Le risque que des modèles financiers, d'évaluation, de prévision ou d'aide à la décision produisent des résultats erronés ou entraînent des décisions inappropriées en raison d'erreurs de code, de mauvaise spécification, d'hypothèses inadéquates, d'intrants incorrects ou d'une utilisation hors contexte de leur finalité prévue.

Principe

Les résultats d'un modèle dépendent de sa structure et de ses données d'entrée ; les erreurs ou hypothèses inappropriées se répercutent donc sur les décisions et les expositions tant qu'elles ne sont pas détectées et corrigées.

Démonstration

Situation : Une salle de marché utilise un modèle de volatilité pour fixer des limites quotidiennes. Reconnaissance : Le backtesting révèle une sous‑prédiction récurrente des pertes extrêmes après un changement de régime. Action : La salle suspend la reliance au modèle, applique des majorations prudentes et recalibre. Conséquence : Les expositions admises précédemment sont re‑prixées ou réduites, empêchant l'accumulation de risques extrêmes non reconnus.

Mauvaise application

Interprétation erronée : Prendre une bonne adéquation historique comme garantie de performance en régime nouveau. Erreur sémantique : Confondre performance de calibration (ajustement aux données historiques) et validité structurelle dans des conditions différentes.

Conséquence

Si l'erreur de modèle n'est pas reconnue, les décisions (tarification, couverture, allocation de capital) peuvent sous‑estimer systématiquement le risque ou la valeur, entraînant des pertes financières, des choix stratégiques erronés ou des insuffisances de capital réglementaire : modèle défectueux → décision erronée → perte réalisée ou réserves inadéquates.

Inversion

Le principe s'atténue lorsque les sorties du modèle servent uniquement d'informations consultatives dans des processus décisionnels incorporant des garde‑fous indépendants (tests de stress, majorations prudentes, contrôles de limites) ou lorsque le modèle sert à produire un indicateur descriptif non contraignant ; dans ces cas, l'impact opérationnel de l'erreur est limité.

Limite

Clairement dans le périmètre : Un modèle de scoring crédit mal spécifié sous‑estime les probabilités de défaut. Cas limite : Un modèle présentant une incertitude paramétrique connue mais accompagné de scénarios de stress et d'une gouvernance explicite — le risque existe mais est atténué. Clair hors périmètre : Une panne informatique empêchant l'exécution du modèle mais n'indiquant pas une erreur logique du modèle.

Tension sémantique

Précision et complexité ↔ Interprétabilité et robustesse : les modèles plus complexes peuvent mieux ajuster les données mais sont plus difficiles à valider et plus fragiles face aux changements de régime.

Synthèse

Le risque de modèle n'est pas seulement une question d'« erreurs » ou de mauvais chiffres : il naît de la dépendance systémique des décisions à des hypothèses conditionnelles — l'atténuer exige de considérer les modèles comme des sources d'information faillibles et d'instaurer des procédures pour les exposer, les stresser et limiter la reliance.