Mettre en place une stratégie de décision automatisée résiliente
La plupart des équipes commencent l’automatisation par la modélisation du flux de décision idéal. Les données arrivent, les sources externes répondent, les règles s’appliquent et la plateforme renvoie un résultat. C’est utile, mais incomplet.
En production, les problèmes surviennent souvent dans les situations limites. Un bureau de crédit peut ne pas répondre à temps, tandis qu’un prestataire de détection de fraude ne renvoie qu’une partie des données. Un service de modèle peut être indisponible. Un champ essentiel peut être vide, mal renseigné ou transmis en retard. Si la stratégie de décision automatisée ne précise pas la suite à donner, ce n’est pas une stratégie, mais une chaîne de dépendances.
Une stratégie de décision automatisée fiable remplit 2 objectifs à la fois. Elle prend des décisions exactes quand tout fonctionne et garde le contrôle en cas de défaillance d'une partie du système. Elle prévoit des scénarios de repli explicites, le traitement des données manquantes et un historique complet permettant de retrouver chaque résultat.
Si l’équipe définit encore qui prend les décisions et qui en assure le contrôle, cet article sur les décideurs constitue un bon point de départ. Pour préparer le déploiement sur le plan opérationnel, ce guide étape par étape sur l’automatisation du processus d’approbation des prêts explique comment passer des examens manuels aux flux de décision en production.
Ce que comprend une stratégie de décision automatisée
Une stratégie de décision automatisée ne se résume pas à un ensemble de règles. Elle définit l'ensemble du dispositif : la manière dont chaque décision est évaluée, les données requises, les règles de repli et le résultat renvoyé en situation normale comme en cas d'anomalie.
En pratique, elle comprend généralement :
- Finalité de la décision : ce qu’elle doit déterminer, par exemple approve, decline, refer, price, route ou trigger review.
- Données d’entrée : les champs requis et facultatifs, les plages de valeurs et formats acceptés, ainsi que les systèmes sources.
- Logique de décision : arbres de décision, tables de décision, scorecards, règles d’octroi et orchestrations d’API.
- Dépendances externes : contrôles antifraude, données de crédit, services KYC, vérification d’identité, services de tarification ou API internes.
- Logique de secours : que faire si un service, un modèle ou un composant du flux échoue.
- Gestion des données manquantes : que faire si des champs sont absents, obsolètes, contradictoires ou incomplets.
- Auditabilité : journaux, versions des règles, traces de décision et codes de motif.
Le point essentiel est simple : la gestion des défaillances fait partie de la logique de décision. Ce n’est pas une note opérationnelle séparée de la stratégie.
Commencer par classer les décisions
Une erreur fréquente consiste à définir une seule règle de secours pour toutes les défaillances, par exemple à envoyer chaque dossier en examen manuel dès qu’un problème survient. Cette approche semble prudente, mais elle entraîne des coûts, des délais et des résultats incohérents.
Il est préférable de classer les décisions selon le risque métier, puis de définir un comportement de secours pour chaque catégorie.
1. Décisions à faible risque
Pour ces décisions, un mécanisme de secours automatisé et prudent est acceptable. Il peut s’agir d’orienter un client vers un parcours d’entrée en relation standard, d’appliquer une règle de segmentation par défaut ou de définir un statut de processus sans enjeu majeur.
Pour les décisions à faible risque, le mécanisme de secours peut rester simple : un socle minimal de règles codées en dur, avec peu de parcours et des seuils clairement définis.
2. Décisions à risque modéré
Ces décisions ont une incidence sur les revenus, l’expérience client ou les opérations, mais une gestion prudente ne crée pas de risque réglementaire immédiat. La préqualification, l’orientation des documents ou les recommandations de limite avant l’approbation finale en sont des exemples.
Dans ce cas, le mécanisme de secours peut maintenir une partie de l’automatisation, mais uniquement dans le cadre de règles d’octroi plus restrictives.
3. Décisions à risque élevé
Cette catégorie comprend l’octroi de crédit, les décisions antifraude, le filtrage des sanctions, la tarification et toute décision ayant des conséquences réglementaires ou financières. Le mécanisme de secours doit alors être strictement encadré. Il peut s’agir de règles plus restrictives, d’une décision « refer » ou de la suspension temporaire des approbations automatisées.
