Peter Plochan, Conseiller principal en gestion des risques EMEA chez SAS – Série d’interviews

Peter Plochan est le Conseiller principal en gestion des risques EMEA chez SAS qui aide les institutions financières à faire face à leurs défis liés aux réglementations financières et de risque, à la gestion des risques d’entreprise, à la gouvernance du risque, à l’analyse prospective du risque, aux tests de résistance, à la gestion du risque de modèle, à la modélisation du risque et à la gestion du risque lié au changement climatique.

Peter possède une formation en finance (master en banque) et est certifié Financial Risk Manager (FRM) avec plus de 19 ans d’expérience en gestion des risques dans le secteur financier. Il a aidé diverses institutions bancaires et d’assurance à mettre en œuvre des projets de gestion des risques à grande échelle, tant en interne qu’en tant que conseiller en gestion des risques externe (PwC). Depuis son arrivée chez SAS en 2014, Peter agit en tant qu’expert mondial du domaine – tirant parti des dernières tendances en analytique du risque et technologie grâce à son expertise approfondie en gestion des risques et finance.

Vous avez travaillé au sein de grandes institutions financières et cabinets de conseil, dont PwC, ABN AMRO, Atradius, et maintenant SAS, avec une vaste expérience en réglementation bancaire, gestion des risques d’entreprise et tests de résistance financiers. En regardant votre carrière, quelles faiblesses structurelles dans la façon dont les banques abordent le risque géopolitique restent étonnamment non résolues ?

J’ai animé un récent webinaire avec des spécialistes du risque géopolitique. Un directeur des risques d’une banque a résumé le défi actuel en disant : « Une gestion lente du risque est une mauvaise gestion du risque. » Lorsqu’ils sont confrontés à des chocs géopolitiques, les banques ont souvent besoin d’une réponse soudaine et rapide.

L’économie mondiale est de plus en plus interconnectée. Cela signifie que la vitesse de toute contagion d’un choc géopolitique augmente également.

Bien sûr, les chocs géopolitiques sont variés, allant des variations des prix du pétrole aux guerres commerciales et aux tarifs, en passant par les conflits armés, entre autres.

Les banques et les institutions de services financiers ne peuvent pas se permettre d’attendre trop longtemps pour évaluer l’impact de tels chocs sur leurs bilans. La rapidité reste primordiale.

Au cours des dix dernières années, le secteur des services financiers a amélioré sa capacité à exécuter des calculs de risque plus rapidement que jamais. Pourtant, les tests de résistance restent l’une des activités les plus intensives en calcul et les plus lourdes en processus au sein des institutions financières.

Les banques doivent établir un inventaire de leurs prêts et actifs, puis évaluer quelles parties de leur bilan sont susceptibles aux chocs spécifiques. Un facteur clé de succès dans cet effort est le niveau de détail et de complétude avec lequel les banques construisent ces inventaires, ainsi que la rigueur de leurs analyses et évaluations du risque.

Par exemple, les banques doivent examiner non seulement les chocs géopolitiques eux‑mêmes, mais aussi leurs effets indirects, parfois moins évidents et plus lents à se développer que les chocs eux‑mêmes. Que provoque une flambée des prix du pétrole, non seulement à la pompe, mais sur l’ensemble de la chaîne d’approvisionnement ? Et comment une hausse des prix du pétrole peut‑elle affecter non seulement l’essence, le diesel et d’autres coûts de transport, mais aussi les coûts et prix des engrais, des plastiques et même des médicaments produits dans un pays ou une région spécifiques ?

Dans de nombreux cas, les banques n’ont pas une compréhension approfondie des effets potentiels des chocs géopolitiques sur leurs clients et les chaînes d’approvisionnement de ces clients, ce qui rend la gestion du risque géopolitique plus difficile.

Grâce à la gestion du risque géopolitique, les banques cherchent à mieux comprendre et évaluer l’impact des chocs sur leurs clients et les prêts de ces clients, qui constituent la majeure partie des bilans bancaires. La gestion du risque géopolitique pour les banques tente de répondre à une question qui semble simple en surface mais compliquée en profondeur : que signifiera ce choc pour chaque client bancaire et sa capacité à rembourser les prêts ?

