Académique Documents
Professionnel Documents
Culture Documents
Asmae LOUTFI INTEGRYTIS
Asmae LOUTFI INTEGRYTIS
Sujet
M. Khalid SOLH(Integrytis)
A ma fille Soraya
A ma petite famille
Je ne pourrai exprimer ma reconnaissance pour tout amour et soutien, et
tous vos sacrifices.
Asmae
Remerciements
Il m’est agréable de m’acquitter d’une dette de reconnaissance auprès de toutes les personnes,
dont l’intervention au cours de ce projet a favorisé son aboutissement.
De prime à bord, je tiens à présenter mes plus sincères remerciements à M. Ilias BENSAID et
M. Dominique COSTARDI, directeurs associés d’INTEGRYTIS et M. Khalid SOLH,
directeur adjoint d’INTEGRYTIS pour leur accueil chaleureux au sein de la société, pour
m’avoir proposé un sujet si passionnant et intéressant et pour m’avoir permis de vivre une
expérience professionnelle tellement enrichissante. Je tiens à présenter également mes
sincères remerciements à Mme Soumia BOUCHOUARI, Consultante fonctionnelle et Mme.
Asmae DOUMAL, Consultante BI, pour leurs prestigieux encadrements, leurs soutiens, leurs
conseils directifs, leurs orientations et leurs explications enrichissantes.
J’adresse également mes remerciements à Mme Houda BENBRAHIM pour avoir encadrée
mon projet de fin d’études, je la remercie vivement pour sa disponibilité et tous ses conseils
avisés concernant les missions évoquées dans ce rapport. Mes plus vifs remerciements sont
aussi adressés au personnel d’INTEGRYTIS, pour l’intérêt qu’ils m’ont apporté durant ces
quatre mois de stage, ainsi que pour leurs aides et soutiens. J’adresse également mes
remerciements à Mme Naima EL HAOUD, la présidente de jury et M. Said ACHCHAB
d’avoir bien voulu accepter d’examiner et évaluer notre travail de stage.
Que tous ceux et celles qui ont contribué de près ou de loin à l’accomplissement de ce travail
trouvent l’expression de mes remerciements les plus chaleureux.
Le secteur bancaire marocain « n'est pas touché par la crise financière internationale actuelle
et demeure entièrement mobilisé pour soutenir le développement économique et social du
Royaume »1. Cependant, il reste toujours sous la menace d’exposition au risque de crédit.
Le présent rapport est la synthèse de notre travail dans le cadre du projet de fin d’études
effectué au sein d’INTEGRYTIS. Ce projet a pour objectif la mise en place des outils de
pilotage et de Reporting associés afin d’avoir un suivi du processus de gestion du risque de
crédit d’une banque marocaine (client d’INTEGRYTIS).
Pour ce faire, nous commençons par la phase de l’étude du système opérationnel existant chez
notre client et l’analyse de ses besoins. Cette phase permet d’établir les indicateurs et axes
d’analyse nécessaires au suivi de l’activité de gestion de risque de crédit afin de proposer la
modélisation dimensionnelle du DataMart Risque de crédit qui répond aux besoins de notre
client. Ensuite, nous concrétisons notre proposition par la phase de mise en œuvre démarrant
avec l’extraction des données nécessaires et leurs chargements par le biais de processus ETL
pour ainsi réaliser des tableaux de bord dédiés au département Risques GROUPE de notre
client.
Mots-clés : INTEGRYTIS, Banque marocaine, Risque de crédit, DataMart, ETL, Oracle Data
Integrator, SSRS.
1
Nous rassure le Groupement Professionnel des Banques du Maroc (GPBM)
The Moroccan banking sector “is not affected by the current international financial crisis and
remains fully mobilized to support the economic and social development of the Kingdom”2.
However, it’s still under the threat of exposure to credit risk.
This report is the synthesis of our capstone project carried out within INTEGRYTIS. This
project aims the development of management and Reporting tools in order to have a follow-
up of the credit risk management process within a moroccan bank (customer of
INTEGRYTIS).
To do this, we start by studying our customer’s existing operational system and analyzing its
needs. This phase establish the indicators and analysis axes necessary for credit risk
management, to offer dimensional modeling of Credit Risk DataMart that meets the needs of
our client. Then we implement our proposal. We start the realization phase with the
extraction of the necessary data and loading them through ETL, and then we construct the
dashboards dedicated to credit risk department of our client.
As to the technological environment of the project, we relied on the functional and technical
possibilities offered by Oracle Data Integrator for the ETL part, and we used Microsoft SSRS
for the restitution part as a Reporting tool.
Keywords: INTEGRYTIS, Moroccan Bank, Credit Risk, DataMart, ETL, Oracle Data
Integrator, SSRS.
2
We reassured the Professional Group of Banks in Morocco (GPBM)
BI Business Intelligence
EAD Exposure-At-Default
KM Knowledge Modules
LGD Loss-Given-Default
NI Notation Interne
PD Probability of Default
SK Surrogate Key
Introduction générale
Le secteur bancaire se distingue particulièrement des autres secteurs économiques, tant par ses
caractéristiques intrinsèques que par son impact sur le développement du Royaume. Il occupe
un rôle central dans le financement de l’économie et apporte une contribution significative à
l’accompagnement des politiques publiques et sectorielles menées par le gouvernement.
Le secteur bancaire marocain s’est doté d’une organisation moderne3. Il est régi par un cadre
législatif et réglementaire, inspiré de meilleures pratiques internationales, notamment la
régulation prudentielle, la supervision bancaire, le dispositif de gestion des risques et la
réglementation Bâle II et III [Annexe A]. Ledit secteur dispose d’une solidité financière
reconnue, permettant de faire face, en période de crise internationale, aux exigences de
sécurité financière de plus en plus croissantes.
Le rôle de Bank Al-Maghreb dans la régularisation du secteur bancaire a été renforcé à travers
la loi 76-03, portant statut de la Banque Centrale, et la loi 34-03 relative aux établissements de
crédit, qui ont consacré l’indépendance de l’Institut d’émission, notamment pour la conduite
de la politique monétaire, et affirmé son autonomie pour la supervision du système bancaire.