Cette classification permet d’éviter 2 écueils : une automatisation risquée pendant une panne et des examens manuels inutiles pour des décisions qui peuvent encore être prises de façon déterministe.
Définir d’abord un socle minimal de règles
En cas de défaillance d’un système de décision complexe, une couche plus réduite et stable doit pouvoir prendre le relais. Ce socle minimal de règles doit être explicite, testable et volontairement limité.
Ce socle minimal codé en dur n’a pas vocation à reproduire tout le flux de décision. Il doit assurer un fonctionnement maîtrisé jusqu’au rétablissement des flux habituels.
Ce que doit prévoir le mécanisme de secours minimal
- S’appuyer sur quelques données fiables, généralement disponibles.
- Limiter les décisions possibles : approuver les dossiers à faible risque, refuser ceux qui ne remplissent clairement pas les critères, et orienter les autres vers un examen complémentaire.
- Éviter de dépendre de services externes non essentiels.
- Utiliser des seuils fixes et des règles simples, qui peuvent être auditées rapidement.
- Produire des codes de motif explicites indiquant qu’un scénario de repli a été utilisé.
Exemple : mécanisme de secours pour l’octroi de crédit
Le flux habituel d’octroi peut s’appuyer sur les données d’un bureau de crédit, l’historique interne, des indicateurs de fraude, le calcul de la capacité de remboursement et un modèle de tarification. Si ce flux est indisponible, le mécanisme de secours ne doit pas tenter de reproduire toutes ces analyses avec des données de remplacement peu fiables.
Une stratégie minimale codée en dur pourrait plutôt prévoir les règles suivantes :
- Refuser si l’âge du demandeur est inférieur au seuil prévu par les règles.
- Refuser si la vérification d’identité obligatoire a échoué.
- Refuser si l’indicateur d’antécédents négatifs internes est activé.
- Approuver uniquement si le montant du prêt reste sous un plafond d’exposition bas, si les revenus sont renseignés et supérieurs à un minimum fixe, et si le type de produit figure dans une liste restreinte.
- Orienter toutes les autres demandes vers un examen.
Cette approche est volontairement prudente. Elle limite l’exposition, garantit des décisions déterministes et assure la continuité de l’activité.
Pour les prêteurs, cet article sur les règles habituelles d’octroi et ce guide pour remplacer l’examen manuel des demandes par une logique de décision automatisée donnent des exemples utiles de découpage des règles en couches faciles à gérer.
Distinguer les défaillances techniques des règles de secours
Une autre erreur fréquente consiste à confondre les erreurs système avec les résultats métier. L’absence de réponse d’un service tiers n’équivaut pas à un échec au contrôle antifraude. Un champ manquant n’équivaut pas à un résultat négatif sur l’éligibilité.
La logique de décision doit distinguer clairement ces états.
- Résultat métier : approuver, refuser, orienter, aiguiller, fixer un prix ou examiner.
- État technique : succès, délai d’attente dépassé, réponse partielle, données invalides, dépendance indisponible ou erreur dans l’ensemble de règles.
- État de secours : parcours normal, parcours dégradé ou parcours minimal d’urgence.
Cette distinction compte pour l’auditabilité, les opérations et le service client. Si une demande a été orientée vers un examen complémentaire parce qu’un prestataire n’a pas répondu dans le délai imparti, la trace de décision doit le montrer. Si elle a été refusée en application des critères d’octroi, cela doit aussi être clair. Confondre ces deux causes affaiblit le contrôle au lieu de le renforcer.
Cet article sur le suivi des modèles et des décisions explique plus en détail comment conserver les traces de décision liées aux règles, aux modèles et aux appels externes.
Prévoir des règles claires pour les données manquantes
Les données manquantes recouvrent plusieurs problèmes distincts, qui appellent des réponses différentes.
En production, une donnée peut être :
- Absente
- Nulle
- Vide, mais présente sur le plan technique
- Obsolète
- Mal formée
- Incohérente selon les sources
- Retardée par un système en amont
- Indisponible à la suite d’une défaillance du prestataire
Si toutes ces situations déclenchent la même règle, les décisions et leur analyse seront de mauvaise qualité.