Comme pour la gestion du risque climatique (qui présente de nombreuses similitudes avec la gestion du risque géopolitique), chaque banque doit aller bien plus loin que d’habitude. En recueillant et en analysant les données appropriées et en appliquant des méthodologies telles que les tests de résistance, une banque peut mieux comprendre l’exposition de ses clients à un choc ainsi que le risque de son propre bilan.

En considérant toute la gestion des risques – pour le risque géopolitique, le risque climatique, le risque de crédit, le risque de liquidité et autres – comme bien plus qu’un exercice de conformité, les banques peuvent découvrir des insights qui orientent la planification stratégique de l’entreprise.

En utilisant les insights analytiques d’un programme de gestion des risques robuste (y compris les tests de résistance), la banque peut prendre de meilleures décisions commerciales pour atténuer les risques géopolitiques et autres et renforcer sa résilience opérationnelle.

Pour les lecteurs qui ne connaissent pas le terme, qu’est‑ce exactement que le « test de résistance » en banque, et pourquoi est‑il devenu de plus en plus important dans le contexte géopolitique et économique actuel ?

Le test de résistance est une forme d’analyse de scénarios. En utilisant des simulations prospectives, une banque ou une autre société de services financiers peut examiner une situation économique (par ex., une baisse de l’inflation, une hausse des taxes ou des coûts de l’électricité) ou un changement et évaluer son impact sur les indicateurs financiers et de risque de la banque ainsi que sur sa performance.

Le test de résistance est l’une des activités les plus complexes et les plus intensives en calcul au sein d’une institution financière, nécessitant de nombreux calculs complexes. Afin de répondre aux questions clés du type « et si » et de mieux comprendre les effets des risques géopolitiques, climatiques et autres, les banques doivent recueillir des données sur leurs clients, les tendances économiques (issues de sources publiques et privées) et leur sensibilité aux risques spécifiques qu’elles souhaitent évaluer. Elles doivent ensuite analyser ces données pour découvrir les impacts potentiels sur leurs portefeuilles de prêts et leurs bilans.

Les tests de résistance géopolitiques visent à déterminer la performance future d’une banque en fonction des effets de chocs tels que la guerre, les restrictions commerciales, les tarifs et les sanctions, entre autres. Les tests de résistance géopolitiques partagent de nombreuses caractéristiques avec les tests de résistance climatiques, qui se concentrent sur les effets des chocs climatiques (par ex., les inondations ou la hausse constante des températures).

Le test de résistance est un outil clé de gestion des risques et un moteur de décision. Puisqu’aucune banque ne possède de boule de cristal, elle ne sait pas quel scénario ou choc se produira ensuite. Mais les banques peuvent réaliser des analyses « et si » basées sur des scénarios possibles afin de déterminer les risques et possibilités futurs – voire les opportunités – pour leurs clients et leurs propres opérations, et utiliser les résultats pour commencer à se préparer en conséquence.

Le risque géopolitique est en hausse, les chocs survenant plus rapidement que jamais et souvent simultanément. Puisque les événements géopolitiques affectent simultanément les marchés, le commerce et les chaînes d’approvisionnement, les tests de résistance aident les banques à simuler plus tôt les scénarios futurs et à préparer des réponses potentielles.

Comme un autre directeur des risques (CRO) l’a souligné lors d’un récent panel, « Un insight sans action n’a aucune valeur. » En appliquant les insights analytiques, le test de résistance soutient de meilleures décisions commerciales. Le résultat ? Les banques peuvent prendre des mesures éclairées pour naviguer les chocs géopolitiques tout en affinant leur stratégie d’entreprise.

Les chocs géopolitiques d’aujourd’hui se déroulent souvent simultanément à travers le commerce, l’énergie, les matières premières, les menaces cybernétiques et les chaînes d’approvisionnement. Les modèles de risque bancaire traditionnels sont‑ils encore capables de gérer ce type de risque systémique interconnecté ?

Partiellement.

