Make this article seo compatible, Let there be subheadings for the article, be in french, create at least 700 words
Pour paraphraser Mark Twain, l’histoire ne se répète peut-être pas, mais elle rime. Le secteur hypothécaire américain a récemment dû se rappeler ce fait lorsqu’une analyse de CNN a révélé que la plus grande coopérative de crédit du pays, Marine fédérale, Parmi tous les grands prêteurs, il existe la plus grande disparité des taux d’approbation des prêts hypothécaires entre les emprunteurs blancs et noirs. Le rapport, publié en décembre, note que la Navy Federal Credit Union a approuvé plus de 75 % des emprunteurs blancs qui ont demandé un nouveau prêt hypothécaire conventionnel pour l’achat d’une maison en 2022, contre moins de 50 % des emprunteurs noirs.
Comme toujours, la ligne rouge – l’effort intentionnel et systématique des banques et du gouvernement américains pour refuser les hypothèques aux Afro-Américains et séparer les villes américaines – se profile en arrière-plan. Cette pratique n’a été interdite qu’en 1968, et des recherches en cours à l’École de santé publique de l’Université de Californie à Berkeley révèlent que le redlining affecte encore aujourd’hui les communautés non blanches sous la forme de pollution de l’air, de troubles de la santé reproductive et de moins d’équipements urbains. .
Le secteur hypothécaire offre-t-il un accès équitable aux prêts ?
Le rapport suggère que le secteur hypothécaire néglige peut-être son devoir d’offrir à tous les candidats un accès équitable aux prêts. Avec des projets de loi sur les droits civiques comme le Fair Housing Act (FHAct) et l’Equal Credit Opportunity Act (ECOA) qui sont désormais la loi du pays, la plupart des prêteurs noteront qu’ils s’appuient sur des algorithmes de sélection des emprunteurs soi-disant objectifs pour prendre des décisions de prêt. Mais les résultats racontent une autre histoire.
Le Consumer Compliance Handbook de la Réserve fédérale observe que « les preuves de intention discriminatoire n’est pas nécessaire pour établir que l’adoption ou la mise en œuvre par un prêteur d’une politique ou d’une pratique constitue une violation de la FHAct ou de l’ECOA. Si un prêteur a une politique soi-disant neutre qui l’amène à refuser des prêts à des personnes appartenant à une classe protégée (c’est-à-dire une minorité raciale, religieuse ou de genre) à un taux plus élevé, cette politique peut constituer une discrimination en matière de prêt. Pour prouver que la politique n’est pas discriminatoire, le prêteur doit démontrer que la politique est justifiée par des « nécessités commerciales ».
Entre-temps, des preuves répétées et largement médiatisées ont dissipé le mythe selon lequel les algorithmes sont des acteurs intrinsèquement neutres. Les acteurs du domaine de l’analyse de données savent depuis longtemps que les algorithmes peuvent non seulement coder, mais aussi amplifier les biais. Par exemple, Amazone a dû arrêter de tester un algorithme de recrutement automatisé en 2015 lorsqu’il est devenu évident que l’algorithme était systématiquement discriminatoire à l’égard des femmes pour les emplois techniques. Formé sur les CV des employés existants, pour la plupart des hommes, l’algorithme a reproduit ce même biais lors de l’évaluation des candidats.
Les biais algorithmiques dans les prêts hypothécaires ne sont qu’un autre exemple du phénomène que les analystes de données appellent « les déchets rentrent, les déchets sortent ». Les institutions qui alimentent leurs algorithmes de prêt en données codant le racisme structurel ne devraient pas être surprises lorsque l’algorithme final aboutit à un impact disparate.
L’un des plus grands contrevenants aux biais algorithmiques est la toute-puissante cote de crédit.
Les prêteurs ont rapidement étendu leur utilisation des cotes de crédit informatisées dans les années 1970 et 1980, ironiquement, pour se protéger contre les poursuites pour discrimination. Les experts soulignent que le système de notation de crédit, soi-disant objectif, repose encore sur une discrimination intentionnelle d’il y a des décennies. S’appuyer trop fortement sur les cotes de crédit biaise en réalité les prêteurs à l’encontre d’un large éventail d’acheteurs potentiels, notamment des acheteurs étrangers, des acheteurs plus jeunes et des acheteurs issus de familles ayant de faibles connaissances financières, qui manquent souvent d’antécédents de crédit solides aux États-Unis.
Pour éviter de discriminer ces groupes, les prêteurs doivent abandonner la cote de crédit et commencer à s’intéresser aux flux de trésorerie. La souscription de flux de trésorerie est une approche transparente et basée sur des données qui examine les principales mesures du comportement financier d’un individu. Les principaux facteurs pris en compte par la souscription des flux de trésorerie sont les soldes du demandeur, les tendances des flux de trésorerie et le ratio dépenses discrétionnaires/dépenses de base. La souscription de trésorerie place la vérification des revenus là où elle doit être : au début du processus. En examinant les mesures comportementales d’un candidat sur la base des données financières en temps réel issues de ses données bancaires, la souscription des flux de trésorerie ignore la discrimination raciale et liée à l’âge. Les gens sont admissibles en fonction de leur capacité à payer, et non de leur placement dans un système de notation opaque.
La souscription des flux de trésorerie résout également un autre problème des approches de sélection traditionnelles, à savoir la dépendance excessive aux fiches de paie. Selon le Bureau des statistiques du travail, plus de 10 % des Américains sont des travailleurs indépendants. Avec la croissance de l’économie des petits boulots et du partage, ainsi que la montée en puissance des influenceurs des médias sociaux, un nombre croissant d’Américains tirent leurs revenus de sources non traditionnelles. Une approche axée sur la trésorerie reconnaît les revenus des candidats de toutes sources, sur la base de leur historique de dépôts bancaires, plutôt que de la seule paie, ce qui permet aux candidats de démontrer plus facilement leur capacité de payer.
Grâce aux technologies actuelles d’intelligence artificielle (IA) et d’apprentissage automatique, les prêteurs peuvent passer à la souscription de trésorerie beaucoup plus facilement qu’ils ne le pensent. Les algorithmes de vérification innovants basés sur l’IA actuellement disponibles sur le marché peuvent évaluer les revenus, les actifs, les antécédents professionnels et les flux de trésorerie d’un candidat sans envahir la vie privée de quiconque. La race, les croyances, l’orientation sexuelle ou de genre du demandeur, son quartier actuel ou son lieu d’origine n’entrent jamais en ligne de compte.
Navy Federal a peut-être reçu l’essentiel de la mauvaise presse cette fois-ci, mais ces problèmes – dépendance excessive à l’égard des cotes de crédit, attentes dépassées en matière d’emploi – concernent l’ensemble du secteur. Pour éviter de devenir le prochain Navy Federal, les prêteurs doivent évaluer la situation dans son ensemble. En suivant une approche de souscription de trésorerie et avec le soutien de l’IA, les prêteurs peuvent faire des paris sûrs, sans préjugés ni apparence de partialité, pour aider les gens à accéder à la propriété.
Tim Ray est co-fondateur et PDG de VeriFast, une plateforme de vérification d’identité et financière qui réduit la souscription et les coûts tout en éliminant la fraude. Entrepreneur en série et investisseur providentiel, Tim est une voix influente dans les secteurs de l’immobilier et de la gestion immobilière.
Cette chronique ne reflète pas nécessairement l’opinion de la rédaction de HousingWire et de ses propriétaires.
Pour contacter les auteurs de cette histoire :
Tim Ray à [email protected]
Pour contacter l’éditeur responsable de cette histoire :
Tracey Velt à [email protected]