Tout algorithme d’octroi de crédit analysant un auto-entrepreneur doit conserver des critères explicables : stabilité et niveau des revenus déclarés à l’URSSAF, taux d’endettement, ancienneté d’activité et comportement de compte. L’ACPR impose que chaque décision de refus soit motivée par des éléments intelligibles pour l’emprunteur, tandis que la DSP2 encadre strictement l’accès aux données bancaires sous-jacentes.
🤖 L’intelligence du crédit de demain, disponible aujourd’hui. Même avec un profil complexe, ne devinez plus si votre prêt sera accepté. Testez notre pré-générateur de dossier propulsé par notre middleware IA. 🚀 Générer mon pré-accord IA →
Cadre réglementaire : explicabilité et protection de l’emprunteur indépendant
Ce que l’ACPR et la DSP2 imposent concrètement
L’ACPR, dans ses orientations applicables aux établissements de crédit, rappelle que tout modèle algorithmique utilisé pour l’octroi de crédit doit satisfaire à une exigence de gouvernance et de traçabilité. Chaque variable retenue dans le scoring doit pouvoir être expliquée à l’emprunteur en cas de refus, conformément à l’article L. 311-48 du Code de la consommation (droit à l’explication). Pour un auto-entrepreneur, dont les revenus sont par nature variables et autodéclarés, cette exigence est particulièrement critique : un modèle de type « boîte noire » qui agrège des centaines de signaux sans hiérarchie lisible expose l’établissement à un risque de non-conformité direct.
La DSP2 (Directive sur les Services de Paiement, transposée en droit français) autorise, avec le consentement explicite du client, l’accès aux données de compte bancaire via des API agréées. Ce flux de données — soldes, flux entrants réguliers, incidents de paiement — peut légitimement alimenter un algorithme de crédit. Toutefois, la DSP2 conditionne cet accès à une transparence totale sur les données collectées et leur usage : l’emprunteur doit savoir quelles informations ont pesé dans la décision, ce qui renforce mécaniquement l’obligation d’explicabilité des critères retenus.
Les critères explicables incontournables pour un profil auto-entrepreneur
Variables légitimes, mesurables et communicables
Pour un auto-entrepreneur, les revenus déclarés à l’URSSAF constituent la référence de base. L’URSSAF centralise les déclarations mensuelles ou trimestrielles de chiffre d’affaires et les cotisations sociales associées. Un algorithme conforme doit s’appuyer sur ces données officielles — et non sur des estimations propriétaires opaques — pour calculer un revenu net moyen sur 24 à 36 mois. Ce choix de fenêtre temporelle doit lui-même être explicable et documenté.
Au-delà des revenus, plusieurs critères structurants doivent rester lisibles et communicables à l’emprunteur :
| Critère | Source de données | Seuil ou règle explicable | Référence réglementaire |
|---|---|---|---|
| Revenu net moyen mensuel | Déclarations URSSAF | Moyenne glissante 24-36 mois, après abattement forfaitaire | URSSAF — obligations déclaratives micro-entrepreneurs |
| Taux d’endettement | Relevés bancaires (DSP2) + déclarations | Plafonné à 35 % des revenus nets (HCSF, décision du 29/09/2021) | ACPR — règles applicables aux établissements de crédit |
| Ancienneté d’activité | Registre SIRENE / URSSAF | Minimum 2 ans d’activité effective recommandé | ACPR — orientations sur l’octroi de crédit |
| Régularité des flux entrants | API bancaire agréée DSP2 | Coefficient de variation du CA mensuel < seuil défini | DSP2 — accès aux données avec consentement |
| Incidents de paiement | Fichier FICP / relevés DSP2 | Absence d’incident sur 12 mois glissants | ACPR — gouvernance des modèles de scoring |
| Reste à vivre | Calcul interne documenté | Montant absolu plancher selon composition du foyer | ACPR — orientations sur l’octroi de crédit |
{
"profil": "auto-entrepreneur",
"revenu_net_mensuel_moyen": 2800,
"periode_calcul_mois": 24,
"source_revenus": "URSSAF_declarations",
"taux_endettement_pct": 32.5,
"anciennete_activite_mois": 36,
"coefficient_variation_ca": 0.18,
"incidents_paiement_12m": 0,
"reste_a_vivre_eur": 1150,
"decision_explicable": true,
"criteres_communiques_emprunteur": ["revenu_net", "taux_endettement", "anciennete", "regularite_flux"]
}Implications pratiques pour un middleware IA de crédit immobilier
Automatisation, scoring et Open Banking au service de l’explicabilité
Un middleware IA bien conçu ne se contente pas d’agréger des signaux : il doit produire, pour chaque dossier auto-entrepreneur, un vecteur de décision auditable. Concrètement, cela signifie que chaque appel API vers une source de données (URSSAF via échange de données, banque via DSP2, SIRENE) doit être loggé avec horodatage, et que la contribution de chaque variable au score final doit être calculée via des méthodes d’explicabilité locale — SHAP values ou LIME — et stockée dans le dossier emprunteur. L’ACPR peut demander à tout moment la justification d’une décision de refus : le middleware doit être capable de restituer cette explication en langage naturel, pas seulement en valeur numérique.