Lorsque nous réfléchissons à la modélisation du risque bancaire traditionnelle et à sa capacité à gérer le risque interconnecté et systémique, il existe deux niveaux sur lesquels les banques évaluent l’impact des chocs géopolitiques sur leurs portefeuilles.

Le premier niveau est au niveau macroéconomique. Par exemple, s’il y a un choc sur le prix du pétrole, une banque cherchera à comprendre l’impact global sur l’économie régionale ou locale où se situe un client.

Ainsi, si le client d’une banque est un grand fabricant basé au Texas, l’économie de cet État pourrait en fait s’améliorer pendant un choc pétrolier, puisqu’il produit du pétrole. La modélisation du risque macroéconomique de la banque pourrait indiquer que les entreprises du Texas sont plus susceptibles de prospérer, le chômage diminuant et le volume d’affaires augmentant localement, par exemple. En revanche, la plupart des autres économies seront impactées négativement, ce qui affecterait défavorablement les activités commerciales de toutes les entreprises texanes.

Aujourd’hui, au niveau macroéconomique, la plupart des banques disposent d’une base solide en matière de modélisation. Dans leurs tests de résistance, elles peuvent traduire les chocs géopolitiques en indicateurs macroéconomiques (au niveau d’un État, d’un pays ou d’une région).

En utilisant notre exemple, une banque disposera d’un modèle qui prédit ce qui arrivera au secteur manufacturier du Texas en termes de probabilité de défaut si le PIB de l’État augmente d’un certain pourcentage.

Ainsi, les modèles de risque bancaire sont déjà équipés pour analyser les impacts macroéconomiques des chocs géopolitiques sur les clients (et emprunteurs) de la banque.

Mais le deuxième niveau reste un défi.

Au niveau micro, une banque doit zoomer pour évaluer la sensibilité d’un client spécifique à un choc géopolitique particulier et le risque de défaut de ce client en conséquence.

Qu’est‑ce qu’une chute de 50 % de la production d’engrais fera à un constructeur automobile ? Pas grand‑chose, du moins pas directement (bien que ce constructeur ressentirait presque certainement les effets d’une inflation élevée résultante). Mais si le client est un producteur agricole, cela pourrait signifier une forte baisse des revenus.

Au niveau micro, les banques ont besoin de granularité et de spécificité des données dans leurs tests de résistance et leur modélisation du risque. Elles doivent zoomer sur les secteurs d’activité, les régions et les contreparties individuelles de leurs portefeuilles, et comprendre quels clients sont sensibles à quels types de risques géopolitiques. En fin de compte, les banques ont besoin d’insights sur la façon dont un choc spécifique affectera chaque client et sa capacité à rembourser les prêts, ainsi que pour soutenir les décisions d’octroi, de modification des conditions ou même de refus de crédit.

Ce qui rend la modélisation micro particulièrement difficile, c’est que l’on ne peut souvent pas généraliser à travers une industrie ou une région. Un des clients agricoles de la banque pourrait être un producteur « vert » qui n’utilise aucun engrais. Ainsi, faire des hypothèses basées sur l’industrie ou le secteur d’un client pourrait conduire à de mauvaises informations et décisions.

Comme les banques n’ont généralement pas de données granulaires sur les opérations d’un client, elles doivent équilibrer le coût et l’effort de collecte de ces données détaillées – via des enquêtes et questionnaires, par exemple – avec les bénéfices qu’elles tirent d’une plus grande granularité dans leurs modèles.

Parfois, ces données sont difficiles à obtenir. Le client d’une banque pourrait ne pas savoir si son engrais transite par le détroit d’Hormuz, par exemple.

Plus les données qu’une banque collecte sont granulaires, plus elle peut en extraire d’insights potentiels. Mais plus elle approfondit, plus cela devient coûteux en temps et en effort pour recueillir ces informations.

Pour contourner ce défi, les banques adoptent souvent une approche de Pareto – la vieille règle du 80/20 s’applique toujours. Les banques ont souvent 80 % de leur exposition ou risque concentré dans 20 % de leur portefeuille ou de leurs clients. Elles peuvent donc se concentrer sur leurs principales expositions et tenter de simplifier le reste. La simplification consisterait à réaliser des analyses au niveau (sous‑)régional et/ou (sous‑)sectoriel plutôt qu’au niveau de chaque client individuel.