Bank Al-Maghreb suit également d’une manière rigoureuse l’activité des établissements de
crédit et publie, depuis 2005, un rapport annuel sur la supervision bancaire, qui traite
notamment de la réglementation bancaire et des relations banques-clients ; ce rapport retrace
aussi l’évolution de l’activité et des résultats du secteur bancaire et informe sur la
concentration bancaire.
Cependant, le secteur bancaire reste toujours sous la menace d’exposition aux risques. En
effet, la banque en tant qu’intermédiaire financier est au cœur du système de financement de
l’économie. Pour accéder au marché de la dette, les différents porteurs de projets (particuliers,
professionnels, entreprises, collectivités et Etats) demandent à leurs banques de les financer.
Ceci augmente le risque induit par le manque de certitude d’honorer les échéances des prêts.
Cette incertitude est due préalablement au risque intrinsèque de chaque client.
3
L’organisation repose sur la loi bancaire de 2006 qui vient compléter et corriger celle du 6 juillet 1993 relative
à l’activité et au contrôle des établissements de crédit.
Il est devenu impératif aux banques, dans ce contexte, de gérer son risque de crédit. C’est
dans ce cadre que s’inscrit notre projet de fin d’études au sein de la société INTEGRYTIS et
qui consiste à la mise en œuvre d’un DataMart Risque de crédit au bénéfice d’un organisme
bancaire (client d’INTEGRYTIS).
Notre champ d’application dans ce projet est tout d’abord la conception du DataMart Risque
de crédit afin de répondre aux exigences réglementaires et de suivre les engagements et les
expositions de la banque. Nous identifions tout d’abord les indicateurs et les axes d’analyse.
Ensuite nous alimentons le DataMart conçu et mis en place à travers des flux ETL avec
l’outil spécifié par le client, et enfin nous éditons des rapports de suivi des expositions et
engagements de la banque afin de gérer au mieux son risque de crédit.
Ce rapport décline les différentes phases de notre projet. Il est ainsi organisé en quatre
chapitres :
Le deuxième chapitre présente une description des systèmes existants chez le client et expose
les besoins de l’organisme bancaire.
Le dernier chapitre est consacré à la mise en œuvre de la solution en se basant sur la phase
d’analyse et de conception. D’abord, nous donnons un aperçu sur les technologies utilisées,
puis nous présentons la partie de la réalisation des processus ETL, et finalement, nous traitons
la partie Reporting, en exposant quelques modèles de rapports réalisés.
Cette approche permet d’améliorer les performances des entreprises en travaillant avec ses
clients sur l’optimisation de leurs indicateurs techniques, fonctionnels et métiers [Figure 1].
1.1.2. Divisions
Notre projet de fin d’études est mis en place en collaboration avec l’équipe de la division
Business Intelligence, qui met en avant une grande expertise fonctionnelle et technique dans
le domaine du risque de crédit et la mise en place des systèmes décisionnels.
b. Division CRM
Les systèmes d’information traditionnels renseignent très peu sur le « Client ». Grâce à sa
méthodologie CRM, INTEGRYTIS accompagne ses clients pour la réorganisation et la
réorientation «Client» dans leur système d’information. En effet, le CRM recouvre l'ensemble
des fonctions de l'entreprise visant à conquérir, connaître, cibler et fidéliser sa clientèle. Le
CRM regroupe la gestion des opérations de marketing, l'automatisation des forces de vente, le
service client, le centre d'appel et la BI. Forte de son expertise dans la valorisation du
potentiel « Client », elle accompagne ses clients sur toutes les phases de leur projet CRM,
grâce à un conseil méthodologique, pratique et orienté résultats.
1.1.3. Références
INTEGRYTIS bénéficie des compétences de consultants capitalisant de nombreuses années
d’expérience dans le domaine du CRM et du BI. Elle a pu par conséquence mener avec succès
de multiples projets pour ses clients, notamment MIF Assurances, Orange Telecom, Banque
de France, Groupe Caisse d’Epargne, Saint-Gobain PSA Peugeot Citroën et Méditel.
Notre client offre toute une gamme de services et produits, réalisé par les personnes de la
banque afin de faire venir les clients et de les rendre fidèles, visant toutes les couches de
population tels que les comptes bancaires, les paiements scripturaux, la bancassurance, les
crédits, les virements et la compensation automatique.
• Organigramme du client :
Direction
Générale
Management des
Management des Analyse et suivi
risques à
Risques Maroc des engagements
l'internationnal
La Direction générale de notre client est composée de quatre branches : Banque des
particuliers et professionnels, Banque de l’entreprise, Finances et Risques GROUPE et
Information Technology & Process GROUPE. Chacune de ces branches dirige des
départements comprenant des services.
Notre projet consiste à la mise en œuvre des outils décisionnels nécessaires afin de contrôler
et piloter les activités du département Risques GROUPE.
Cependant, le secteur reste toujours sous la menace d’exposition aux risques, ce qui nécessite
l’adéquation d’une méthodologie de gestion pour faire face à tout risque qui peut affecter la
chronique des flux à recevoir par un établissement bancaire.
Dans le cadre des activités des organismes bancaires, on distingue classiquement différents
types de risques: risque de crédit, risque de marché, risque opérationnel…
intrinsèque de chaque client et de chaque prêt. La gestion de ce risque de crédit est devenue
ainsi un besoin voire une obligation inéluctable.
Dans le souci de s'aligner aux normes internationales en matière de gestion de risque, les
institutions financières ainsi que les banques marocaines ont adopté des directives de Bâle II
[Annexe A] qui permettent une gestion plus optimale du risque de crédit.
Les réglementations prudentielles telles que Bâle II, imposent aux acteurs de marché des
contraintes strictes dans le pilotage de leurs risques et l’allocation des fonds propres. Ainsi,
l’évaluation du risque de crédit est une problématique centrale des organismes bancaires et
des investisseurs sur le marché de la dette qui doivent analyser le risque individuel de chacun
de leurs clients et le risque global de leur portefeuille de crédit.
Nous nous inscrivons donc dans la logique suivante : Afin de mieux gérer le risque de crédit,
il est nécessaire d’effectuer le suivi des expositions et des engagements de la banque. C’est
dans ce cadre que s’inscrit notre projet de fin d’études qui consiste à concevoir un DataMart
permettant la gestion du risque de crédit.
