Pour octroyer un crédit, les prêteurs utilisent traditionnellement le système du credit score. Ils évaluent notamment si un client à des antécédents de défaut de paiement liés à sa carte de crédit. Si ce n’est pas le cas, ils s’appuient sur des données démographiques ou sectorielles, comme l’existence d’une source de revenus réguliers ou encore la stabilité du secteur d’activité de l’emprunteur, sachant que les profils féminins sont associés à un meilleur taux de remboursement que les profils masculins.

Or, cette approche défavorise les personnes non bancarisées et celles qui travaillent dans le secteur informel. « Les prêteurs africains manquent de données pour prendre les bonnes décisions en matière de crédit », résume Michele Tucci, le directeur des produits de la fintech Credolab, soulignant les limites des données démographiques et sociales « qui ne peuvent vous amener qu’à un certain point ».

Dans 70 % des cas, les emprunteurs ne parviennent pas à obtenir les scores nécessaires et, mécaniquement, leurs dossiers sont rejetés. En effet, 57 % des africains ne sont pas bancarisés, ne disposant que de revenus en espèces ou utilisant des cartes de débit plutôt que de crédit.

Pour remédier à cette situation, une solution a émergé au Kenya au milieu des années 2010 : l’évaluation alternative du risque crédit, développée grâce à l’intégration d’outils d’intelligence artificielle (IA) aux services de crédit mobile M-Shwari de Safaricom, proposés via la plateforme M-Pesa.

Orange Bank