Comme pour les tests de résistance climatiques, le manque ou l’absence de données n’est pas une excuse pour négliger ces évaluations de risque.

Le message clé des orientations de la Banque centrale européenne (BCE) sur le risque climatique s’applique également au risque géopolitique. La BCE a reconnu que les banques n’ont souvent pas toutes les données nécessaires pour réaliser des tests de résistance climatiques. Et que les banques qui prennent des mesures basées sur des données limitées introduiront des défis et des erreurs. Mais la BCE a souligné que ne prendre aucune mesure représente un risque encore plus élevé. Ainsi, les banques doivent agir, même avec des données limitées. La même logique s’applique à l’analyse du risque géopolitique.

Comment les banques commencent‑elles à utiliser l’intelligence artificielle et les grands modèles de langage pour surveiller les développements géopolitiques en temps réel et les transformer en évaluations de risque exploitables ?

Les banques commencent à utiliser des agents IA pour analyser des données non structurées, un cas d’usage typique de l’IA.

Par exemple, les banques peuvent appliquer des agents IA aux portails d’actualités, à la recherche de textes prédéfinis pouvant indiquer l’arrivée d’un choc géopolitique, et déclencher des alertes au sein de l’institution.

Et comme évoqué précédemment, les banques souhaitent mieux comprendre leurs principaux clients et la répartition géographique de leurs opérations et chaînes d’approvisionnement. Certaines banques déploient des agents IA pour parcourir les divulgations des clients et d’autres informations publiques afin de comprendre où se situent les usines et fournisseurs clés d’une entreprise. Lorsqu’un choc survient dans une région donnée, la banque peut mieux en saisir l’impact sur ce client.

Les banques disposant de centaines d’entreprises dans leur portefeuille doivent exécuter ces analyses à grande échelle. Les agents IA peuvent aider à automatiser certaines parties des calculs de tests de résistance. Ainsi, si certains événements géopolitiques franchissent des seuils prédéfinis par la banque, l’agent peut préparer des scénarios macroéconomiques et exécuter automatiquement un calcul de test de résistance.

Dans un autre exemple, l’IA et les grands modèles de langage (LLM) peuvent aider à expliquer les résultats du test de résistance aux utilisateurs métier et aux cadres supérieurs. Sur la base de playbooks prédéfinis, les agents IA peuvent même suggérer certaines actions correctives.

Ainsi, l’IA est déjà utilisée pour différentes parties du processus de test de résistance, bien que nous soyons encore aux débuts.

De nombreuses institutions financières sont déjà confrontées à des contraintes de personnel et de ressources au sein des équipes de risque et de conformité. Où l’IA apporte‑t‑elle actuellement le plus grand avantage opérationnel ?

Pour les équipes de risque et de conformité des banques, l’IA aide à automatiser la collecte de données, la génération de scénarios, l’exécution des calculs et l’interprétation. Cela libère ces équipes pour passer plus de temps à interpréter les résultats de l’analyse de modèles et à conseiller la direction sur la stratégie de risque.

L’IA traditionnelle, générative et agentique soutient également de nombreuses activités dans les tests de résistance géopolitiques. Cela inclut la collecte de données et l’analyse de la sensibilité des clients (et de leurs opérations, chaînes d’approvisionnement, etc.) et des portefeuilles bancaires aux chocs géopolitiques. Comme indiqué précédemment, les LLM et les agents IA peuvent également aider à expliquer les résultats des tests de résistance à la direction afin de soutenir de meilleures décisions.

Il convient de mentionner que l’utilisation de l’IA et de modèles analytiques pour les décisions introduit des risques supplémentaires, car le modèle peut être erroné ou insuffisamment précis.

Les banques pratiquent la gestion du risque de modèle depuis plus d’une décennie. Et comme le disent de nombreux gestionnaires de risque de modèle, « Tous les modèles sont faux, mais certains sont utiles. »

Puisque les modèles sont une simplification d’un état futur, ils ne sont pas totalement précis par définition. Les banques et les organisations de services financiers doivent être conscientes de ce risque et le gérer lorsqu’elles déploient des modèles alimentés par l’IA pour les tests de résistance et la gestion des risques.

