Les dveloppements rcents de la mesure du risque oprationnel

Frantz Maurer
Universit Montesquieu-Bordeaux IV
Avenue Lon Duguit
33608 Pessac Cedex
Tel: (33) 5 56 84 85 77
maurer@u-bordeaux4.fr
Professeur associ Bordeaux Ecole de Management

Rsum: Comment les banques sont-elles censes valuer, prvoir et grer efficacement le
risque oprationnel, face lincroyable diversit des dangers et menaces qui psent dsormais
sur leur activit ? Comment peuvent-elles rpondre avec succs aux nouvelles contraintes qui
manent des autorits rgulatrices tout en prservant leur rentabilit future ? Ces deux
questions sont au cur des enjeux lis la mesure du risque oprationnel, et ne sont pas sans
effet sur la capacit future des banques grer ce type de risque. Le risque oprationnel,
mme sil est connu depuis longtemps comme pour les fraudes par exemple, est un risque qui
est gr par les banques de faon rcente. Encore aujourdhui, seules les banques et
institutions financires de premier plan sont capables dvaluer leur risque oprationnel avec
un certain degr de confiance ou disposent dune base de donnes des pertes. Spcifier des
modles de risque plus robustes que les mthodes traditionnelles, en intgrant davantage de
facteurs de risque et en amliorant la prcision de la mesure du risque, tel est le dfi que
doivent aujourdhui relever les banques.
Mots cls. Gestion des risques bancaires, risque oprationnel
JEL Classification: G21; G32

Abstract: How banks are supposed to evaluate, forecast and manage efficiently operational
risk, given the multiple dangers and threats they have to face now? How can they answer
successfully to the new constraints arising from supervisors while preserving their future
profitability? These two questions are the most challenging issues related to operational risk,
and they can impact on the future banks' ability to manage this type of risk. Although
operational risk is known from a long time ago -such as frauds for example- this risk is
effectively managed in banks only recently. Even now, only first-ranked financial institutions
are really able to evaluate their operational risk with an acceptable level of confidence or are
in possession of an operational loss database. Building more robust operational risk models
than traditional methods, by including more risk factors and improving the accuracy of
operational risk measures and indicators, such are the challenges banks have to deal with in
the near short term.
Keywords: Banks, Financial Risk and Risk Management, Operational Risk

En dcembre 2002, lors dune confrence runissant plus de 400 professionnels du risque
Genve, on demanda linvit dhonneur, Robert Merton, quels conseils il pouvait donner
aux trs nombreuses institutions financires dont la gestion du risque de crdit repose sur le
fameux modle quil dveloppa en 1974 1 . Aprs un long silence, le Professeur Merton ft
cette rponse : Et bien, la premire chose dont vous devez vous souvenir, cest que le
modle est vieux de vingt-huit ans . Rien de comparable dans le domaine du risque
oprationnel, o aucun modle de mesure ne peut se targuer de telles lettres de noblesse.
Pour une banque, le risque de crdit est de loin le plus important, devant le risque
oprationnel et le risque de march. Il reprsente en moyenne 80% du risque total. Le cot du
risque oprationnel est cependant loin dtre ngligeable, et peut reprsenter une part
significative du Produit Net Bancaire pour certaines activits. Sagissant du primtre couvert
par la gestion des risques dune banque, la volont de surveiller lexhaustivit des risques est
manifeste. Lexemple des risques oprationnels est particulirement frappant : il y a encore
quelques annes, ils ntaient pas ou peu surveills alors quils font dsormais lobjet dune
vritable dmarche de gestion des risques, limage de celle adopte sur le risque de crdit et
de march.
Les pratiques de gestion et de mesure du risque oprationnel sinspirent trs fortement de
ce qui se fait sur le risque de march, dont la maturit est beaucoup plus importante. Encore
aujourdhui, la gestion du risque oprationnel est trs qualitative. Nanmoins, les approches
quantitatives (mthode Loss Distribution Approach ou LDA) sont de plus en plus
importantes, surtout depuis la mise en place des systmes de collecte de pertes.
Le Comit de Ble propose de dfinir les risques oprationnels comme le risque de
pertes dues une inadquation ou une dfaillance des procdures, personnels, systmes
internes ou des vnements extrieurs (Basel Committee on Banking Supervision, 2001).
En partie pour rpondre aux initiatives rglementaires contenues dans les propositions de Ble
II (Basel Committee on Banking Supervision, 2003), et de peur de prendre un retard
irrattrapable sur leurs concurrents, bon nombre de banques ont initi des programmes visant
dvelopper des modles de mesure du risque oprationnel.
A linstar de nimporte quel autre processus de mesure, quil sagisse dindicateurs cls de
performance ou de risque de march, lutilit pratique dun modle de mesure, et partant, son
adoption par la profession, ne dpendent pas forcment de son degr de sophistication, bien
1

Merton ft le premier proposer une vision optionnelle de la dette : lmetteur reoit le droit de faire dfaut sur
sa dette, droit quil exerce ds que la valeur de ses actifs ne permet plus de la couvrir. CreditMonitorTM, outil de
gestion du risque de crdit mis en place par la firme KMV, illustre la faon dont le modle de Merton peut tre
utilis pour estimer les probabilits de dfaut dune entreprise.

au contraire. Comment procder alors ? Peut-tre en se posant les bonnes questions ds le

dpart : (1) quelle est la vritable valeur ajoute du modle de mesure, et (2) comment utiliser
les rsultats produits par le modle en vue damliorer les pratiques de gestion.
Le risque oprationnel fait dsormais partie de lassiette des risques, ce qui constitue en
soit une petite rvolution. Cest dans ce contexte que sinscrit cet article, qui se propose
danalyser trois axes principaux du dveloppement rcent de la gestion du risque oprationnel
dans les banques :

La mesure rglementaire du risque oprationnel selon Ble II

Le calcul de la charge en capital

La conception dun modle de mesure du risque oprationnel.