Définir le caractère critique des données
Commencez par répartir les champs et les attributs en 3 catégories :
- Indispensables à toute décision : si une donnée manque, le dossier ne peut pas être traité automatiquement.
- Indispensables à certains parcours : si une donnée manque, seules certaines branches de décision sont bloquées.
- Facultatives, mais utiles : la décision peut être prise avec une logique adaptée si la donnée manque.
L’identifiant client, le type de produit et le montant demandé peuvent, par exemple, être indispensables à tout flux. Les revenus vérifiés peuvent être exigés uniquement pour les parcours à forte exposition. Les données sur l’appareil peuvent être facultatives, mais utiles à la détection de la fraude.
Définir une réponse pour chaque type de donnée manquante
Une fois les données classées, il faut définir la réponse prévue pour chaque situation.
- Donnée obligatoire manquante : interrompre le parcours et renvoyer « refer », rejeter la demande comme invalide ou demander des données complémentaires.
- Donnée facultative manquante : poursuivre avec une logique qui tient compte d'un niveau de confiance plus faible, ou appliquer des seuils prudents.
- Donnée obsolète : poursuivre uniquement si son ancienneté respecte la tolérance définie. Sinon, actualiser la donnée ou renvoyer « refer ».
- Donnée mal formée : la traiter comme une entrée invalide, et non comme un signal défavorable pour les critères d'octroi.
- Données contradictoires : lancer des contrôles de cohérence et orienter le dossier vers une vérification si les seuils sont dépassés.
La logique de décision devient ainsi prévisible. Les équipes produit, risque et ingénierie disposent aussi d’un vocabulaire commun pour la mise en œuvre.
Ne pas remplacer silencieusement les données manquantes par des valeurs par défaut
Les valeurs par défaut peuvent masquer un risque. Si le système attribue automatiquement la valeur zéro à un revenu manquant, il peut entraîner des refus involontaires. Si un score de fraude manquant est remplacé par une valeur neutre, certaines demandes peuvent être approuvées à tort.
Une valeur par défaut n’est acceptable que si elle résulte d’un choix explicite dans les règles et que son impact est connu. Elle doit apparaître dans la trace de décision et dans les codes de motif.
Organiser la logique de décision en plusieurs couches
Les stratégies de décision automatisée les plus résilientes s’appuient sur plusieurs couches. Elles ne reposent pas sur un seul processus complexe qui fonctionne entièrement ou tombe entièrement en panne.
Une structure en plusieurs couches peut se présenter ainsi :
Couche 1 : validation des données d’entrée
Vérifier le schéma, les champs obligatoires, le format et la cohérence de base avant d’appliquer les règles métier.
Couche 2 : règles d’éligibilité fondamentales
Appliquer les contrôles minimaux d’octroi qui ne dépendent pas d’intégrations fragiles.
Couche 3 : enrichissement et données externes
Interroger les prestataires, les API internes, les services antifraude et les modèles. Pour chaque source, enregistrer le succès ou l’échec de l’appel, l’actualité des données et la qualité des informations reçues.
Couche 4 : évaluation complète des règles
Appliquer une logique de décision plus complète lorsque les données nécessaires sont présentes et valides.
Couche 5 : évaluation de secours
Si l’enrichissement échoue ou si des attributs obligatoires manquent, orienter le dossier vers les règles adaptées au mode dégradé. Ne pas relancer tout le flux. Évaluer le dossier selon l’ensemble de règles de secours pertinent.
Cette organisation permet de gérer les dégradations de manière maîtrisée. Elle simplifie aussi les tests, car chaque mode de défaillance peut être vérifié dans la couche appropriée.
Pour les équipes qui travaillent avec des prestataires externes, ce guide sur l’intégration de sources de données externes et cet aperçu des sources de données disponibles sont des références utiles pour concevoir des flux de décision tenant compte de leurs dépendances.
Prévoir un code de motif pour chaque parcours de secours
Les codes de motif doivent expliquer les résultats liés aux règles, mais aussi les décisions prises en mode dégradé.
Par exemple :
- Délai de réponse dépassé pour les données de crédit externes. Règles minimales appliquées.
- Prestataire antifraude indisponible. Dossier orienté selon les règles de risque en mode dégradé.