A travers cette solution, notre client souhaite atteindre les objectifs suivants :
b. Planning du projet
Le diagramme de GANTT suivant présente les différentes phases de projet tout en spécifiant
les tâches et les périodes relatives à chacune.
Le déroulement de notre projet démarre par une formation sur le domaine fonctionnel du
risque de crédit et l’outil ETL que nous utilisons qui prend environ 11% de la durée du projet,
ensuite nous analysons le système existant chez notre client et nous spécifions les besoins de
ce dernier avec 16% de temps du projet, par la suite la phase la plus importante qu’est la
conception du DataMart et des tableaux de bord qui occupe environ 14% du projet et enfin la
phase de développement et des tests avec un pourcentage de 57% de la durée du projet.
c. Livrables du projet
Les livrables représentent les résultats attendus après l’achèvement des différentes parties du
projet. La liste et la description des livrables de chaque phase sont détaillées dans le tableau
ci-dessous.
Etape Livrables
Formation Oracle Data Integrator Document d’installation d’Oracle Data
Integrator
• Schéma du DataMart
• Liste détaillée des règles
d’alimentation
• Maquette des rapports
Conclusion
Le premier chapitre présente l’organisme d’accueil et positionne le projet dans son cadre
général. Notre projet consiste à la réalisation d’un DataMart destiné au département Risques
GROUPE de notre client pour le suivi de son activité de gestion de risque de crédit. Pour la
concrétisation de notre projet, un planning est élaboré afin de fixer les différentes phases de ce
dernier, tout en précisant les différents livrables de chaque phase.
Dans le chapitre suivant, nous allons exposer l’étude de l’existant et l’analyse des différents
besoins fonctionnels et techniques que l’organisme bancaire souhaite implémenter.
Analyse et spécification
2. Analyse et Spécification
Dans ce chapitre nous analysons les différents systèmes existants chez notre client pour la
gestion de risque de crédit afin de déterminer les besoins et les objectifs à réaliser.
Le principe général de la réglementation bancaire est de requérir des réserves de la part des
banques afin de couvrir les pertes éventuelles non anticipées.
C’est dans ce sens que les accords de Bâle II ont été signés en 2004 par les gouverneurs des
banques centrales du comité de Bâle. Ils proposent un certain nombre de normes prudentielles
pour limiter les risques bancaires comme le risque de crédit ou de contrepartie, en jouant sur
les exigences de capitaux propres. En particulier, ils proposent la mise en place du ratio
McDonough, qui limite le montant des prêts accordés en fonction du niveau des capitaux
propres et du risque des prêts.
Le comité de Bâle n'a aucun pouvoir législatif ou réglementaire. Pour son application, Bâle II
nécessite une transposition législative et réglementaire dans chaque pays. Ses nouvelles
directives relatives aux fonds propres à l'échelle internationale ont valeur de
recommandations. Il appartient donc aux différentes banques centrales des les adapter à leur
système.
Au Maroc, Bank Al Maghreb a arrêté en tant que banque centrale les dispositions requises
pour l'application des directives Bâloises au niveau des banques marocaines. En effet, elle a
organisé des ateliers de travail pour fixer les discrétions nationales. Ainsi, plusieurs circulaires
ont été diffusées, notamment celles relatives à la gestion des risques (risque opérationnel,
risque de marché et risque de crédit).
Dans le cadre des exigences bâloises en matière de gestion des risques, les banques
marocaines ont vu naitre de nouveaux besoins relatifs à la mise en place du système de
gestion du risque de crédit selon l'approche standard fixée par Bank Al Maghreb comme
phase préliminaire, pour passer par la suite à l’approche avancée.
• Approche standard
L’approche standard par défaut servant à calculer les actifs pondérés en fonction des risques.
En vertu de cette approche, nous nous servons des évaluations faites par des organismes de
notation admissibles pour déterminer les coefficients de pondération des risques liés aux
éléments suivants : créances d’emprunteurs souverains et de banques centrales, d’entités du
secteur public n’appartenant pas à une administration centrale, des banques multilatérales de
développement, de banques et entreprises d’investissement.
• Approche avancée
L’approche avancée est fondée sur les notations internes (NI) (Internal Ratings Based
Foundation, IRB) est la deuxième façon d’évaluer le risque de crédit et accorde à celui-ci une
importance nettement plus grande que l’approche standard dans le calcul de la dotation en
fonds propres. Les pondérations des risques s’appuient sur les évaluations ou notation interne
des banques.
En effet avec l’approche avancée, la pondération des risques est fonction des variables et de
classes d’exposition (grandes entreprises, petites et moyennes entreprises, emprunteurs
souverains). Les variables sont les suivantes : Probabilité de défaut (PD, Probability of
Default), Perte en cas de défaut (LGD, Loss-Given-Defaut), Exposition en cas de défaut
(EAD, Exposure-At-Default).
Un stress test est également utilisé pour évaluer la solidité des institutions face au changement
des facteurs de stress comme les taux d’intérêt, le taux de chômage, conditions de prêt. Les
banques appliquent souvent ces tests sur elles-mêmes.
Un stress test est donc une procédure visant à créer des simulations de crise, à travers des
scénarii de stress qui peuvent être de nature variée :
• Application Fermat
Fermat est une solution de gestion de risques de crédit, une référence quant à sa performance,
fiabilité et cohérence sur le marché mondial. Avec l’arrivé des normes dites de Bâle II, Fermat
devient l’un des rares spécialistes. Cette application évalue l’exposition au risque de crédit et
au suivi des limites de ce dernier et permet aussi la gestion des actifs et passifs à travers la
gestion des risques et du pilotage stratégique dans le domaine financier.
Fermat offre une application permettant le calcul des exigences en termes de fonds propres
(calcul des expositions brutes, des pondérations…), en utilisant 42 fichiers comme Input
[Figure 6] concernant les engagements, les provisions, les garanties, les clients…, y compris
ceux concernant la partie filiale.
La fréquence des calculs de Fermat est mensuelle, parce que les données relatives à la gestion
de crédit s’évaluent mensuellement.