1- La mesure rglementaire du risque oprationnel selon Ble II

La mesure du risque oprationnel correspond une valeur en risque, similaire dans son
principe celle calcule dans les domaines du risque de march et du risque de crdit. Elle
doit donc couvrir la fois les pertes attendues (expected loss) et les pertes exceptionnelles
(unexpected loss). Pourtant, en thorie, les fonds propres rglementaires ne couvrent que les
pertes exceptionnelles et non les pertes moyennes, ces dernires tant censes tre couvertes
par des provisions ou imputes sur le rsultat courant. Le Comit de Ble propose trois
approches distinctes pour dterminer le capital rglementaire au titre du risque oprationnel :

Lapproche indicateur de base (Basic Indicator Approach ou BIA)

Lapproche standardise (Standardised Approach ou SA)

Les mesures dites avances (Advanced Measurement Approach ou AMA).

Comme le souligne le Comit, quelle que soit lapproche retenue, un tablissement doit faire
la preuve que sa mesure du risque oprationnel rpond un critre de solidit comparable
celui de lapproche IRB (Internal Ratings Based Approach) pour le risque de crdit
(correspondant une priode de dtention dun an et un intervalle de confiance de 99,9%).
Les banques ont la possibilit de choisir celle qui leur parat correspondre le mieux la
spcificit de leur activit, mais aussi leur capacit globale daction. Elles doivent en effet
sassurer quelles disposent de lensemble des moyens ncessaires la mise en uvre de la
solution retenue. Le degr de sophistication de chacune de ces trois mthodes est en effet
croissant.

1.1. Principe gnral des approches disponibles

Dans le cadre de lapproche BIA, le calcul du capital requis se fait partir dun indicateur
dexposition. Le Comit de Ble propose de retenir 15% du produit net bancaire moyen
(Gross Income ou GI) sur les trois dernires annes. Le capital requis (ou exigence de fonds
propres) KBIA est alors gal :

KBIA = GI
Le coefficient est fix 15%.
Cette mthode forfaitaire est trs imparfaite et concerne essentiellement les petites banques
locales qui ne peuvent pas faire mieux. Si aucun critre dligibilit nest exig, il nest pas
question pour autant que le rgulateur autorise les banques prsentes sur la scne financire
internationale utiliser une approche aussi grossire.
Contrairement la BIA, les banques qui appliquent les mthodes AMA sont autorises
calculer elles-mmes leurs fonds propres rglementaires partir de leurs propres modles
internes. Revers de la mdaille, ces banques doivent remplir de nombreuses conditions pour
utilise lapproche avance. En particulier, certains critres qualitatifs concernant la politique
de risque de la banque doivent tre respects (gestion quotidienne, allocation des fonds
propres aux principales units, reporting des pertes, systme intgr, etc.). Les diffrentes
approches et les critres dligibilit associs sont reprsents sur la Figure 1. Les mthodes
AMA conduisent une exigence de fonds propres rglementaires a priori plus faible que dans
le cas de lapproche BIA, ce qui bien videmment est favorable la banque. A premire vue,
le cot de mise en uvre de lapproche AMA peut sembler lev. Cependant, le cot
marginal ne lest pas. La plupart des critres qualitatifs requis pour implmenter une AMA
sont en effet dj valids, puisque des lois (telle que Sarbanes-Oxley par exemple) ou dautres
procdures de rgulation (en matire de gouvernance notamment) imposent de les respecter.

Lapproche standardise se situe entre lapproche BIA et les mesures AMA. Les critres
qualitatifs exigs sont trs similaires ceux des mthodes AMA. La vritable diffrence
rside dans le mode de calcul du capital rglementaire. Cependant, lapproche standardise
semble surtout intressante pour les banques traditionnelles, puisque les activits de banque
de dtail (retail banking) et de courtage de dtail (retail brokerage) pseront hauteur de 12%
dans le calcul du capital rglementaire contre 15% avec une approche BIA.
Lapproche standardise est en fait un prolongement plus fin de la BIA en dclinant ce
type de calcul par type dactivit. Les fonds propres rglementaires de la banque pour le
risque oprationnel (K) correspondent alors la somme des fonds propres de chaque catgorie
dactivit, soit :

KSA =

GI
i

o GI est le produit net bancaire (Gross Income ou GI) de la i-me ligne dactivit 2 . Les
valeurs du facteur (12%, 15% et 18%) ont t calibres par le Comit de Ble.

Ble II considre un dcoupage matriciel de la banque. Celle-ci est divise en huit catgories ou lignes
dactivit : Financement des entreprises (Corporate Finance) ; Ngociation et vente (Trading & Sales) ; Banque
de dtail (Retail Banking) ; Banque commerciale (Commercial Banking) ; Fonction dagent (Agency Services) ;
Gestion dactifs (Asset Management) ; Courtage de dtail (Retail Brokerage).

