# Scoring crédit alternatif

> Scoring crédit alternatif (alternative credit scoring)

Évaluation de la solvabilité d'un emprunteur basée sur des données alternatives au scoring bureau traditionnel : flux bancaires AIS, paiements, comportement digital, données télécom.

_Catégorie: technique_

---

## Définition

Le **scoring crédit alternatif** évalue la solvabilité d'un emprunteur sans s'appuyer uniquement (ou en complément) sur les scores bureau traditionnels — FICP en France, Schufa en Allemagne, FICO aux US.

Il combine des données alternatives : flux bancaires AIS, historique de paiement BNPL, comportement digital, données télécom, fiche entreprise, factures. Porté par la DSP2 (qui a ouvert l'accès aux flux via les AISP), il permet d'évaluer en quelques secondes des profils que les bureaux couvrent mal.

## Les limites du scoring bureau traditionnel

En France, contrairement aux US ou au UK, il n'existe pas de score positif (type FICO). Les outils sont négatifs : le FICP (incidents de remboursement, surendettement), le FCC (incidents chèque et carte) et les scorings internes propres à chaque banque. Conséquence : primo-emprunteurs, freelances, nouveaux arrivants et jeunes sans historique long sont invisibles ou pénalisés. Le scoring alternatif comble ce vide.

## Les données utilisées

- **Flux bancaires (AIS)** : revenus récurrents, charges fixes, soldes moyens, taux d'épargne, découverts, part contrainte des dépenses — la source n°1.
- **Historique BNPL / paiements** : remboursements à temps chez Alma, Klarna, FLOA.
- **Données télécom** : régularité des paiements (surtout en Afrique, plus rare en Europe pour des raisons RGPD).
- **Données comportementales** : ancienneté du compte, nombre de banques, stabilité géographique.
- **Déclaratif** : type de contrat, ancienneté, situation familiale.
- **Données entreprise (B2B)** : SIREN, ancienneté, secteur, factures, encours (Pappers, Heron Data).

## La méthodologie : ML supervisé

Un modèle est typiquement un gradient boosting (XGBoost, LightGBM), parfois un réseau de neurones, entraîné sur l'historique de défauts (« le client a-t-il fait défaut à 12 mois ? »). Il produit un score ou une probabilité de défaut, qui donne une décision binaire (seuil) ou multi-tier (taux selon score). L'explicabilité est obligatoire pour le crédit conso (SHAP values, motifs de refus), au titre du droit à l'explication de l'article 22 RGPD.

## Cas d'usage majeurs

- **BNPL** (Klarna, Alma, FLOA, Younited Pay) : scoring instantané au checkout pour le 3x/4x sans frais.
- **Crédit conso instantané** : Younited, FLOA, Cetelem décident en 3 à 5 minutes, vs 3 à 5 jours en banque.
- **Crédit pro PME / freelance** : Karmen, Defacto, October qualifient un revenu instable via flux et factures.
- **Avance sur salaire (EWA)** : Stairwage, Rosaly estiment la trésorerie disponible du salarié.
- **Embedded finance** : scoring intégré au checkout d'un marchand via API.

## Ce que le scoring alternatif n'est pas

- **Pas un remplacement du FICP** : la consultation FICP reste obligatoire pour le crédit conso (loi Lagarde) ; le scoring complète.
- **Pas du « scoring positif » à la FICO** : la France refuse depuis 30 ans un fichier positif national ; chaque acteur a son modèle propriétaire.
- **Pas exempt du droit à l'explication** : l'article 22 RGPD impose d'expliquer les décisions automatisées et de permettre une intervention humaine.
- **Pas magique** : les meilleurs modèles gagnent +5 à +15 points de Gini sur le bureau traditionnel — utile, pas miraculeux.

## Critères de qualité

- **Gini / AUC** : capacité à séparer bons et mauvais payeurs (cible Gini > 60 % pour du conso performant).
- **Approval rate** : part de candidats acceptés, à mettre en regard du taux de défaut.
- **Default rate** : défauts à 12 mois sur les acceptés (2 à 8 % sur le BNPL).
- **Latence** : < 2 secondes pour une intégration checkout.
- **Stabilité** : résistance au _drift_ dans le temps (sinon ré-entraînement).

## Dans l'écosystème PSD2

La DSP2 a été le catalyseur du scoring alternatif en Europe : avant, seules les banques avaient les flux ; avec l'AIS, tout prêteur peut (avec consentement) récupérer 12 à 24 mois d'historique. Si FIDA est adopté, s'ajouteront les crédits en cours, l'épargne et l'assurance, pour un score encore plus précis.

```mermaid
flowchart LR
    EMPRUNTEUR["Candidat emprunteur"]

    subgraph DATA["Données d'entrée"]
        AIS["Flux bancaires AIS<br/>(via AISP)"]
        BURO["Bureau (FICP, FCC)"]
        DECL["Déclaratif<br/>(revenus, situation)"]
        BNPL_HIST["Historique BNPL"]
        ENTRE["Fiche entreprise (B2B)"]
    end

    subgraph MODEL["Modèle ML"]
        FEATURE["Feature engineering"]
        XGBOOST["Gradient boosting"]
        SHAP["Explicabilité SHAP"]
    end

    subgraph DECISION["Décision"]
        SCORE["Score / PD"]
        ACCEPT["Accepter / refuser"]
        TAUX["Taux personnalisé"]
    end

    EMPRUNTEUR --> DATA
    DATA --> MODEL
    MODEL --> DECISION
```

## Exemples concrets

- **Acteurs B2C** : Algoan (brique de scoring vendue aux banques et fintechs), FLOA (BNP), Younited Credit, et les modèles internes de Klarna et Alma.
- **Younited** : a fondé son business sur le scoring alternatif (flux AIS + déclaratif) ; établissement de crédit agréé par l'ACPR depuis 2011, coté sur Euronext Paris.
- **Algoan** : SDK/API branché sur un AISP (Bridge, Tink) qui renvoie un score et ses motifs, vendu à BNP, Cofidis et des néobanques.
- **Heron Data** : focus B2B (PME US et UK), qualifie les flux pour le crédit, le factoring et le lease.
- **EWA** : Rosaly et Stairwage scorent le salarié sur ses flux salariaux pour avancer une partie du net.
- **Limite RGPD / éthique** : l'usage de données comportementales (géoloc, réseaux sociaux) est très contesté en Europe ; les acteurs sérieux se limitent à l'AIS, au déclaratif et au bureau, explicitement consentis.
- **Évolution** : usage de LLM pour le contexte des transactions, modèles transparents par construction, et pression de l'AI Act (2026) qui classe le scoring crédit en IA à haut risque.

## Sources

- [Fichier des incidents de remboursement des crédits aux particuliers (FICP)](https://www.banque-france.fr/fr/particuliers/fichier-des-incidents-de-remboursement-des-credits-aux-particuliers-ficp) — Banque de France
- [Article 22 RGPD — Décision individuelle automatisée](https://www.cnil.fr/fr/reglement-europeen-protection-donnees/chapitre3#Article22) — CNIL
- [Younited — Société et activité](https://fr.wikipedia.org/wiki/Younited) — Wikipedia

---

Source: https://openfinanceguide.com/fr/glossary/scoring-credit-alternatif