• SAS DDS
L’application FERMAT utilise une approche standard, l’objectif de notre client est de se doter
des moyens nécessaires pour aller vers l’approche avancée en intégrant les données FERMAT
(Input et Output) dans l’entrepôt risque de crédit.
Pour atteindre cet objectif, le client a fait un choix de se référer à l’expertise SAS moyennant
le référentiel central SAS®Detail Data Store for Banking appelé fréquemment DDS for
Banking. Il englobe le détail des données issues des différents systèmes opérationnels. C’est
un produit SAS qui garantit l’uniformité, l’exactitude et la cohérence des données qui sont des
informations fondamentales autour desquels la banque structure son activité.
• Pour le besoin de gestion de risque de crédit, le client n’alimente que le tiers des
champs du modèle de données du référentiel, en plus il a besoin d’ajouter des modules
supplémentaires pour les informations non couvertes par le modèle nécessaire à la
gestion du risque, afin de couvrir l’écart entre ce modèle DDS et les données dont le
clients a besoin pour gérer son risque de crédit.
De ce fait, notre client suggère d’abandonner l’entrepôt de données SAS®Detail Data Store
for Banking et de mettre en place un DataMart risque de crédit qui répond au mieux aux
spécificités de son besoin. A cet égard, nous alimentons notre DataMart de différentes sources
de données opérationnelles de notre client, puisque le référentiel SAS DDS n’est plus en
place.
Notre client décide de se tendre vers le choix de la méthode avancée afin d’être plus près de la
réalité. Cette approche permet à chaque banque de réaliser ses propres évaluations du risque
de crédit. Pour ce faire, la banque a besoin d’un entrepôt de données qui permet de gérer et
historiser de milliers d’enregistrements sur chacun des crédits accordés de manière centralisée
au moyen d’un système automatisé.
données très précises et d’une grande qualité lors du processus de calcul de risque de crédit
par cette application. Et donc, la mise en place d’un entrepôt de données fournissant les
informations de qualité nécessaires pour Fermat, est un des principaux besoins de notre client.
Le suivi des engagements et des expositions de la banque permet de gérer au mieux les crédits
octroyés. Notre client souhaite à travers le DataMart Risque de crédit, de restituer des
tableaux de bord de suivi de ces engagements et de ces expositions utilisables au niveau des
différents services du département Risques GROUPE.
Les besoins de notre client pour le DataMart Risque de crédit sont définis comme suit :
Une bonne gestion de risque de crédit nécessite un référentiel unique qui retrace toutes les
opérations effectuées après l’obtention d’un contrat de crédit et l’évolution du portefeuille
d’engagements et d’expositions. Ce référentiel est un DataMart défini par des tables de faits
qui contiennent des indicateurs et des tables de dimension qui permettent le calcul des
mesures. Ci-après une liste non exhaustive de ces indicateurs :
• Indicateurs
• Axes d’analyse
Le tableau suivant représente les axes d’analyse retenu pour les indicateurs ci-dessus :
• Matrice de croisement
En croisant les mesures avec les différents axes d’analyses, nous obtenons la matrice
présentée dans la figure ci-dessous. Cette matrice nous permet de regrouper les mesures en
tables de faits entourées par les axes d’analyse pour concevoir le DataMart Risque de crédit.
Contrat Crédit
Axes analyse
Facilite crédit
fonds propres
résidentielle
engagement
exposition
exposition
Indicateurs
Catégorie
Provision
Garantie
Maturité
Nature
Classe
Statut
Tiers
Type
Date
Pays
Montant impayé X X X X X X X X
Montant intérêt X X X X X X X X
impayé
Montant solde X X X X X X X X
Evolution nombre X
engagement
Evolution total X
engagement
Montant garantie X X X
Montant sûretés X X X
financières
Risques pondères X X X
Montant X X X
exposition
Montant fonds X
propres
Tableau 4: Matrice de croisement DataMart Risque de crédit
Une fois les spécifications fonctionnelles sont déterminées, nous passons aux spécifications
techniques de l’architecture de notre projet, qui respecte les phases habituelles de la chaîne
décisionnelle allant de l’extraction jusqu’à la restitution des données.
Le choix des solutions logicielles pour chaque étape de la chaîne décisionnelle peut
s’effectuer une fois l’analyse du besoin achevé. Dans ce qui suit nous présentons les outils
choisis avec leurs justifications
Nous adoptons la base d’Oracle et l’ETL Oracle Data Integrator comme choix technique
justifié en premier lieu par la détention de licences Oracle par le client ainsi que les
administrateurs d’Oracle Database et d’Oracle Data Integrator assurant l’installation et le bon
fonctionnement de la base de données Oracle et de l’ETL Oracle Data Integrator, et en
deuxième lieu la simplicité des deux phases dans le cycle de vie de notre projet de mise en
œuvre du DataMart Risque de crédit :
- Phase d’intégration :
Puisque la plupart des applications et bases de données de notre client sont mises en œuvre
sous Oracle, nous avons donc l’expertise nécessaire pour le déploiement de notre DataMart au
sein du système d’information de notre client.
- Phase d’exploitation :
Pour l’outil de restitution de données nous sommes en face d’un choix entre deux outils de
Reporting OBIEE d’Oracle et SSRS de Microsoft. En effet, l’installation de l’OBIEE est peu
pratique par rapport à SSRS. En plus, l’outil de Reporting de Microsoft SSRS offre plus de
De ce fait, il nous paraît évident de choisir SSRS puisque les deux outils offrent les mêmes
fonctionnalités d’élaboration de rapports, sauf qu’OBIEE nécessite un effort supplémentaire
des administrateurs de base de données lors de la maintenance de l’outil et par conséquent un
coût supplémentaire.
Conclusion
Ce chapitre présente la phase d’analyse et de spécification avec l’objectif d’éclaircir le besoin
de notre client. La description des méthodes de gestion du risque de crédit de notre client et
les solutions existantes de ce dernier, nous a permis de proposer l’architecture de la solution
répondant au besoin de notre client à mettre en place. Pour le suivi de l’activité de gestion de
risque de crédit, nous avons présenté les indicateurs et les axes d’analyse associés. Enfin, afin
de mettre en place notre solution, nous avons effectué un choix technique tout en tenant
compte des technologies existantes chez notre client.