1.2. Les mesures AMA (Advanced Measurement Approach)

Le Comit de Ble propose plusieurs alternatives au sein du rgime AMA : une mthode
base sur des paramtres internes (Internal Measurement Approach ou IMA), la mthode
RDCA (Risk Drivers and Controls Approach), anciennement dnomme Scorecard, lanalyse
de scnarios ou sbAMA (Scenario-based AMA), et enfin, la mthode LDA (Loss Distribution
Approach), la plus sophistique au plan technique. La pratique de chacune de ces mthodes
est soumise au respect dun ensemble de critres qualitatifs, notamment en termes
dvaluation du risque oprationnel et de procdure de collecte des donnes de perte. Cest l
leur dnominateur commun. Sur le fonds, la diffrence concerne essentiellement le type
dinformation privilgi dans le calcul du capital rglementaire. La mthode LDA sappuie
sur un historique de donnes de perte, tandis que la sbAMA cherche dfinir des scnarios
prospectifs (what-if scenarios). La valeur en risque est ensuite calcule par une mthode de
Monte Carlo.
Dans le cadre de lapproche IMA (Internal Measurement Approach), la perte moyenne ou
attendue (expected loss) est calcule sparment pour chaque catgorie ou ligne dactivit.
Pour une catgorie dactivit i et un type de risque j, la charge en capital (K) est dfinie par
exemple de la faon suivante 3 :

Kij = ij ELij
o EL reprsente la perte moyenne et est un facteur dchelle. La perte moyenne peut se
calculer comme le produit de trois termes :

ELij = EIij PEij LGEij

o EI est lindicateur dexposition, PEij est la probabilit doccurrence dun vnement de
risque oprationnel de type j pour la ligne dactivit i (probability of event), et LGEij est le
montant de la perte associe (loss given event). Toute la difficult est de calibrer le paramtre
. Lhypothse de dpart de cette mthode est quil existe une relation (linaire ou non
linaire), via le facteur gamma (), entre la perte moyenne et la mesure de risque.
La mthode RDCA (ex approche Scorecard) procde par une srie de questions
pondres, dont certaines peuvent sapparenter des scnarios. Un score est dtermin sur la
base des rponses obtenues, qui va permettre dclater le capital rglementaire total entre les
3

Le Comit de Ble retient sept vnements de risque oprationnel : Fraude interne (Internal Fraud) ; Fraude
externe (External Fraud) ; Pratiques en matire demploi et scurit sur le lieu de travail (Employment Practices
& Workplace Safety) ; Clients, produits et pratiques commerciales (Clients, Products & Business Practices) ;
Dommage aux actifs corporels (Damage to Physical Assets) ; Dysfonctionnements de lactivit et des systmes
(Business Disruption & System Failures) ; Excution, livraison et gestion des processus (Execution, Delivery &
Process Management).

diffrentes lignes dactivits. Le Comit de Ble na fourni aucune formulation mathmatique

pour cette approche. Nanmoins, les groupes de travail au sein des banques ont propos des
formules de calcul du capital rglementaire (K) de la forme :

KScorecard = EIij ij RSij

avec EI lindicateur dexposition (Exposure Indicator), RS le score de risque (Risk Score) et
un facteur dchelle (Scale Factor).
1.3. Lanalyse de scnarios
Lanalyse de scnarios (sbAMA) est en fait un prolongement de la RDCA. Le risque y est
envisag comme une combinaison de la svrit et de la frquence des pertes potentielles sur
une priode donne. La frquence et la svrit (potentielles) de la perte peuvent tre
mesures en units montaires et en nombre doccurrences annuelles. Par exemple, on parlera
dune perte potentielle de 10 000 euros trois fois par an, ou dune perte potentielle de 15 000
euros quatre fois par an, ou peut-tre mme dune perte potentielle de 500 000 euros une fois
tous les cent ans. Le risque reflte en quelque sorte la vulnrabilit de la banque. Lvaluation
du risque devrait par consquent se focaliser sur les vecteurs de cette vulnrabilit. Or, celleci provient pour lessentiel des facteurs de risque sous-jacents. Rduire le niveau de risque
oprationnel impose donc une bonne lisibilit de lexposition du portefeuille de la banque aux
diffrents facteurs de risque pralablement dfinis.
En fait, on pourrait considrer que lvaluation du risque est intrinsquement lie
lanalyse de scnarios, qui sapplique dailleurs galement aux risques de march et de crdit.
Dans le cas du risque de march, il sagira par exemple dapprcier limpact dune hausse des
taux directeurs de 20 points de base ou lincidence dune inversion de la courbe des taux sur
la valeur du portefeuille de ngociation de la banque. Concernant le risque de crdit, on
essaiera destimer leffet dune modification de la qualit dun emprunteur : dgradation de sa
notation ou dfaillance pure et simple. De manire gnrale, les scnarios sont des
vnements susceptibles de se produire dans lavenir. Ils expriment lide selon laquelle les
experts dune banque ont certaines intuitions ou des informations sur le risque qui ne sont pas
contenues dans lhistorique de donnes. Pour tre rellement utile des fins de dcision en
matire de risque, une analyse de scnarios doit tre en mesure de rpondre ces deux
questions : quelle frquence le scnario X est-il susceptible de se produire ? Quel est le
montant de la perte si le scnario X se produit ?
Concernant le risque oprationnel, les scnarios sont gnralement tablis partir des
ressources critiques sur lesquelles sappuient les diffrentes lignes dactivit de la banque.
7

