Système interne de notation et PD (IRB) — Dossier

réglementaire opérationnel
Texte intégralement rédigé en langage opérationnel (paraphrase), sans
reproduction mot-à-mot des lignes directrices officielles

Important : ce document synthétise et reformule en langage opérationnel les obliga-

tions prudentielles applicables à la PD en IRB (exigences de données, développement,
calibration, application, validation, backtesting, MoC, gouvernance, revue périodique,
définition du défaut). Il ne reproduit pas les textes officiels mot-à-mot mais en propose
une rédaction équivalente et actionnable pour une mise en conformité interne.

16 novembre 2025
Table des matières

1 Portée et obligations de conformité 3

1.1 Finalité et portée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Obligations générales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Définition du défaut — règles opérationnelles 5

2.1 Critères d’entrée en défaut . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Retour à l’état non‑défaut . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Spécificités retail et groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3 Données et représentativité 7
3.1 Périmètre, historique et sources . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2 Qualité et préparation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 Traçabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

4 Développement du modèle PD 8
4.1 Philosophie de notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.2 Sélection/ingénierie des variables . . . . . . . . . . . . . . . . . . . . . . . . 8
4.3 Modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

5 Calibration PD (LRA) — règles pratiques 9

5.1 Taux de défaut (DR) et fenêtres . . . . . . . . . . . . . . . . . . . . . . . . . 9
5.2 Moyennes observées et LRA . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5.3 Application au modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

6 Validation indépendante 10
6.1 Discrimination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6.2 Calibration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6.3 Benchmarking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6.4 Rapport de validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

7 Marges de conservatisme (MoC) 11

7.1 Principes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
7.2 Méthodes de quantification (exemples) . . . . . . . . . . . . . . . . . . . . . 11

1
8 Application en production, overrides et contrôles 12
8.1 Affectation et fréquence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
8.2 Overrides . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
8.3 Contrôles IT et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

9 Revue périodique et gouvernance 13

9.1 Revue annuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
9.2 Comités et décisions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

10 Annexes opérationnelles 14
10.1 A. Modèle de plan de validation . . . . . . . . . . . . . . . . . . . . . . . . . 14
10.2 B. Cadre feux tricolores (exemple) . . . . . . . . . . . . . . . . . . . . . . . 14
10.3 C. Modèle de registre MoC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2
1. Portée et obligations de conformité

1.1 Finalité et portée

Le dispositif PD couvre l’intégralité des expositions soumises à l’approche IRB (obligor-
et facility-rating selon l’échelle maître retenue) et s’applique aux phases de développement,
d’estimation, de calibration au long terme, d’application en production, de validation in-
dépendante et de revue périodique. L’établissement doit démontrer que chaque hypothèse,
donnée, transformation, estimation et décision est tracée, justifiée par une rationalité écono-
mique et soutenue par des éléments probants (tests, contrôles, revues, comités). Les autorités
compétentes attendent une traçabilité complète du data lineage, des versions de modèles
et des décisions de gouvernance.

1.2 Obligations générales

1. Spécification du périmètre et des systèmes. Définir clairement les segments, systèmes
de notation et échelles d’application (obligor/facility), y compris les exclusions motivées
et contrôlées.
2. Exigences de données. Assurer qualité, complétude, exactitude, fraîcheur, cohérence
inter-sources, et représentativité passée/future. Documenter le traitement des valeurs man-
quantes, outliers, doublons et corrections.
3. Définition du défaut. Appliquer une définition unique et opérationnelle sur tout le
cycle (développement, calibration, application, backtesting), incluant les critères « jours
en retard », « improbabilité de paiement », règles de return to non-default et gestion des
défauts multiples.
4. Traitement des insuffisances. Identifier les biais/incertitudes résiduels, appliquer des
ajustements appropriés quand c’est possible, puis des Marges de Conservatisme (MoC)
proportionnées et traçables.
5. Validation indépendante. Procéder à des revues quantitatives et qualitatives (discrimi-
nation, calibration, robustesse, benchmarking) sur échantillons indépendants, avec seuils
d’alerte et plans d’action.
6. Usage et gouvernance. Mettre en place des comités modèles, un dispositif d’override

3
encadré (seuils, motifs, traçabilité), des contrôles IT, des KRI/KPI, et une revue annuelle
couvrant données, performances et calibration.

Note opérationnelle. Principe d’« usage test ». Les notations et PD doivent être
utilisées de manière effective pour les décisions de crédit, la tarification, la surveillance,
l’allocation de capital et la gestion du portefeuille.

4
2. Définition du défaut — règles opérationnelles

2.1 Critères d’entrée en défaut

Jours en retard
— Un débiteur est réputé en défaut si une obligation de crédit présente un arriéré ≥ 90 jours.
Pour certains produits retail spécifiques (ex. hypothèques) une variante peut exister si
prévue par le cadre en vigueur ; l’établissement retient une règle unique par segment et la
documente.
— Pour les positions achetées (factoring, affacturage), les règles d’agrégation au niveau obli-
gation/débiteur et la granularité (facture, ligne) sont définies et appliquées de façon cohé-
rente.