Gouvernance de l’IA est crucial pour les banques et les sociétés de services financiers. Il les aide à protéger et gérer les données sensibles et à se conformer aux réglementations tout en assurant la transparence et la gestion du risque.

La gouvernance est particulièrement importante pour les modèles d’IA et d’apprentissage automatique (ML), qui peuvent fournir des prédictions précises mais peuvent également réagir de manière inappropriée à des situations inattendues, entraînant de mauvaises décisions. Les modèles d’IA et de ML nécessitent une surveillance fréquente des performances et une révision des données. La supervision via la gouvernance de l’IA et la gestion du risque de modèle assure la transparence, permettant à une banque d’expliquer clairement – aux régulateurs et à la direction – le fonctionnement de ses modèles d’IA ainsi que les décisions qui en découlent.

Vous avez passé des années à travailler sur le risque climatique et les cadres de durabilité pour les institutions financières. Voyez‑vous les tests de résistance au risque géopolitique devenir aussi stratégiquement importants que l’analyse du risque climatique ?

Oui. La gestion du risque géopolitique deviendra de plus en plus une activité courante pour les banques et les sociétés de services financiers. De plus en plus, ces risques seront intégrés aux modèles traditionnels de crédit et de risque de marché, devenant ainsi une partie standard des efforts globaux de gestion des risques dans le secteur bancaire et des services financiers.

Le risque climatique a poussé les banques à moderniser leurs cadres de tests de résistance, en raison de sa complexité et de son impact potentiellement massif sur la performance financière.

De même, le risque géopolitique – ainsi que la rapidité et la fréquence des événements et chocs – peut affecter substantiellement les résultats financiers des banques. Il incite les banques à évaluer (par le biais de tests de résistance), atténuer et prendre en compte ce risque.

Les deux sont et resteront stratégiquement importants, alors que les banques font face à des chocs géopolitiques tels que le conflit en Iran et ses répercussions, ainsi qu’aux effets climatiques continus comme les prévisions El Niño « Super » ou « Godzilla » pour cette année.

De nombreuses organisations considèrent encore les tests de résistance principalement comme une exigence réglementaire plutôt qu’un outil stratégique. Quelles opportunités les banques manquent‑elles en adoptant cette approche ?

Il est à courte vue pour une banque de concentrer ses tests de résistance principalement sur la conformité réglementaire. Bien que le respect des réglementations soit crucial, les tests de résistance peuvent aider les organisations de services financiers à faire bien plus que simplement se conformer.

En adoptant une approche plus stratégique des tests de résistance, les banques peuvent réaliser des analyses « et si » qui évaluent des scénarios possibles et l’impact de réponses alternatives tant aux chocs géopolitiques qu’au changement climatique.

Les résultats de ces analyses « et si » peuvent aider une banque à choisir la trajectoire optimale, à identifier de nouvelles opportunités commerciales, à ajuster sa stratégie de prêt et à trouver un avantage concurrentiel grâce à ses efforts de gestion des risques.

Les données et les modèles existent déjà. Ne pas les exploiter pleinement représente une opportunité manquée.

Bien sûr, l’efficacité, la flexibilité et la maturité des processus et systèmes de test de résistance sous‑jacent d’une banque détermineront ce que la banque peut accomplir. Et si le test de résistance n’est qu’une réponse à la conformité réglementaire ou un moteur de soutien à la décision plus complet.

Comme ce directeur des risques me l’a dit, « Un insight sans action n’a aucune valeur. »

Le rapport récent, Climate Stress Testing Methodologies: Current Practices, Challenges, and the Road Ahead, établit des repères des pratiques actuelles ; identifie les lacunes en matière de modélisation, de gouvernance et d’infrastructure ; et propose des conseils pratiques pour intégrer les tests de résistance climatiques dans les cadres de risque fondamentaux. Le rapport, issu du United Nations Environment Programme Finance Initiative (UNEP FI) et de SAS, repose sur les contributions de 21 banques mondiales.

