REGARD · Les données
Les données du projet
Tout part d'ici. Comprendre ce que représentent ces données , et pourquoi elles sont fabriquées plutôt que réelles , c'est comprendre le projet.
Qu'est-ce qu'une exposition de risque ?
Quand une banque a un engagement financier envers quelqu'un, elle est « exposée » : si l'autre partie fait défaut , ne rembourse pas, fait faillite , la banque perd de l'argent. L'exposition, c'est le montant qu'elle risque de perdre.
Exemple
La banque A prête 5 millions à la banque B (ou détient 5 millions d'obligations émises par B). La banque A a une exposition de 5 millions sur la contrepartie B. Si B s'effondre, A perd au pire ces 5 millions.
Dans ce projet, chaque ligne de données est une exposition : on risque tel montant, sur telle contrepartie, à telle date, dans telle devise. La « contrepartie » est l'autre partie de l'engagement , ici, de grandes banques européennes.
Ce que contient une ligne
| Contrepartie | Montant | Devise | Date |
|---|---|---|---|
| BNP Paribas | 5 731 000 | USD | 2026-01-14 |
Contrepartie
Le partenaire envers qui existe l'engagement (une banque, une institution).
Montant
La somme en jeu, donc le montant risqué en cas de défaut.
Devise
EUR, USD, GBP ou CHF , et c'est là que naît un vrai piège métier.
Date
La date de la position, qui sert à juger si la donnée est encore à jour.
Pourquoi une banque surveille ça de près
Le danger porte un nom : le risque de concentration. Une banque avec 500 millions d'exposition répartis sur 100 contreparties encaisse un défaut sans couler. Mais si 400 de ces 500 millions sont sur une seulecontrepartie et qu'elle tombe, la banque tombe avec.
C'est exactement le mécanisme de 2008 : tout le monde était surexposé aux mêmes acteurs, et la chute de l'un a entraîné les autres. D'où des limites de concentration imposées par les régulateurs , le seuil de 60 000 000 € utilisé dans ce projet. Quand l'agent signale « l'exposition sur cette contrepartie dépasse la limite », c'est la question qu'un gestionnaire de risque se pose chaque jour.
Pourquoi des données fabriquées, pas réelles ?
Ces données sont synthétiques : générées par un script, pas extraites d'une vraie banque. Ce n'est pas un choix de facilité , trois raisons solides le justifient.
La vraie donnée est confidentielle par nature
Les expositions d'une banque envers ses contreparties sont l'information la plus sensible qui soit : stratégique, réglementée, jamais publiée. Il n'existe donc pas de vrai jeu de données à récupérer. C'est la réalité du domaine, pas un contournement.
Contrôler le désordre pour prouver qu'on le maîtrise
En générant la donnée, on décide exactement quels défauts y injecter , formats incohérents, devises manquantes, doublons, dates impossibles. On peut alors démontrer que le pipeline gère chaque type de saleté, cas par cas. C'est une pratique reconnue, courante en finance et en santé précisément parce que les vraies données sont sensibles.
Reproductible par n'importe qui
Le générateur part d'un point fixe (il est « seedé »), donc il produit toujours exactement les mêmes 207 lignes. Cloner le dépôt, lancer le script, obtenir le même fichier : la démonstration est vérifiable par un tiers.
En quoi est-ce réellement réaliste ?
« Synthétique » ne veut pas dire « bidon ». Le réalisme repose sur trois appuis vérifiables :
Un désordre documenté
Les défauts injectés (formats incohérents, devises mélangées, doublons, champs manquants) sont exactement ceux que la norme BCBS239 cherche à corriger.
Une structure plausible
De vraies grandes banques européennes, des montants d'ordre de grandeur crédible, des devises réelles, une période cohérente. Rien d'absurde.
Les vrais pièges métier
Le système est tombé sur le piège du total multidevises , une erreur qu'on rencontre sur de vraies données. Un jeu bidon ne l'aurait jamais produit.
BCBS239 est le standard du Comité de Bâle sur l'agrégation des données de risque et le reporting, né après 2008 parce que les banques ne savaient pas consolider une vue fiable de leurs expositions à cause de données en désordre. Ce jeu de données n'est pas tiré de la norme : il est conçu pour illustrer le problème qu'elle adresse.
Les limites, assumées
Un bon modèle connaît ses propres simplifications. Ce simulateur ne reproduit pas tout, et le dire fait partie de l'honnêteté du projet :
- Le volume : une vraie banque manipule des millions de lignes, pas 207.
- La complexité des produits : un prêt, une obligation ou un dérivé n'ont pas la même mécanique d'exposition , ici, c'est simplifié.
- Les corrélations entre contreparties (quand la chute de l'une fragilise les autres) ne sont pas modélisées.
Savoir dire « voici ce que mon simulateur capture, et voici ce qu'il simplifie », c'est passer de « une démo » à « je comprends le domaine et les limites de mon modèle ».