L’Open Banking, rendu opérationnel par la DSP2, offre ici un levier puissant : en accédant aux flux de compte en temps réel avec le consentement du client, le middleware peut calculer automatiquement la régularité du chiffre d’affaires, détecter des saisonnalités légitimes (un auto-entrepreneur dans le tourisme aura des pics estivaux normaux) et contextualiser les variations plutôt que de les pénaliser aveuglément. Cette contextualisation est elle-même un critère explicable, à condition d’être documentée dans le modèle. La transparence algorithmique n’est donc pas un frein à la performance prédictive : elle en est la condition de légitimité réglementaire.
Questions fréquentes
Un auto-entrepreneur peut-il se voir refuser un prêt sans explication de l’algorithme ?
Non. L’ACPR impose que tout refus de crédit basé sur un traitement algorithmique soit accompagné d’une motivation intelligible pour l’emprunteur. L’établissement doit indiquer les principaux critères ayant conduit au refus, conformément aux orientations sur la gouvernance des modèles de scoring.
La banque peut-elle utiliser mes données bancaires DSP2 sans mon accord pour scorer mon dossier ?
Non. La DSP2 (Directive sur les Services de Paiement) conditionne tout accès aux données de compte bancaire à un consentement explicite et éclairé du client. L’emprunteur doit être informé des données collectées et de leur usage dans le processus de décision de crédit.
Quels revenus l’algorithme doit-il retenir pour un micro-entrepreneur ?
L’algorithme doit s’appuyer sur les revenus officiellement déclarés à l’URSSAF, après application de l’abattement forfaitaire réglementaire selon la nature de l’activité. La moyenne est généralement calculée sur 24 à 36 mois pour lisser la variabilité inhérente au statut d’auto-entrepreneur.
Qu’est-ce qu’un critère ‘explicable’ dans un modèle de scoring de crédit ?
Un critère explicable est une variable dont la valeur, le seuil et la contribution à la décision finale peuvent être communiqués à l’emprunteur en langage clair. Par exemple : ‘Votre taux d’endettement de 38 % dépasse le plafond réglementaire de 35 %’ est explicable. Une combinaison opaque de 500 signaux non hiérarchisés ne l’est pas.
Conclusion & Perspective 2027
D’ici 2027, les LLM intégrés aux middlewares de crédit seront capables de générer automatiquement, pour chaque dossier auto-entrepreneur, un rapport d’explicabilité en langage naturel — traduit en temps réel dans la langue de l’emprunteur, conforme aux exigences ACPR et aligné sur les futures obligations de l’AI Act européen (applicable aux systèmes à haut risque dès 2026). Les API URSSAF et DSP2 deviendront des flux standardisés, ingérés sans friction, et les critères explicables seront non plus une contrainte de conformité mais un avantage concurrentiel : les établissements capables de motiver clairement leurs décisions fidéliseront les travailleurs indépendants, segment en forte croissance du marché immobilier français.
🤖 L’intelligence du crédit de demain, disponible aujourd’hui. Obtenez le feu vert des banques grâce à notre technologie de pointe. Générez un dossier de prêt immobilier ultra-optimisé et validé par notre IA. 🚀 Générer mon dossier IA →