- Attribut de revenu obligatoire manquant. Demande envoyée pour examen.
- Données de vérification d’identité invalides. Demande rejetée en raison de la qualité des données d’entrée.
- Service de modèle indisponible. Parcours de secours fondé uniquement sur les règles.
Ces codes servent à 4 choses :
- Suivi opérationnel
- Auditabilité
- Service client
- Analyse après incident
Sans codes de motif clairs, les équipes voient les variations de volume, mais pas ce qui les explique.
Tester les défaillances comme des scénarios à part entière
Beaucoup d’équipes testent soigneusement les modifications des règles, mais négligent les comportements en cas de défaillance. C’est l’inverse qu’il faut faire. Les pannes et les données manquantes ne sont pas des cas exceptionnels, elles font partie de la réalité de la production.
Le plan de test doit inclure :
- Délai de réponse dépassé pour un prestataire
- Réponse partielle d’un prestataire
- Champ obligatoire nul ou vide
- Réponse en cache obsolète
- Données mal formées reçues d’un système en amont
- Point d’accès API du modèle indisponible
- Déclenchement correct des seuils de secours
- Enregistrement correct des codes de motif
- Traces de décision montrant le parcours normal et le parcours dégradé
Pour chaque scénario, vérifiez 3 points. Premièrement, la décision renvoyée est correcte. Deuxièmement, le parcours suivi peut être retracé. Troisièmement, le signal opérationnel apparaît dans le suivi.
Suivre le volume des parcours dégradés comme un indicateur de risque
Si les parcours de secours sont souvent activés, le problème n’est pas seulement technique. Il touche aussi à la qualité des décisions.
Les indicateurs à suivre comprennent :
- Part des décisions prises selon un parcours dégradé
- Volume par cause de défaillance
- Taux d’approbation, de refus et d’orientation avec les règles de secours
- Conversion et pertes pour les dossiers approuvés par les règles de secours
- Charge d’examen manuel liée aux données manquantes
- Délai de rétablissement après une défaillance d’une dépendance
Ces indicateurs permettent de répondre à des questions concrètes. Une panne chez un prestataire envoie-t-elle trop de dossiers en examen ? Le socle minimal de règles codées en dur est-il trop restrictif ? Les champs manquants proviennent-ils d’une intégration ou d’un canal en particulier ?
Pour les prêteurs, cet article sur les indicateurs à suivre aide à relier les performances des décisions aux résultats opérationnels et au risque.
Principes pour garder une logique de décision facile à maintenir
Pour que la logique de décision reste utilisable dans la durée, quelques règles s'imposent.
- Séparer les ensembles de règles de secours des ensembles principaux, tout en les reliant par des règles d’orientation explicites.
- Gérer les versions de tous les éléments, y compris les règles d’urgence et les seuils temporaires.
- Documenter les hypothèses liées aux dépendances pour chaque flux de décision.
- Limiter le périmètre des règles de secours afin que la logique en mode dégradé reste compréhensible.
- Examiner régulièrement les résultats des parcours de secours avec les équipes risque, ingénierie et opérations.
- Ne pas enfouir les exceptions techniques dans le code de l’application, où les équipes chargées des règles ne peuvent pas les retracer.
Lorsque les équipes métier gèrent les règles, elles doivent pouvoir comprendre le fonctionnement des parcours de secours. Lorsque l’ingénierie gère les intégrations, elle doit aussi en connaître les effets sur les règles. Une plateforme de décision doit fournir aux deux groupes la même trace de décision.
En conclusion
Une stratégie de décision automatisée bien définie ne part pas du principe que les données d’entrée sont toujours correctes ni que les systèmes sont toujours disponibles. Elle précise la marche à suivre en cas de panne, de données manquantes ou de réponse incomplète d’une dépendance.
C’est ce qui rend une logique de décision prête à être déployée. Ni sa complexité ni le nombre de prestataires connectés ne suffisent. Il faut des critères d’octroi clairs dans les conditions habituelles comme en mode dégradé, avec une auditabilité complète dans les deux situations.
Si les mécanismes de secours et la gestion des données manquantes sont intégrés dès le départ au flux de décision, la plateforme continue à prendre des décisions déterministes et explicables lorsque c’est essentiel.