Dans ce qui suit, nous présenterons la partie conception et modélisation de la solution objet de
notre projet.
Conception
3. Conception
Les entrepôts de données sont définis par Bill Inmon dans son ouvrage « Using the Data
Warehouse-1994- » comme étant une collection de données orientées sujet, intégrées, non
volatiles, historisées et organisées pour le support d’un processus d’aide à la décision.
Cependant dans la pratique il existe également ce qu'on appelle des DataMarts ou magasins de
données, c'est-à-dire des sous-ensembles d'un entrepôt de données, contenant des informations
se rapportant à un secteur d'activité particulier. Ils sont définis comme étant un extrait de
l'entrepôt des données où les données extraites sont adaptées à une classe de décideurs ou à un
usage particulier.
Les DataMarts peuvent être perçus comme des petits entrepôts constitués d'un ensemble de
données correspondant à un sujet précis, rendant très rapide les temps de réponse aux
requêtes.
Comme notre projet est structuré autour du domaine d’analyse des risques de crédit, nous
allons concevoir un DataMart spécifique à ce domaine.
• Tables de faits: La table de faits contient les indicateurs relatifs au domaine. Elle se
trouve au centre de notre modèle de données et est liée aux dimensions par des
relations de référence.
• Tables de dimensions : Les tables de dimensions sont les tables qui entourent les
tables de faits. Ce sont plus particulièrement les axes d’analyse des indicateurs.
Contrairement aux tables de faits qui contiennent l’information mesurable à observer,
les tables de dimensions sont composées d’attributs qui servent de descriptifs aux faits.
Dans ce qui suit, nous présentons l’ensemble des tables du DataMart Risque de crédit:
La table de dimension Tiers contient les informations des clients de la banque, notamment les
individus, les entreprises, les garants des prêteurs et le personnel de la banque. Cette table
contient les attributs d’un tiers et nous différencions les différents types de ce dernier par des
flags : flag individu, flag entreprise, flag personnel, flag garant.
La table de dimension Pays est aussi liée à la table Tiers, et contient les pays des différents
Tiers avec une notation donnée par la banque à ce pays.
La table de dimension Contrat crédit contient les différents contrats établis pour l’obtention
des crédits. Elle inclut les informations suivantes :
La table de dimension Garantie est liée à Contrat crédit, et qui représente les garanties
déposées pour l’obtention d’un crédit. La garantie peut être de plusieurs types : hypothèque,
titre, collatéral financier. Ces types de crédit se distinguent avec l’attribut id_typeGarantie.
La table de dimension Classe risque regroupe les classes de risque interne à la banque se
trouvant dans la colonne ‘Catégorie’ de la figure suivante :
La table de dimension Statut regroupe les statuts d’un prêt considéré par la banque qui peut
être : sain, impayé, pré-douteux, douteux ou compromis.
La table de dimension Facilité crédit est liée au contrat de crédit et contenant la facilité
associée à ce crédit.
La table de dimension Classe exposition représente les créances sur les différentes catégories
de clientèles, à savoir la clientèle de détail, les établissements de crédit, les emprunteurs
souverains, les grandes entreprises, les institutions, les petites et moyennes entreprises (PME)
ou les très petites entreprises (TPE).
La table de dimension Catégorie fonds propres contient les différentes catégories de fonds
propres : fonds propres de base, complémentaires admissibles, sur-complémentaires
admissibles.
La table de dimension Date est une table qui se présente pratiquement dans tous les entrepôts
de données, vu qu’elle permet l’historisation des indicateurs durant le temps.
La table de dimension Nature engagement regroupe les différents engagements que peut avoir
un tiers avec la banque tels que : Engagements sains par caisse (Crédits de campagne,
Comptes ordinaires débiteurs…), Engagements sains par signature, Engagements en
souffrance par caisse, Engagements en souffrance par signature.
La table de faits Fact Opération Crédit contient les indicateurs calculés après que le client
effectue un certain nombre d’opérations que ça soit des retraits de carte de crédit ou des
remboursements. Ces indicateurs sont : le montant impayé, le montant des intérêts impayés, le
montant solde (solde de carte de crédit, ou l’encours du prêt).
La table de faits Fact Engagements contient les indicateurs pour suivre la structure et
l’évolution mensuelle du portefeuille d’engagements. Elle permet aussi la visualisation de la
concentration des engagements par client, par catégorie de clientèle, par groupe d’affaires, par
secteur d’activité ou par filiales, et enfin la mesure de la ventilation des engagements par
classe de risque de crédit. Ces indicateurs sont : le nombre d’engagements et ses montants
ainsi que leur évolution, le poids des montants et l’évolution du poids.
La table de faits Fact Impayés et Créances Douteuses contient les indicateurs pour suivre la
situation des impayés et créances litigieuses et douteuses, ainsi que le taux de sinistralité.
Cette table contient les mesures suivantes : le total des montants, le poids des montants,
l’évolution du nombre, l’évolution du total et l’évolution du poids.
La table de faits Fact exposition portefeuille regroupe les indicateurs qui permettent de suivre
l’ensemble des créances accordées, que ce soit sous forme de prêts, d’acquisitions ou bien
encore de détention d’obligations.
La table de faits Fact Exigence fonds propres permet de contenir un historique de fonds
propre résultant des calculs de Fermat et des stress tests effectués à des dates différentes.
Pour notre projet, le modèle en flocon et le modèle en constellation s’avère les plus adaptés.
En effet, notre modèle est constituer de plusieurs table de faits, et pour chaque table de faits,
nous nous intéressons à la limitation de l’espace de stockage qu’à l’augmentation des
performances d’accès, vu que les données sont très volumineuses et que l’outil choisi permet
de traiter le côté de performance.
Dans ce qui suit nous présentons les différents modèles adoptés pour nos tables de faits.
La table de faits Opération crédit contient les informations détaillées à propos des
engagements effectués par les clients de la banque. En effet, elle permet d’avoir une
connaissance pointue sur la clientèle à travers la dimension Tiers qui est normalisée avec les
tables de pays, notation externe (donnée par les agences de notation tel que Standard and
Poor’s), provision, bilans des entreprises. Nous pouvons également avoir une idée sur les
atténuateurs de risque que dispose la banque à travers la dimension contrat de crédit qui
expose les garanties déposées pour obtenir ce crédit. Enfin ce modèle va permettre
d’alimenter l’application Fermat du client.