Ces ressources correspondent en ralit aux facteurs de risque oprationnel. Parmi les plus
courants, on recense le niveau de comptence/qualification du personnel, lorganisation
interne/transferts dinformation, linfrastructure IT (eg, scurit des systmes), les procdures
de contrle des activits non autorises/vol et fraude/erreurs non intentionnelles (eg, saisie,
excution et suivi des transactions), les mesures de protection contre des catastrophes et autres
sinistres, ou encore, le respect des obligations lgales (eg, conformit, diffusion
dinformations et devoir fiduciaire). Lenjeu est alors de dterminer la faon dont on peut
extraire des scnarios une information utile. Par exemple :
- quelle est la probabilit quune ou plusieurs de ces ressources ou facteurs de risque
fassent dfaut sur un intervalle de temps jug critique pour la banque ?
- Quel impact ngatif en rsulte ?
Si la probabilit de dfaillance des facteurs de risque ou limpact sur le fonctionnement de la
banque est faible, il est entendu que celle-ci nest lvidence expose aucun risque
oprationnel vritable.
1.4. La modlisation LDA
Lide gnrale de la mthode LDA (Loss Distribution Approach) est de modliser la
perte lie au risque oprationnel pour une priode donne (par exemple, un an) et den dduire
la valeur en risque. Frachot et al. (2003) proposent de procder en cinq tapes pour
implmenter cette mthode :
- estimation de la distribution de svrit ;
- estimation de la distribution de la frquence ;
- calcul de la charge en capital ;
- calcul des intervalles de confiance ;
- incorporation des avis dexperts.
Il nest pas question ici dentrer dans la formulation mathmatique de ces diffrentes
tapes, mais simplement de comprendre lide gnrale de la mthode LDA. A linstar de la
plupart des modles de mesure du risque oprationnel, la LDA se fonde sur une approche
actuarielle (frquence/svrit) trs ancienne largement utilise dans le domaine de
lassurance pour modliser des problmes similaires. Pour que le modle LDA puisse tourner,
il faut lui fournir deux lments essentiels : la distribution de la svrit des pertes (loss
severity distribution) et la distribution de la frquence des pertes (loss frequency distribution).
Ces deux distributions, qui forment lhistorique des pertes, sont ensuite combines par une
simulation Monte Carlo afin dobtenir la distribution de la perte totale. Celle-ci tant le

rsultat de plusieurs pertes successives, il sagit dune perte agrge (aggregate loss
distribution). A partir de la perte totale, on drive ensuite la perte attendue ou moyenne
(expected loss) et la perte exceptionnelle (unexpected loss), pour un niveau de confiance
donn. La Figure 2 illustre le principe de la mthode LDA.

Tout cela semble trs simple : construire un historique interne des pertes ; utiliser des
techniques statistiques usuelles pour ajuster les donnes une distribution standard de la
frquence des pertes (par exemple, une loi de Poisson) ; ajuster les donnes historiques
traites une distribution standard de la svrit des pertes (par exemple, une loi lognormale)
par une simulation Monte Carlo ; intgrer les effets des indicateurs de risque cls de faon
tenir compte de lventualit o les pertes potentielles futures diffrent sensiblement des
pertes historiques ; prendre en compte les assurances permettant de rduire le montant de la
perte en cas doccurrence ; et enfin, driver la distribution de la perte agrge partir de
laquelle est dtermine la charge en capital ou fonds propres rglementaires ncessaires la
couverture de la perte attendue et de la perte exceptionnelle. Pourrait-on imaginer processus
plus limpide ? En fait, la difficult ne rside pas dans les diffrentes tapes de la mthode
LDA, mais dans linsuffisance notoire de donnes crdibles en matire de risque oprationnel.
Pour sen tenir la distribution de Poisson, la plus couramment utilise en pratique, pas
moins de 1082 observations de pertes individuelles sont ncessaires pour obtenir une
estimation du nombre moyen de pertes, avec une marge derreur de 5% et un niveau de
confiance seulement de 90%. A lexception des vnements de perte trs frquents dont le

montant est ncessairement faible, il est donc peu probable quune banque puisse disposer
dun historique interne de pertes suffisamment long pour estimer la distribution de frquence
avec un degr de confiance acceptable 4 . Le problme du manque de donnes (ou du nombre
ncessaire de donnes) se complique de faon exponentielle lorsquil sagit destimer la
distribution de svrit. Il faut alors en effet des estimations raisonnables non seulement de la
svrit moyenne mais aussi de sa variance. Par exemple, une simple simulation de la loi
lognormale montre quil faudra plus dun million de points afin de produire une estimation
acceptable de la distribution de svrit, avec un niveau de confiance de seulement 90%. Cela
signifie tout bonnement que le nombre de donnes disponibles sera toujours insuffisant pour
obtenir une estimation de la charge en capital pas trop loigne de sa vraie valeur. Or,
lincertitude de la charge en capital est directement lie au calcul de la perte moyenne et
surtout celui des pertes exceptionnelles, deux grandeurs ncessaires la mise en uvre de la
mthode LDA.