Improbabilité de paiement (UTP)

— Sont inclus : faillite/dépôt de bilan, radiation, distressed restructuring avec perte écono-
mique significative (par ex. test de perte en VAN), annulation d’intérêts, cession d’actif en
règlement déficitaire, hard forbearance, ou tout événement rendant hautement improbable
l’exécution intégrale des obligations sans réalisation de collatéral.
— Les indicateurs UTP et leur matérialité sont listés, avec règles de déclenchement (ex.
seuil de perte VAN, concessions majeures) et d’appréciation expert contrôlée.

2.2 Retour à l’état non‑défaut

— Un période probatoire minimale (par ex. 12 mois sans incident et avec comportement
conforme) est requise avant reclassement hors défaut. Toute dérogation est cadrée, mesurée
et approuvée en comité.
— Les défauts multiples sur un même débiteur sont consolidés et gérés pour éviter les
doubles comptages ; la date de défaut est unique et transportée dans l’historique.

5
2.3 Spécificités retail et groupes
— Règles de contagion intragroupe (défaut d’une entité → défaut du groupe) définies et
appliquées selon la matérialité et les liens juridiques/économiques.
— Pour le retail, préciser la unité de défaut (contrat vs débiteur) et assurer la cohérence
avec la chaîne de décision et les systèmes IT.

Note opérationnelle. Ces règles s’appliquent à l’identique en développement, calibra-

tion, application et backtesting. Tout écart documenté entraîne un ajustement ou un
MoC.

6
3. Données et représentativité

3.1 Périmètre, historique et sources

— Définir la période historique utilisée (années « bonnes » et « mauvaises ») avec cou-
verture suffisante pour estimer DR et LRA au niveau pertinent (grade/segment).
— Décrire les sources (systèmes internes, bureaux de crédit, données externes) et les clés de
jointure. Toute substitution externe exige un mapping stable et robuste.

3.2 Qualité et préparation

— Contrôles automatiques : complétude, doublons, formats, plages, business rules, cohérence
inter-champs.
— Traitements : winsorization, imputations contrôlées, encodages (ex. WOE), standardisa-
tion temporelle (effets millésime), gel des référentiels.
— Représentativité : comparer distributions (KDE, quantiles), taux d’incident, politiques
d’octroi dans le temps, mix produit/client, macro‑indicateurs.

3.3 Traçabilité
— Dossier data lineage complet : extractions datées, versions, scripts, hash, contrôles passés,
audit trail.
— Dictionnaire de données décrivant chaque champ (définition, date d’observation, transfor-
mation, taux de manquants, contrôles).

7
4. Développement du modèle PD

4.1 Philosophie de notation

— PIT : PD sensibles au cycle et plus prédictives à court terme ; sensibles aux chocs macro.
— TTC : PD plus stables, conçues pour refléter un risque moyen de cycle ; interprétation
prudente des backtests annuels.
— La philosophie est choisie, justifiée, et conservée dans le temps (ou re‑documentée en
cas d’évolution).

4.2 Sélection/ingénierie des variables

— Principes : pertinence économique, contribution marginale, stabilité temporelle, robus-
tesse hors‑échantillon, absence de fuite d’information.
— Gestion colinéarité (VIF, corrélations), contraintes de monotonie si pertinent, encodages
catégoriels (WOE ordonné), interactions justifiées.

4.3 Modélisation
— Modèles autorisés : logit/probit, GLM/GAM, arbres/GBM (avec politique interne), ou
notation experte paramétrée. Éviter la sur‑optimisation (validation croisée, early stopping).
— Structure des grades : homogénéité intra‑grade, ordonnancement clair, population mini-
male par grade pour la validation.

8
5. Calibration PD (LRA) — règles pratiques

5.1 Taux de défaut (DR) et fenêtres

— Calculer DRt à horizon 1 an sur populations non‑défaut au début de t. Préciser fenêtres
(chevauchantes ou non), biais calendaires, saisonnalité.
— Documenter toute exclusion (faible exposition, évènements non récurrents) et son impact.

5.2 Moyennes observées et LRA

— Construire la moyenne de long terme (LRA) au niveau choisi (grade/segment) en
couvrant plusieurs phases du cycle.
— Si l’historique n’embrasse pas de conditions dégradées, appliquer des ajustements pru-
dents (uplift, rééchantillonnage) et un MoC résiduel.

5.3 Application au modèle

— Calibration par grade : ré‑ancrer les sorties du modèle (logit score) vers la LRA visée
tout en préservant l’ordonnancement.
— Calibration au segment : ancrer au niveau segment puis tester la cohérence par grade
(et inversement si calibration par grade).

Note opérationnelle. Toute modification de scoring ou changement de périmètre

post‑développement impose une analyse d’impact et, à défaut de re‑développement, un
MoC additionnel proportionné.

