Résumé:
Dans un contexte de tensions persistantes sur le marché immobilier algérien, les banques, et en particulier la CNEP Banque, sont confrontées à une montée significative des crédits non performants (NPLs). Cette étude s’inscrit dans une démarche prédictive de gestion du risque de crédit, mobilisant les méthodes modernes du scoring à travers l’application d’un modèle de régression logistique. Elle vise à améliorer l’évaluation du risque de défaut chez les emprunteurs particuliers ayant contracté des crédits immobiliers entre 2016 et 2024.
Basée sur un échantillon exhaustif de 9 812 emprunteurs et un ensemble de 240 variables socio-économiques et financières, l’analyse a été menée à l’aide du langage Python. L’objectif est de construire un modèle de scoring robuste permettant d’identifier les profils à haut risque, à travers l’interprétation des coefficients, des odds ratios, et l’évaluation des performances du modèle par la matrice de confusion, la courbe ROC et l’AUC.
Au-delà de l’analyse descriptive et statistique, cette recherche entend contribuer à l’automatisation partielle du processus d’évaluation du risque de défaut, en apportant un outil d’aide à la décision adapté aux exigences du secteur immobilier algérien. Elle met en évidence le potentiel du scoring pour renforcer la stratégie de prévention des NPLs au sein de la CNEP Banque