À mesure que les institutions financières s’appuient de plus en plus sur des systèmes pilotés par l’IA et la modélisation automatisée, craignez‑vous l’émergence de nouvelles formes de risque de modèle au sein même de l’infrastructure bancaire ?

Comme indiqué précédemment, la gestion du risque de modèle est un processus central dans les banques depuis plus de 10 ans. Et l’adoption accélérée de l’IA et des modèles analytiques introduit des risques supplémentaires, car ils peuvent être inexacts.

Récemment, j’ai animé une discussion de panel virtuelle réunissant les responsables de la gestion du risque de modèle (MRM). L’une des conclusions clés, confirmée par les experts et le public mondial, était que les risques liés à l’IA sont nettement plus élevés que les risques de modèle classiques.

Les banques et les sociétés de services financiers doivent adopter une gouvernance complète de l’IA afin de protéger et gérer les données sensibles, de se conformer aux réglementations et d’assurer la transparence ainsi qu’une gestion efficace des risques.

Quels facteurs de risque géopolitique estimez‑vous actuellement les plus sous‑estimés par le secteur financier : conflit cybernétique, fragmentation du commerce, pression de la dette souveraine, perturbation énergétique, instabilité des chaînes d’approvisionnement, ou autre chose ?

Tous ces éléments sont des moteurs de risque pouvant découler d’événements géopolitiques. Et je dirais que celui qui cause le plus de maux de tête aux banques est la perturbation des chaînes d’approvisionnement.

Cela se rattache à notre discussion précédente sur les facteurs macro‑ et micro‑économiques.

S’il y a un choc sur le prix du pétrole, par exemple, une banque peut analyser les données macro et observer la volatilité du marché qui en résulte ainsi que la pression sur le crédit et la liquidité.

Mais il est plus difficile pour les banques d’évaluer l’impact sur leur portefeuille, car la plupart des banques ne disposent pas d’informations granulaires au niveau micro‑client sur la façon dont un tel choc affecte chaque client et ses opérations.

Pour les banques, il s’agit d’utiliser les tests de résistance afin de mieux déterminer comment les événements géopolitiques et le changement climatique affectent leur portefeuille de prêts et la capacité de chaque client à les rembourser.

Bien sûr, le plus souvent, ces moteurs de risque ne surviennent pas isolément, mais en combinaison. Ainsi, il ne s’agit pas que les banques sous‑estiment l’un d’eux. Grâce à l’outil puissant du test de résistance, les banques peuvent mieux évaluer l’impact de multiples moteurs et facteurs sur leurs opérations et leur exposition globale au risque.

En regardant les cinq prochaines années, comment voyez‑vous les tests de résistance renforcés par l’IA transformer la façon dont les banques allouent le capital, évaluent le risque et se préparent aux crises futures ?

Au cours des cinq prochaines années, l’IA aidera les banques à se forger une vision bien plus claire des scénarios futurs. Et les tests de résistance pilotés par l’IA seront moins un exercice périodique et davantage une capacité continue.

Les banques exécuteront davantage de scénarios, plus fréquemment, et les utiliseront pour éclairer leurs décisions commerciales.

Parce que les sociétés de services financiers capables d’agir rapidement sur les insights alimentés par l’IA disposeront d’un avantage concurrentiel net, surtout lors de crises géopolitiques rapides.

Les banques, leurs équipes technologiques et leurs partenaires doivent rester engagés à créer des processus qui renforcent la confiance dans les calculs pilotés par l’IA.

Ainsi, lorsqu’une banque utilise un outil d’IA générative avec son système de gestion d’actifs et de passifs (ALM), par exemple, elle peut faire confiance aux résultats et ne pas s’inquiéter excessivement des hallucinations.

Ou lorsqu’elle réalise un test de résistance au risque géopolitique ou climatique, la banque peut avoir encore plus confiance dans les résultats de l’analyse et les décisions commerciales qu’elle en tire.

Merci pour cette excellente interview. Les lecteurs qui souhaitent en savoir plus sur le travail et le leadership d’opinion de Peter Plochan peuvent visiter PeterPlochan.com ou explorer les solutions de gestion des risques, d’analytique et d’IA proposées par SAS.