2. Le calcul de la charge en capital

Les fonds propres (ou le capital) sont un des lments du passif dune banque. Ils peuvent
tre calculs de faon rglementaire. Dans ce cas, on parle de fonds propres forfaitaires ou
rglementaires (regulatory capital). On peut aussi les calculer partir de modles internes qui
tiennent compte des effets de diversification, de la nature du portefeuille de la banque, etc.
Dans ce cas, on parle de fonds propres ou capital conomique (economic capital). Lide de
Ble II est de faire converger le capital rglementaire souci des autorits de contrle et le
capital conomique souci des tablissements bancaires.
2.1. Dfinition du Capital-at-Risk
La charge en capital (Capital-at-Risk ou CaR) est la part des fonds propres destine
prserver la banque de linsolvabilit en cas de pertes exceptionnelles. Cette couverture du
risque est bien entendu assortie dun certain niveau de confiance ou probabilit. La charge en
capital CaR exprime ainsi le montant de la perte totale potentielle (ou svrit) pour une
probabilit doccurrence spcifie a priori. Le Capital-at-Rsk est en fait loutput dun modle
de risque. Cette notion de charge en capital est assez imprcise dans le domaine du risque
oprationnel. A la suite de Roncalli (2004, p.175), on peut retenir les trois dfinitions
suivantes :
4

Les pertes trs frquentes (high-frequency) doivent tre ncessairement associes des montants peu levs
(low-severity). Dans le cas contraire, la banque pourrait faire faillite assez rapidement, ce qui est un non sens
dans une perspective de mesure du risque oprationnel.

10

Dfinition 1 (Valeur en risque ou OpVaR) : La charge en capital est le quantile

99,9% de la distribution de la perte totale ou agrge (obtenue une fois que les distributions
de frquence et de svrit sont calibres). Avec N le nombre alatoire dvnements, la perte
totale est L

= n=0 n , o n reprsente le montant de la perte n. La charge en capital scrit

N

alors :

Pr {L > OpVaR} = 0.1%

Dfinition 2 (Perte exceptionnelle ou OpVaR unexpected loss uniquement) : Il sagit

de la dfinition prcdente laquelle on soustrait la perte totale moyenne ou attendue

(expected loss). La charge en capital devient :

Pr {L > UL + EL} = 0.1%

ou encore : UL = OpVaR E[L].

Dfinition 3 (OpVaR ou Valeur en risque au-del dun seuil) : Dans ce cas, la charge

en capital est le quantile 99,9% de la distribution de la perte agrge dfinie comme

lensemble des pertes au dessus dun certain seuil H. On a alors :

Pr n 1{ n H } > OpVaR = 0.1%

N

n =0

o le terme 1{n H} est gal 1 si la perte excde le seuil H et gal 0 sinon.

Le calcul de la charge en capital CaR seffectue dans les trois cas grce la mthode de
Monte Carlo, mais produit des rsultats sensiblement diffrents en fonction de la dfinition
retenue. Dans le troisime document consultatif, le Comit de Ble utilise la premire
dfinition. Il prcise que la banque doit calculer son exigence de fonds propres en agrgeant
les pertes anticipes (EL) et les pertes exceptionnelles (UL), sauf pouvoir dmontrer que ses
systmes internes couvrent adquatement EL.
2.2. Agrgation des charges en capital et corrlation
Dans le cadre de la mthode LDA (Loss Distribution Approach), la perte totale ou
agrge Li,j est la somme alatoire des pertes individuelles. La distribution de probabilit de la
perte agrge, note Gi,j, est donc une distribution compose (compound distribution). La
charge en capital CaR pour la ligne de mtier i et le type de risque j (i.e, llment ij de la
matrice de risque oprationnel) correspond alors au quantile de Gi,j :

CaR ij ( ) = Gij1 ( ) = inf { x Gij ( x) }

11

De faon quivalente, on peut crire que la charge en capital CaR pour llment ij de la
matrice de risque oprationnel est gale la somme de la perte espre (expected loss ou EL)
et de la perte potentielle maximale (unexpected loss ou UL), soit :

CaR ij ( ) = ELij + ULij ( ) = Gij1 ( )

Cette expression, reprsente de faon simplifie sur la Figure 3, se calcule sans difficult par
la mthode de Monte Carlo. Le comit de Ble suggre que la charge en capital pour la
banque corresponde la somme de toutes les charges en capital CaRij () :
I

CaR ( ) = CaRij ( )
i =1 j =1

Naturellement, il sagit dun modle dallocation de fonds propres de type bottom-up. Le

principe est de consolider le risque oprationnel du portefeuille bancaire depuis le niveau le
plus fin (la transaction) jusqu lunit dallocation (la ligne de mtier). De par sa nature,
lapproche bottom-up permet de suivre la consommation de fonds propres.

Cette mthode de calcul de la charge en capital CaR est particulirement sduisante, mais pas
tout fait aussi simple quil y parat. Pour lintervalle de confiance gal 99,9%, fix par le
Comit de Ble, un nombre considrable de simulations est requis (plusieurs millions) pour
esprer obtenir une estimation raliste du capital conomique.