9
6. Validation indépendante

6.1 Discrimination
Mesures : ROC/AUC, CAP/Gini (AR), KS, Brier, mesures d’ordinalité (Somers D). Cal-
culs hors‑échantillon, par segment et période, avec intervalles de confiance et analyses de
robustesse (variations d’horizon, bootstraps, ablations de variables).

6.2 Calibration
Tests par grade (binomial), multi‑grades (HL), multi‑années (tests sur la moyenne de
DR). Mettre en place un cadre feux tricolores (vert/ambre/rouge) avec seuils quantiles,
règles d’escalade et plans d’action.

6.3 Benchmarking
Cartographier la philosophie (PIT/TTC) et la granularité avant toute comparaison ex-
terne ; contrôler les écarts de définition du défaut et d’horizon.

6.4 Rapport de validation

Le rapport couvre périmètre, données, méthode, résultats (avec incertitudes), insuffi-
sances, MoC recommandés, limites d’usage, et décision (approbation, conditions, actions)
présentée en comité.

10
7. Marges de conservatisme (MoC)

7.1 Principes
— Catégoriser les insuffisances : (A) données/méthodes, (B) changements de politiques/pro-
cessus, (C) incertitude d’estimation générale.
— Priorité aux ajustements correctifs (corriger le biais) avant d’ajouter une marge.
— Quantifier la MoC par composant, agréger sans double comptage, documenter le rationale
et mettre à jour lors des revues.

7.2 Méthodes de quantification (exemples)

— Fourchettes prudentes basées sur la variabilité historique (quantiles) et la sensibilité macro
(élasticités).
— Scenario uplift en absence de stress dans l’historique.
— Expert overlay borné et justifié quand les données sont insuffisantes.

11
8. Application en production, overrides et contrôles

8.1 Affectation et fréquence

— Fréquence de notation : initiale puis au moins annuelle (ou déclencheurs événemen-
tiels).
— Mise à jour PD immédiate en cas de défaut (PD=1) et lors d’informations nouvelles
matérielles.

8.2 Overrides
— Cadre d’override : motifs autorisés, périmètres, plafonds (ex. limite sur baisses), journa-
lisation exhaustive, revue des performances des overrides.
— Analyse périodique des biais d’override (direction, sévérité, impact sur pertes) et recali-
brage si dérive.

8.3 Contrôles IT et continuité

— Contrôles applicatifs (plages, éditiques, cohérence), gestion des versions, reproductibilité
de bout en bout.
— PCA/PRA : sauvegardes, rollbacks, environnement de secours.

12
9. Revue périodique et gouvernance

9.1 Revue annuelle

— Données : représentativité vs portefeuille d’application, vieillissement, changements de
politiques d’octroi/recouvrement.
— Performance : AUC/AR, stability, population stability index, dérives de variables.
— Calibration : écarts PD vs DR par grade/périmètre, tests multi‑années, feux tricolores,
plans d’action.
— MoC : actualisation des niveaux, trajectoire de réduction.

9.2 Comités et décisions

— Comité modèle : approbations, changements matériels/non matériels, suivi des actions.
— Audit interne : vérifie la conformité, l’indépendance de la validation et la qualité docu-
mentaire.

13
10. Annexes opérationnelles

10.1 A. Modèle de plan de validation

Rubrique Contenu attendu

Périmètre Systèmes/segments couverts, versions, calendrier

Échantillons Développement, validation, out-of-time/out-of-sample, cri-
tères d’exclusion
Tests discrimination ROC/AUC, CAP/Gini, KS, Brier, IC et robustesses
Tests calibration Binomial par grade, HL multi‑grades, normal multi‑années,
feux tricolores
Benchmarking Sources, mappings, limites, philosophie PIT/TTC
MoC Insuffisances, méthodes de quantification, niveaux proposés
Rapport Résultats, insuffisances, recommandations, décision comité

10.2 B. Cadre feux tricolores (exemple)

Indicateur Ambre Rouge

Écart moyen PD vs DR (par |∆| ∈ [1.5σ, 2.5σ] |∆| > 2.5σ

grade)
AUC (glissant 3 ans) < 0.60 < 0.55
Taux d’overrides (baisse) > 5% > 10%
Part ratings périmés > 3% > 5%

Note opérationnelle. Seuils indicatifs à adapter aux spécificités du portefeuille et à

la taille d’échantillon.

10.3 C. Modèle de registre MoC

14
Insuffisance Catégorie Niveau MoC Justification et plan

Données man- A +10% sur PD Historique incomplet 2022–2023

quantes récentes grades 1–3 (migration SI). Reprise Q4,
cible : MoC 5% en T+1.
Choc macro non C +15% segment Historique sans récession. Uplift
couvert TPE conservateur, réduction après
enrichissement.
Changement sco- B +5% global Nouvelle politique octroi. Back-
recards testing post‑implémentation
à M+12.

15