Votre groupe est le comité modèle d'une banque régionale suisse. Le data scientist a livré un modèle de scoring. À vous de le régler, d'en débattre, et de remettre une recommandation argumentée. Caméras allumées dans le breakout — c'est plus efficace à quelques-uns.
Le contexte
①
La situation
⏱ 5 min — lire ensemble
BANQUE RÉGIONALE HELVETIA (fictive)
Helvetia veut automatiser ses décisions de crédit à la consommation (prêts de 5 000 à 50 000 CHF). Le modèle attribue à chaque demande un score de risque de 0 à 100. La direction vous demande de fixer la politique : où couper, quelles variables garder, quel niveau de risque accepter.
1 000
demandes / mois
~8 %
font défaut
22 000 CHF
perte moy. / défaut
2 800 CHF
marge / bon crédit
Tension centrale : la direction commerciale veut accorder large (volume, parts de marché face à Neon/Yuh). Le risk management veut couper bas (zéro mauvaise surprise). FINMA veut zéro discrimination. Vous devez trancher.
Organisez-vous
②
Distribuez les rôles
⏱ 3 min
Chacun défend un intérêt. C'est le désaccord qui produit une bonne décision. Adaptez selon le nombre de personnes (un rôle peut être tenu à deux).
🎯 Directeur commercial
Veut du volume et des clients jeunes. Chaque bon client refusé part à la concurrence.
Objectif : maximiser les crédits accordés rentables.
🛡️ Risk Manager
Veut limiter les pertes. Un défaut coûte près de 8× une marge.
Objectif : minimiser les défauts non détectés.
⚖️ Compliance / FINMA
Surveille la légalité et l'équité du modèle. Traque les variables interdites et les proxys.