12

Outre le nombre ncessaire de simulations, lagrgation des charges en capital

individuelles soulve une autre difficult technique lie la corrlation. Faire la somme de
toutes les charges en capital est probablement trs conservateur en termes de risque, car on
peut tout fait admettre que les pertes totales Lij ne sont pas parfaitement corrles. Le
Comit de Ble prcise que la banque peut tre autorise appliquer des corrlations
dtermines en interne, condition de dmontrer son autorit de contrle que ses systmes
de dtermination des corrlations sont sains et mis en uvre avec intgrit. Frachot et al.
(2003) indiquent quil y a deux sources possibles de corrlation : la corrlation des frquences
et la corrlation des svrits. Par exemple, on peut imaginer que les pertes agrges des
fraudes internes et des fraudes externes sont corrles parce que les nombres dvnements
sont corrls mais aussi parce que les pertes de ces types de risque le sont. Lenjeu est
dimportance puisque, comme le soulignent ces auteurs, leffet de diversification est
intressant prendre en compte car il peut rduire de manire significative la charge totale en
capital de la banque.
Etant donn la complexit du sujet, il est ncessaire de mieux cerner leffet des
corrlations. Les copules apportent un clairage nouveau sur la modlisation des corrlations,
mais sont techniquement relativement complexes complexes 5 .. On peut aussi envisager des
tudes de cas virtuelles. Par exemple, quelles seraient les consquences pour une banque
davoir une corrlation parfaite (gale 1) entre ses diffrentes lignes de mtier i pour le
mme type de risque j, mais nulle entre lignes de mtiers pour diffrents types de risque ?
Comment joueraient les mcanismes de diversification du risque (oprationnel) dans ce genre
de situation ?
2.3. La quantification du risque oprationnel : ni trop ni trop peu
Au-del du strict aspect mesure, le calcul de la charge en capital prsente un rel intrt
des fins de gestion proprement dite. On peut par exemple aisment estimer limpact de
diffrents scnarios sur le capital conomique ou rglementaire. Il ne sagit pas uniquement
de produire une analyse de sensibilit du modle de risque, mais aussi de dfinir les bases
dun systme dincitations transparent destin aux gestionnaires de lignes de mtier. Ils ont en

Les "copules" (ou fonctions copules) sont un outil mathmatique qui permet d'isoler la dpendance entre des
variables alatoires. Dans le cadre de la gestion des risques financiers, les copules vont permettre d'tudier la
dpendance entre les diffrents facteurs de risque et de corrler ces diffrents facteurs de risque entre eux. En
quelques annes, les fonctions copules sont devenues un outil standard pour aborder ce type de problmes. Le
lecteur intress par les aspects mathmatiques des copules peut consulter l'ouvrage de Nelsen (1999).

13

effet la possibilit dapprcier ex ante leffet dune amlioration de leur profil de risque
oprationnel sur le capital conomique requis.
La quantification du risque oprationnel ne peut et ne doit pas tre apprhende comme
une fin en soit. La vritable finalit est de perfectionner les pratiques de gestion des risques
oprationnels. En mme temps, il est clair quatteindre cet objectif passe par une meilleure
matrise de ce qui est quantifiable. Les aspects mthodologiques lis lutilisation des
diffrentes approches disponibles (IMA, LDA, RDCA ou sbAMA) et linterprtation des
paramtres qui en dcoule, prennent tout leur sens laune dun objectif de gestion du risque
plus performante. Cette volont se manifeste dailleurs tant du ct du rgulateur quau sein
des tablissements.
Concernant les autorits de rgulation, une des motivations de la rforme Ble II est de
rapprocher la rglementation des pratiques en vigueur dans lindustrie pour le pilotage des
risques, afin que lexigence de fonds propres soit plus sensible au risque rel de la banque.
Mais au-del, cest un systme financier global plus solide et stable qui est dans la ligne de
mire du rgulateur, travers la mise en place de mcanismes de surveillance spcifiques et
particulirement exigeants. Il sagit tout simplement de limiter le risque systmique et dviter
les dfaillances individuelles des tablissements financiers. Ds que lexigence de fonds
propres nest plus satisfaite, la banque nest plus autorise prendre des risques. Dans ce cas,
elle doit commencer pas rduire son exposition aux risques existants avant de pouvoir en
prendre de nouveaux. La rglementation prudentielle est donc clairement l pour limiter le
niveau de risque auquel la banque sexpose de par son activit. Encadr de la sorte, la qualit
de la gestion du risque oprationnel devient un vritable avantage comptitif. La banque dont
le risk management est le plus performant est aussi celle dont la charge en capital au titre du
risque oprationnel est la plus faible. Le capital rsiduel peut alors tre rorient vers dautres
types de risque et gnrer dautres sources de revenu.
2.4. Le calcul de la charge en capital rpond des objectifs de gestion
Au sein des banques, le calcul de la charge en capital revt une importance toute
particulire qui dpasse la simple dimension rglementaire. Elle rpond en effet plusieurs
objectifs :

Perception plus fine du risque au sein de la banque ;

Optimisation du couple rentabilit/risque ;

Rduction du risque de modle en matire de pricing ;

Amlioration des procdures organisationnelles.