Ce modèle nous permet de suivre l’évolution des engagements de la banque selon plusieurs
dimensions : Tiers, Pays, Catégorie de clientèle, Facilité de crédit, Classe de risque, Nature
d’engagements et enfin la dimension Date mensuelle.
Ce modèle nous permet de suivre l’évolution des montants impayés des clients ainsi que les
créances douteuses de la banque selon plusieurs dimensions : Tiers, Catégorie de clientèle,
Durée d’impayé, Nature d’engagements et enfin la dimension Date mensuelle.
Ce modèle permet d’avoir les expositions de la banque calculées par l’application Fermat de
notre client.
Ce modèle permet de disposer des différents fonds propres exigés pour faire face au risque de
crédit. Ils sont calculés par l’application Fermat de la banque.
Le rapport est composé d’un ensemble d’indicateurs conçus pour permettre aux gestionnaires
de prendre connaissance de l’état et de l’évolution des systèmes qu’ils pilotent et d’identifier
les tendances qui les influenceront sur un horizon cohérent avec la nature de leurs fonctions.
C’est un outil de pilotage qui souligne l’état d’avancement dans lequel se trouve le processus
afin de permettre aux responsables de mettre en place des actions correctives.
Les tableaux suivants présentent les détails de la conception de quelques rapports relatifs au
processus de gestion de risque de crédit:
Evolution Montant
engagement
Tableau 5: Conception « rapport Evolution mensuel du portefeuille d'engagement »
Les tableaux ci-dessus présentent quelques tableaux de bord utilisés par le département
Risques GROUPE pour suivre au mieux le risque de crédit. En effet, avec ces rapports nous
visualisons les engagements de la banque et ses évolutions, nous pouvons également ventiler
les engagements par classe de risque (les engagements les moins risqués aux engagements les
plus risqués), et enfin de situer les impayés par catégorie de clientèle et par durée d’impayé.
Conclusion
Ce chapitre décrit la phase de conception. Nous nous sommes focalisés sur la modélisation de
notre DataMart Risque de crédit. Ce dernier est composé de tables de faits contenant les
indicateurs et les dimensions associées pour la gestion du risque de crédit. Nous avons
également conçu les tableaux de bord nécessaires pour le département Risques GROUPE de
notre client afin de suivre son activité de gestion de risque de crédit.
Cette phase est primordiale dans la mesure où elle nous a permis de délimiter le projet et de
mettre en œuvre le fruit de nos études et analyses durant la période de stage. Ce chapitre sera
la base de la mise en œuvre de la solution par la suite.
Réalisation
4. Réalisation
Ce chapitre est dédié à la partie mise en œuvre, tout d’abord nous présentons l’environnement
de travail en mettant en avance l’architecture applicative de notre projet, pour passer par la
suite à exposer les différents flux ETL élaborés pour l’alimentation du DataMart Risque de
crédit, et enfin afficher les tableaux de bord élaborés.
Le développement de la solution DataMart Risque de crédit fait appel à des outils et des
environnements de travail, qui figurent ci-dessous:
Comme spécifié dans le chapitre 2, notre client possède l’application Fermat que notre
DataMart va pouvoir l’alimenter ainsi que les sources de données sous différentes formes (des
bases de données sous Oracle, des fichiers .txt et des fichiers .csv). Pour notre solution, nous
décidons d’implémenter notre DataMart sous Oracle Database, en l’alimentant avec des flux
ETL sous Oracle Data Integrator et restituer les tableaux de bord à l’aide de l’outil de
Reporting SSRS.
Oracle Database, qui depuis l'introduction du support du modèle objet dans sa version 8 peut
être aussi qualifié de système de gestion de base de données relationnelle-objet (SGBDRO).
Fourni par Oracle Corporation, il a été développé par Larry Ellison, accompagné d'autres
personnes telles que Bob Miner et Ed Oates [2].
• ETL :
ETL (Extract, Transform and Load), comme son nom l’indique, il permet la consolidation des
données à l’aide des trois opérations suivantes:
Nous choisissons ODI pour la phase d’ETL, comme précisé lors des spécifications
techniques.
ODI possède une architecture E-LT (Extract, Load, Transform : extraction, chargement,
transformation) qui s'appuie sur divers moteurs de SGBDR (systèmes de gestion de bases de
données relationnelles) pour traiter et transformer les données. Cette approche optimise la
performance et l'évolutivité tout en réduisant les coûts de la solution. Plutôt que de s'appuyer
sur un serveur de transformation ETL séparé et conventionnel, l'architecture d'E-LT d'Oracle
Data Integrator génère du code natif pour divers moteurs de SGBDR (SQL et scripts de
chargement par lots par exemple). L'architecture d'E-LT extrait les données des sources, les
charge dans une cible et les transforme en utilisant la puissance de la base de données.
La figure qui suit montre la différence entre l’approche traditionnelle d’ETL et la nouvelle
approche d’ODI.
SSRS est une plateforme serveur qui permet de mettre les données à disposition des
utilisateurs. Il fournit des fonctionnalités complètes de création de rapports pour différentes
sources de données. Reporting Services inclut un jeu complet d'outils à utiliser pour créer,
gérer et remettre des rapports, et des interfaces de programmation d'application (API) qui
permettent aux développeurs d'intégrer ou d'étendre le traitement des rapports et des données
dans les applications personnalisées. Les outils Reporting Services fonctionnent au sein de
l'environnement Microsoft Visual Studio et sont totalement intégrés aux outils et composants
de SQL Server.
Avec Reporting Services, on peut créer des rapports de type interactif, tabulaire, graphique ou
libre à partir de sources de données XML, relationnelles et multidimensionnelles. On peut
aussi publier des rapports, planifier le traitement de rapports ou accéder à des rapports à la
demande.
La réalisation de notre DataMart fait appel à la phase d’ETL, cette dernière nous permet
d’alimenter notre DataMart et de générer les fichiers Input de Fermat.
