FinanceDataHub — Gouvernance Data & IA

FrontierBank · IA Governance · Phase 3

Gouvernance des Modèles IA

Registre des modèles · Classification EU AI Act · Model Risk · Drift Monitoring · Mar – Mai 2026

Déploiement de Collibra en cours. Le glossaire métier atteint 120 termes. Les KPIs qualité progressent grâce aux contrôles dbt. La conformité BCBS 239 s'améliore sur les dimensions qualité et complétude.

2/5

Modèles validés

Risque élevé EU AI Act

En cours

2/5

Modèles validés

Conformes EU AI Act · Documentation complète

Action requise

En cours de review

Validation conformité · Revue documentation

EU AI Act

Modèles Risque Élevé

Obligations strictes EU AI Act

Monitoring

Alertes Drift actives

Modèles dépassant le seuil de drift

Référentiel EU AI Act — Niveaux de Risque

Classification applicable à FrontierBank · Règlement (UE) 2024/1689 · Entrée en vigueur 2025–2026

EU AI Act

Risque Inacceptable

Systèmes interdits par l'EU AI Act. Manipulation cognitive, notation sociale, surveillance biométrique en temps réel.

Exemples FrontierBank

Notation sociale des citoyens

Manipulation subliminale

Reconnaissance faciale temps réel (espace public)

Risque Élevé

Systèmes à fort impact sur des décisions critiques. Exigences strictes : documentation, audit, supervision humaine.

Exemples FrontierBank

Scoring crédit

Détection de fraude

Prévisions de liquidité

Obligations

Documentation technique complète

Évaluation de conformité

Supervision humaine obligatoire

Registre et notification autorités

Tests de robustesse

Risque Limité

Systèmes avec obligations de transparence. L'utilisateur doit savoir qu'il interagit avec une IA.

Exemples FrontierBank

Chatbots clients

Prédiction de churn

Recommandations produits

Obligations

Information de l'utilisateur

Transparence sur l'IA

Documentation basique

Risque Minimal

Systèmes à faible impact. Pas d'obligations spécifiques au-delà des bonnes pratiques.

Exemples FrontierBank

Classification de documents

Filtres spam

Tri automatique

Obligations

Bonnes pratiques IA

Documentation interne

Registre des Modèles IA — FrontierBank

5 modèles enregistrés · Statuts mis à jour Phase 3 · Mar – Mai 2026

2 validés2 en review1 en attente

CreditScoring v3.2

Risque Crédit · XGBoost + Ensemble · Modèle de scoring crédit utilisé pour l'octroi de prêts retail et corporate. Prédit la probabilité de défaut à 12 mois.

Risque ÉlevéEn review

Caractéristiques

Données d'entraînement5,2M dossiers (2018–2025)

Features147 variables

RéentraînementTrimestriel

Impact métierDécisions d'octroi de crédit · 2 400 dossiers/mois

Performance · Phase 3

87.3%accuracy

Supervision humaine ✓Doc complète ✓

Drift monitoring · Seuil : 3%

1.2%OK

— drift actuel - - seuil d'alerte

FraudDetector v1.8

⚠ Drift Alert

Conformité · Isolation Forest + LSTM · Détection de transactions frauduleuses en temps quasi-réel sur les flux de paiement.

Risque ÉlevéEn review

Caractéristiques

Données d'entraînement18M transactions (2020–2025)

Features89 variables

RéentraînementMensuel

Impact métierBlocage transactions suspectes · 45 000 transactions/jour

Performance · Phase 3

92.1%accuracy

Supervision humaine ✓Doc incomplète

Drift monitoring · Seuil : 2.5%

3.7%⚠ Seuil dépassé

— drift actuel - - seuil d'alerte

ChurnPredictor v2.1

Marketing · Random Forest + Logistic Regression · Prédiction de l'attrition clients sur un horizon de 90 jours pour ciblage des campagnes de rétention.

Risque LimitéValidé

Caractéristiques

Données d'entraînement890K clients (2022–2025)

Features64 variables

RéentraînementBimestriel

Impact métierCampagnes rétention · 12 000 clients ciblés/mois

Performance · Phase 3

79.4%accuracy

AutoDoc complète ✓

Drift monitoring · Seuil : 5%

0.8%OK

— drift actuel - - seuil d'alerte

LiquidityForecast v1.0

⚠ Drift Alert

Finance · Prophet + ARIMA Hybride · Prévision des besoins de liquidité à 30 et 90 jours pour optimiser la gestion du bilan.

Risque ÉlevéEn attente

Caractéristiques

Données d'entraînement8 ans de données historiques

Features42 variables

RéentraînementHebdomadaire

Impact métierDécisions de trésorerie · Gestion du ratio LCR

Performance · Phase 3

84.6%accuracy

Supervision humaine ✓Doc incomplète

Drift monitoring · Seuil : 2%

2.1%⚠ Seuil dépassé

— drift actuel - - seuil d'alerte

DocClassifier v4.0

Opérations · BERT Fine-tuned · Classification automatique des documents entrants (contrats, KYC, justificatifs) pour routing intelligent.

Risque MinimalValidé

Caractéristiques

Données d'entraînement2,1M documents labelisés

FeaturesNLP (embeddings)

RéentraînementAnnuel

Impact métierTraitement automatique · 8 000 documents/jour

Performance · Phase 3

95.2%accuracy

AutoDoc complète ✓

Drift monitoring · Seuil : 8%

0.3%OK

— drift actuel - - seuil d'alerte

Performance Comparée des Modèles

Accuracy par modèle à la Phase 3 — progression grâce aux réentraînements et à la meilleure qualité des données

Phase 3

Insight : La progression de l'accuracy entre les phases est directement liée à l'amélioration de la qualité des données d'entraînement (Data Quality Phase 3) et au déploiement du MDM (Phase 4) qui réduit les incohérences dans les données clients.

Process de Validation des Modèles IA

6 étapes obligatoires avant tout déploiement en production — conformité EU AI Act

3/6 étapes actives

Inventaire & Classification

Identifier le modèle, le classifier EU AI Act, nommer un responsable

Documentation Technique

Rédiger la fiche technique : données, algo, features, limites, biais potentiels

Évaluation de Performance

Nouveau · Ph.3

Mesurer accuracy, précision, rappel, fairness sur données de test indépendantes

Test de Robustesse & Biais

Phase 4

Vérifier la stabilité sur données adversariales et tester les biais démographiques

Validation Conformité

Phase 5

Revue par l'équipe Conformité : check EU AI Act, RGPD, supervision humaine

Déploiement & Monitoring

Phase 5

Mise en production avec monitoring du drift, alertes automatiques, revues périodiques