14

On peut lgitimement se demander en quoi la quantification du risque oprationnel

contribue stimuler une culture oriente risque dans une banque. Pourquoi une approche
qualitative ne serait-elle pas suffisante pour renforcer la perception du risque ? Il existe
plusieurs mthodes qualitatives dvaluation pour chiffrer le montant des pertes a fortiori si
elles sont lies loccurrence dvnements de risque oprationnel. La dmarche consiste
segmenter ces pertes en diffrentes classes (par exemple, importantes , intermdiaires ,
faibles ). Ce type dchelle qualitative est frquemment mobilis en interne dans le cadre
de procdures dautovaluation du risque oprationnel. Il y a quelques annes, la banque
Dresdner stait engage dans un processus qualitatif similaire quoique beaucoup plus
sophistiqu (mise en place de cartographies, notamment). Aprs quelques temps, le Board de
la Dresdner voulu amliorer la procdure dautovaluation en place. Dans ce but, on demanda
aux gestionnaires expriments et experts de la banque destimer la frquence et le montant
(svrit) de la perte en nombre de fois par an et en euros. Il y eu presque autant destimations
que dexperts chargs destimer, ce qui compliqua notablement la mise en uvre de
programmes dattnuation du risque (risk mitigation). Difficile dans ces conditions de relier
une perte potentielle, exprime en units montaires bien relles, et un critre aussi vague que
risque important par exemple.
Le second objectif est doptimiser le couple rentabilit/risque de la banque. Si lon
souhaite reprsenter la relation entre ces deux grandeurs sous forme de chiffres, la
quantification du risque est incontournable. Le mtier dune banque nest pas de prendre le
moins de risque possible, mais datteindre une rentabilit maximale pour un risque donn.
Elle doit donc procder un arbitrage entre risque et rentabilit. Il faut garder lesprit que
son but reste la cration de valeur pour les actionnaires (Shareholder Value Added ou SVA).
Le moyen pour y parvenir est de calculer la rentabilit conomique de chaque opration ou de
chaque projet. Cest prcisment ce niveau que le calcul du capital conomique savre
indispensable.
Le troisime objectif concerne les modles de pricing des produits bancaires. Celui-ci na
de sens que si les risques sont correctement pris en compte, ce qui ne veut pas dire pour autant
que tous les cots doivent tre supports directement par le client. Le risque derreurs dans le
dveloppement des outils de valorisation, quil sagisse derreurs dimplmentation ou
derreurs dans lutilisation de mthodes numriques, est particulirement important. Or,
comme le souligne trs justement Roncalli (2004, p.75), lorsque le choix dun modle
mathmatique nest pas vident, cest souvent parce que le produit est difficile valoriser et
donc que le risque commercial est important. La difficult saccrot lorsque la chane
15

dactivits de la banque est scinde en diffrentes lignes de mtier indpendantes, ce qui est
presque toujours le cas. Toute dcision dexternalisation de processus/activits doit alors tre
envisage avec prudence. Si un fournisseur de service de paiement scuris nintgre pas les
cots de risque oprationnel et la charge en capital associe dans ses cots de production, il y
a fort parier que son business model ne sera pas rentable. La recherche de gains de
productivit en gestion des risques signifie trs concrtement dvelopper des indicateurs de
risque synthtiques toujours plus performants.
Le dernier objectif fait rfrence lamlioration des procdures organisationnelles. Si, en
sappuyant sur la quantification, la banque relve des concentrations en capital sur un certain
nombre de processus, tout porte croire que des analyses plus fouilles sont ncessaires. De
mme, des doublons ou des inefficiences peuvent se faire jour, entranant de fait des
immobilisations inutiles de capital. Les facteurs explicatifs doivent alors tre clairement
identifis en vue dengager des actions correctrices. On peut penser par exemple la mise en
uvre de mesures de contrle affines et la couverture dassurance.

3. La conception dun modle de mesure du risque oprationnel

Plusieurs points de dpart sont possibles lorsquil sagit de dvelopper un modle de
mesure du risque oprationnel. Tous ne conduisent pas au mme point darrive. Il est donc
toujours prfrable davoir demble une vision claire du rsultat final, et de rflchir ensuite
aux diffrentes composantes qui vont permettre de latteindre.
3.1. Sassurer de lapport du modle
Les responsables du risque dans les banques ont des exigences bien prcises concernant
lapport dun modle de risque oprationnel. Pour tre vritablement efficace des fins de
gestion, un tel modle doit tre en mesure dapporter une rponse concrte aux questions
suivantes :

Quels sont les risques oprationnels les plus importants ?

Comment dimensionner le portefeuille de la banque par rapport ces facteurs de

risque ?

Quel impact le risque oprationnel le plus important peut-il avoir sur le Profit&Loss ?

Quels sont les pires scnarios pour la banque ?

Que peut-on faire pour limiter les pertes si telle situation de crise se produit ?

Il est bien entendu possible dtendre la liste dautres aspects de la gestion du risque
oprationnel, pour peu quils sarticulent autour de ceux mentionns prcdemment :