Selon l’architecture d’ODI [Annexe B], le développement des flux ETL suit les étapes
suivantes :
Pour connecter l’ODI avec les sources de données et les destinations de données, la création
de l’architecture physique et logique est nécessaire pour chacune des bases de données que ce
soit les bases de données du client, la base de données du DataMart et les fichiers Input de
Fermat. La figure suivante montre l’architecture physique et logique créée pour la base de
données Oracle.
La structure de données de chaque table des sources et du DataMart ainsi que des fichiers
plats de l’application Fermat, se fait au niveau de la zone ‘Modèles’ du projet crée sous ODI.
Par exemple, pour le fichier Input Fermat BBK_ACCOUNT, nous saisissons manuellement
les colonnes de ce fichier comme le montre la figure suivante. Par contre, pour les bases de
données Oracle, nous pouvons effectuer un ‘Reverse-engineering’ et obtenir les structures de
données des tables sous Oracle.
Figure 36: Création de la structure de données d'un fichier plat sous ODI
Les modules de connaissance sont des composants prédéfinis relatifs à certaines technologies
contenant des informations ODI qui servent pour un processus de génération dédié à cette
technologie, pour un traitement précis. ODI offre cinq types de modules de connaissances
[Annexe B], nous exposons dans ce qui suit les modules de connaissances que nous utilisons
pour l’alimentation du DataMart et la génération des fichiers Input de Fermat.
Les dimensions du DataMart Risque de crédit sont structurées de la façon suivante : clé de
substitution SK (Surrogate Key), clé de production et les informations décrivant la dimension.
Les champs des dimensions s’alimentent de la source de données sauf les clés de substitution,
qu’eux ont besoin d’un générateur d’entiers qu’est la séquence. ODI permet de créer des
séquences dans notre projet. La figure suivante présente les séquences créées pour chaque
dimension du DataMart.
Une interface est un élément graphique contenant un ou plusieurs sources de données et une
seule cible de données, elle permet de faire le Mapping entre la source et la cible, ainsi de
définir les transformations et les règles de gestion à appliquer.
La table de correspondance garantie est une table permettant d’effectuer le lien entre
l’identifiant de la nature de garantie et la nature de garantie. Cette interface permet tout
simplement d’extraire les données d’un fichier Excel et les mettre dans une table Oracle.
Afin d’alimenter la dimension Tiers, une jointure est nécessaire entre deux tables de notre
client contenant les informations de ses clients. Pour alimenter la clé étrangère de Tiers qui
fait référence à une notation externe, un Lookup sur la table notation externe (table en vert de
la figure) est nécessaire. La figure suivante est le Mapping entre les sources de données et la
cible qu’est la table de dimension Tiers.
Pour remplir les champs vides sur le Mapping, nous utilisons un déclencheur lors de
l’insertion dans la table dimension Tiers. Ce déclencheur permet d’indiquer le type du Tiers
(individu, entreprise, personnel, client de la banque ou garant) à travers le positionnement
d’un ‘1’ ou ‘0’ sur les champs ‘flag’.
Le gage est le contrat de dépôt de garantie pour l’obtention d’un crédit. La table dimension
gage contient une clé étrangère vers le garant qui se trouve dans la table Tiers, les
informations du gage sont dans la table de la banque Centrale de Garantie et une clé étrangère
vers la garantie déposée dans la table garantie.
L’alimentation de la table de faits opération crédit se fait en joignant deux tables de la base de
données du client : CRI (Compte rendu d’inventaires) et CDL (Créances douteuses et
litigieuses), afin de calculer les mesures contenues dans la table de faits. Les clés étrangères
de la table de faits sont les clés des tables de dimensions liées à cette table de faits en utilisant
des jointures entre ces tables, comme le montre les deux figures suivantes du flux et du
Mapping de l’interface d’alimentation de la table de faits Opération crédit.
COLLATERAL est un type de garantie, il comprend les liquidités et assimilés, droits sur
établissements de crédit et créances d’exploitation. Afin de remplir le fichier avec les
informations sur les collatéraux du DataMart, nous utilisons deux tables de dimension la
garantie et le gage, et nous y effectuons un filtre sur le type de garantie qui doit être un
collatéral. Nous utilisons également la table de correspondance pour remplir les champs flag
de la cible, et nous utilisons également la table de faits pour récupérer l’identifiant du tiers, la
personne qui a déposé la garantie. La figure suivante illustre le Mapping entre les sources de
données (la table de dimension garantie, la table de dimension gage, la table de faits opération
crédit, la table de correspondance de la Centrale de Garantie de la banque) et la cible qu’est le
fichier Input Fermat COLLATERAL.
Le package est la plus grande unité d'exécution dans Oracle Data Integrator. Un package est
constitué d'une séquence d'étapes organisée en un diagramme d'exécution. Chaque étape peut
soit réussir ou échouer son exécution. En fonction du résultat d'exécution d’une étape (succès
ou échec), cette dernière peut se brancher sur une autre étape.
Nous présentons deux packages réalisés lors de notre projet dans ce rapport. Le premier pour
l’alimentation de la table de faits Opération crédit et les tables de dimensions associées, et le
second pour la génération des fichiers Input de Fermat.
Le package d’alimentation de la table de faits Opération crédit est constitué d’une suite
d’étapes [figure 45] :
Le second package de génération des fichiers Input de l’application Fermat, la génération des
fichiers se fait séquentiellement comme le montre la figure suivante, et en cas d’échec un mail
de notification s’envoie.
La dernière phase concerne la restitution des résultats à travers l’outil spécifié SSRS. Le
besoin de notre client est de générer des tableaux de bord et de les envoyer aux responsables
du risque de crédit. Pour ce faire, nous modélisons les tableaux de bord sous SSRS et nous
exportons le résultat généré en un PDF afin de l’émettre à son utilisateur.
Dans ce qui suit nous illustrons quelque tableaux de bord rassurant le suivi de la gestion du
risque de crédit. Ces tableaux de bord permettent de visualiser l’intérêt du travail en termes
d’ETL puisque les données sont issues de notre DataMart Risque de crédit.
