pas seulement l'amplitude. Chaque point est un prêt. Le rouge signifie une valeur de variable élevée ; sa position montre si cela a poussé la prédiction vers le défaut (droite) ou à l'opposé (gauche).
Graphique de dépendance SHAP pour la note de prêt, montrant une relation monotone avec la valeur SHAP
Zoom sur la variable la plus forte : la relation est nette et monotone, chaque baisse de note augmente l'estimation de risque du modèle en ligne droite, sans inversion qui suggérerait que le modèle capte du bruit.
Graphique en cascade SHAP pour un demandeur clairement à haut risque, probabilité de défaut prédite de 0,771
Une vraie demande, décomposée. La note de risque de cet emprunteur, à elle seule, a fait grimper fortement la probabilité de défaut prédite ; le modèle l'a classé à haut risque (77%), et il a effectivement fait défaut.
Graphique en cascade SHAP pour un emprunteur à haut revenu avec un risque de défaut prédit élevé, qui a effectivement fait défaut
Le cas que je trouve le plus intéressant de toute la thèse. Cet emprunteur avait un revenu élevé, qu'une vérification note-et-revenu aurait lu comme peu risqué. SHAP a fait apparaître le vrai signal à la place : un ratio mensualité/revenu élevé, une forte utilisation du crédit renouvelable, un signalement récent d'impayé. Il a fait défaut. Le revenu seul serait passé à côté.
Diagrammes en barres comparant les métriques d'équité DPR, EOD et DIR avant et après calibration du seuil, sur trois paires de sous-groupes
Avant toute correction (gris), le modèle était inéquitable, avec un écart important sur le revenu, le statut de propriété et le statut de vérification. Après calibration séparée du seuil de décision par sous-groupe (vert), l'écart d'équité s'est effondré de 97 à 99% sur l'ensemble.
Courbe montrant l'Equalised Odds Difference et le score F1 global en fonction du seuil de classification appliqué au quartile de revenu le plus bas
L'hypothèse de départ était que corriger l'équité coûte de la précision. Pour le revenu, il y a une vraie courbe de compromis, visible ici. Pour le statut de propriété, c'est l'inverse qui s'est produit : calibrer pour l'équité a aussi amélioré la précision, parce que le seuil par défaut de 0,5 n'a jamais été un bon point de fonctionnement.
Diagrammes en barres côte à côte des 10 principales variables SHAP pour Lending Club et Home Credit
La même architecture, non modifiée, appliquée au jeu de données entièrement différent d'un second prêteur. Aucun nom de variable ne se recoupe, elles ne partagent pas les mêmes colonnes, mais le schéma est identique : les deux modèles s'appuient le plus fortement sur des scores de type bureau de crédit externe. C'est à ça que ressemble « le framework généralise » dans les données.
Diagramme du framework EICS : trois piliers (Prédiction, Explication, Équité) plus deux couches de conformité à l'AI Act européen
Le livrable final : trois piliers, prédiction, explication et audit d'équité, enveloppés dans deux couches de conformité correspondant aux exigences de transparence (article 13) et de robustesse (article 15) de l'AI Act européen. Validé sur 1,35 million d'enregistrements, répliqué sur 307 000 de plus.