Le risque de modèle désigne « la perte potentielle qu’un établissement peut subir en raison de décisions fondées sur les résultats de modèles, en raison d’erreurs dans l’élaboration, la mise en œuvre ou l’utilisation de ces modèles »1. Cette définition peut être étendue à tout modèle statistique. C’est seulement en 2000 que la définition a été évoquée par l’OCC2 dans le domaine bancaire (« Office of the Comptroller of the Currency » le régulateur américain des banques nationales).
Ce risque est d’autant plus présent et important lorsque les modèles utilisés deviennent complexes par leurs données, leurs hypothèses ou leur conception. Cela peut même créer de nouvelles problématiques, par exemple l’éthique et les biais.
L‘objectif de ce document est d’apporter un point de vue autour du risque de modèle, en particulier d’expliquer l’importance de ce risque dans la conjoncture économique particulière, de sa bonne gestion. Le document vise par ailleurs à mettre en évidence les attentes des régulateurs et enfin à présenter les enjeux et les points d’attention que requiert la transition vers des modèles plus complexes (« machine learning » ou IA générative).
1 Directive 2013/36/UE Article 3.11.1. Cette définition est généralement conforme à celle de la SR 11-7 : « le risque de conséquences négatives découlant de décisions fondées sur des résultats et des rapports de modèles incorrects ou mal utilisés »
2 https://www.occ.gov/static/rescinded-bulletins/bulletin-2000-16.pdf