16

identification des risques, impact de ces risques sur le P&L et sur la charge en capital,
benchmarking. Cependant, il vaut mieux marquer un temps darrt ce stade, construire le
modle de mesure permettant de rpondre ces questions, le tester, procder aux ncessaires
et invitables ajustements (paramtres, choix de la distribution, hypothses, etc.) afin
dobtenir des estimations plus crdibles, et voir comment le modle de mesure fonctionne en
pratique 6 . Observer en quoi le modle modifie ou fait voluer les pratiques de gestion du
risque oprationnel fournit un test intressant de ces tapes successives. Ce nest quaprs
avoir prouv un modle de mesure que lon peut envisager de la perfectionner. Pour que ce
travail soit vritablement efficace, il faut se fixer une ligne de conduite. Les amliorations
apportes doivent rpondre avant tout une proccupation relle du risk management, et non
pas tre un alibi pour toujours plus de sophistication strile. En dautres termes, lobjectif
ultime doit rester une gestion du risque oprationnel plus performante. On peut trs bien grer
les risques oprationnels sans avoir un trs bon modle qui mesure ces risques, mme sil faut
bien admettre que cela est de moins en moins le cas, surtout pour les banques de premier plan.
Quoi quil en soit, il serait faux de croire que la gestion du risque oprationnel, cest avant
tout des modles mathmatiques rservs aux seuls quants. On reproche souvent aux quants
de rduire la gestion des risques des modles mathmatiques. Or, la gestion des risques, c'est
d'abord une organisation, un systme d'information, des reportings, des rgles de dcision et
un ensemble de procdures et de normes. De nombreux professionnels considrent d'ailleurs
que l'on peut trs bien grer les risques financiers sans avoir un trs bon modle
(mathmatique) pour les mesurer. Sans doute, mais cela est de moins en moins le cas, car la
gestion des risques bancaires et financiers s'est considrablement sophistique ces dernires
annes.
3.2. Les cueils viter lors de limplmentation
Une fois quil est spcifi dans ses grandes lignes, le modle de mesure
indpendamment de sa forme et de son degr de technicit doit imprativement sancrer
dans un systme intgr de gestion du risque oprationnel. Cela permet de se sentir
confortable sur deux points. Au fur et mesure du dveloppement du modle de mesure,
on est assur que les diffrentes hypothses, modifications et amnagements divers sont
envisags en cohrence avec la ligne directrice fixe par le risk management (trs
vraisemblablement, amliorer la gestion du risque oprationnel). Et cest aussi une garantie
6

A ce propos, il nest jamais inutile de rappeler quun modle nest rien dautre quune reprsentation simplifie
de la ralit, autrement dit du risque vritable encouru. Par consquent, il ne faut jamais perdre de vue quun
modle de mesure ne produit quune estimation du risque rel, et rien de plus.

17

que ces ajustements successifs salignent sur les processus de gestion dj en place dans
linstitution.
L encore, Ble II constitue un point de dpart commode. Un systme intgr de gestion
du risque oprationnel se dcompose en cinq tapes :

tape 1 : identification ;

tape 2 : mesure ;

tape 3 : surveillance (monitoring) ;

tape 4 : exigence de fonds propres ;

tape 5 : contrle.

La Figure 4 reprsente ce systme intgr, et met en exergue trois proprits essentielles

de ce dernier : (1) il sapplique toutes lignes de mtier au sein de linstitution, que celles-ci
soient ou non incluses dans la classification propose par Ble II ; et (2) il sapplique tous
les nouveaux produits bancaires et nouvelles initiatives en amont de leur lancement.

La Figure 4 illustre galement la ncessit damliorer en permanence le systme. Ce

principe de gestion du risque oprationnel mrite dailleurs dtre lev au rang de rgle dor.
Sans ce processus damlioration cycle continu, le systme reprsent sur la Figure 4 peut
facilement et rapidement se dliter. Plus exactement, il est facile de tomber dans une spirale

18

incessante de pseudo-perfectionnements dans lespoir totalement vain de dfinir un systme

parfait sans jamais pour autant en retirer quelque chose de vraiment utile sur un plan
pratique. Certes, il est tentant de chercher spcifier de prime abord un modle de mesure
dont on espre quil intgre tous les facteurs de risque susceptibles dinfluer sur le niveau de
risque oprationnel. Le problme est que cela rallonge inutilement le dlai de mise
disposition du modle. En outre, les raffinements mthodologiques peuvent parfois atteindre
un tel degr de sophistication, que le modle de mesure devient de fait difficilement
comprhensible pour le senior management de la banque. Nul doute que lutilit dun tel
modle sen trouve particulirement rduite, et quil y a de fortes chances pour que le projet
ne soit pas soutenu par ces cadres expriments.

Conclusion
La gestion du risque oprationnel est trs rcente dans les banques. Dans cet article, nous
avons principalement abord le problme de la mesure de ce risque. Il faut souhaiter que les
modles de risque oprationnel offrent dans un avenir proche le mme niveau de transparence
et daccessibilit que ceux utiliss en risque de march ou de crdit. Cest un passage oblig si
lon veut intgrer efficacement le risque oprationnel dans un systme global de gestion des
risques. Bien videmment, il est toujours possible damliorer un modle de mesure, quil
sagisse ou non de risque oprationnel. Cependant, il faut rester prudent face la course
larmement mthodologique de ces dernires annes. Il nest pas question de nier que le
niveau de technicit exig dun risk manager sest fortement lev. Simplement, il faut se
rappeler quun bon modle est avant tout un modle utile en pratique. Cest dailleurs le
second conseil que Robert Merton donna lors de la confrence de Genve.

Rfrences
Basel Committee on Banking Supervision, Working Paper on the Regulatory Treatment of
Operational Risk, September 2001.
Basel Committee on Banking Supervision, The New Basel Capital Accord Third
Consultative Paper, April 2003.
Frachot A., Moudoulaud O. et Roncalli T., Loss Distribution in Practice in M. Ong
(eds), The Basel Handbook: A Guide for Financial Practitioners, Risk Books, 2003.
Merton R., On the Pricing of Corporate Debt: The Risk Structure of Interest Rates ,
Journal of Finance, 29, 1974, p. 449-70.
Nelsen R.B., An Introduction to Copulas, Lecture Notes in Statistics, 139, Springer 1999.
Roncalli T., La gestion des risques financiers, Economica, 2004.

19