Ce tableau de bord indique une évolution importante des engagements en souffrance par
caisse et les engagements en souffrance par signature ainsi que les provisions disposées pour
couvrir l’insolvabilité des clients. C’est un résultat inquiétant du fait que les engagements en
souffrance augmentent, et un résultat logique du fait que la banque a mis à sa disposition les
provisions nécessaires pour faire face à l’insolvabilité de ces clients. Pour les engagements
sains, une stabilité est remarquée pour les engagements sains par caisse, et une augmentation
importante sur les engagements sains par signature qu’est un indicateur de bonne situation
puisque les revenus de la banque sont en hausse.
Le classement des engagements par classe de risque est un élément de grande importance
dans la gestion de risque de crédit. En effet, les bénéfices les plus élevé de la banque sont
ceux des crédits les plus risqués puisque le taux d’intérêt est le plus élevé sauf que ce risque a
aussi un coût dans le cas d’insolvabilité des clients. Un compromis entre ces deux derniers
points doit être effectué, d’où l’intérêt de ce tableau de bord qui réparti les engagements du
moins risqué au plus risqué de ce mois et le mois d’avant tout en mettant en exergue
l’évolution de ces engagements.
Cet exemple de ce tableau de bord met en avant les encours les plus élevés dans la classe la
moins risquée avec un poids de 16.16%, ensuite les encours en deuxième niveau sont dans la
classe la plus élevé avec un poids de 14.80%. Ces deux chiffres permettent de conclure une
balance entre les encours les plus risqués (et donc les plus rémunérateurs) et les encours les
moins risqués (et donc les moins rémunérateurs). Vu que les engagements, sont en hausse par
rapport au mois précédent, une augmentation sur les encours est aussi constatée.
Les impayés est un élément qui entre enjeu dans le risque de crédit. Puisque ce dernier vient
du constat que les clients ne paient plus leurs échéances. Ce tableau de bord joue alors un rôle
important, du fait qu’il permet de visualiser les impayés par ancienneté (ou nombre
d’échéances non payées) et catégorie de clientèle. Avec ce tableau de bord, une alerte peut
être déclenchée dans le cas où les impayés dont la durée est supérieure à six mois est élevé,
car dans ce cas nous serons face à un risque de crédit élevé.
Figure 49: Tableau de bord de la situation des impayés par ancienneté et par catégorie
de clientèle
Ce tableau de bord généré montre la concentration des impayés qui se positionne au niveau de
la catégorie de clientèle « Autre Retail », et que les impayés sont peu dans la durée de 1 à 2
mois avec une augmentation très faible lors des autres durées d’impayé. Avec ce dernier
constat, le département Risques GROUPE décidera à ce que les impayés doivent être traités
dès leurs premières échéances avec leurs clients au lieu d’attendre une durée plus grande.
Conclusion
Ce chapitre met en avant la phase de développement. Nous avons exposé l’architecture
applicative de la solution proposée lors des spécifications techniques. La réalisation de notre
projet s’effectue selon différentes phases. L’alimentation du DataMart Risque de crédit qu’est
réalisée avec l’E-LT d’Oracle (Oracle Data Integrator) permet de générer les fichiers d’entrée
de l’application Fermat avec le même outil ODI, et d’élaborer les tableaux de bord pour le
suivi de l’activité de gestion de risque de crédit.
Nous clôturons ce rapport par une conclusion générale, relatant les différents aspects de ce
stage de fin d’études, les apports professionnels, techniques et humains, et enfin les
perspectives du projet.
Conclusion générale
L’objectif de notre projet de fin d’études fût la mise en œuvre d’un DataMart pour le compte
d’une banque marocaine, un client d’INTEGRYTIS, afin de suivre les engagements et les
expositions de ladite banque pour une bonne gestion du risque de crédit. Ce DataMart a pour
objectifs de fournir les informations d’entrée de l’application Fermat, ainsi l’historisation des
calculs produits par Fermat et enfin de centraliser et de structurer les données de la gestion du
risque de crédit en vue de restituer des tableaux de bord pour le département Risques
GROUPE de notre client.
Pour ce faire, nous avons suivi le cycle classique de projet décisionnel. Nous avons étudié et
analysé les besoins du département Risques GROUPE en termes d’indicateurs de suivi du
risque de crédit selon des axes d’analyse, afin de suivre l’activité de gestion de risque de
crédit. Ces indicateurs permettent de concevoir un DataMart Risque de crédit et des tableaux
de bord répondant aux besoins de notre client. En effet, la mise en œuvre du DataMart
nécessite la réalisation d’un processus ETL moyennant l’outil Oracle Data Integrator. Enfin,
le résultat visible de notre projet est l’élaboration des états de restitution, à l’aide de l’outil de
Reporting de Microsoft SSRS, pour le suivi de l’activité de gestion de risque de crédit.
Par ailleurs, durant ce projet, nous avons procédé à une bonne maîtrise fonctionnelle de
l’environnement de travail du client notamment lors des spécifications des besoins à travers
les consultants fonctionnels d’INTEGRYTIS. En outre, ce stage nous a permis également de
renforcer nos acquis en termes de formation à l’ENSIAS notamment ceux concernant la BI.
C’est aussi une occasion de maîtriser l’outil Oracle Data Integrator et Microsoft SSRS.
4
La démarche pensée par Ralph Kimball consiste à la mise en place des DataMarts spécifiques à chaque
métiers et les intégrer par la suite.
Bibliographie
[H. Rachida] Hennani Rachida, De Bâle I à Bâle II : les principales avancées des accords
prudentiel pour un système financier plus résilient, Janvier 2005, 102p.
[V. Brunel] Vivien Brunel, Gestion des risques et risque de crédit, 28 janvier 2009, 58p.
[C. Gouriéreux et A. Tiomo] Christian Gouriéreux et André Tiomo, Risque de crédit : Une
approche avancée, 2007, 384p
[Oracle] Oracle Data Integrator: Administration and Development, Student guide, June 2007.
[Oracle] Oracle Data Integrator: Knowledge Modules Reference Guide, June 2009.
Webographie
[2] Oracle, CRM : un outil uniquement pour les grands. Disponible sur: http://ubimen.fr/
dev/node/56, Oracle corporate, 2013
[3] Thibaut COSSAVELLA, Oracle Data Integrator, 2010, Disponible sur: http://fr.
slideshare.net/HichamLamriui/part1-odi-siad
Annexes
Annexe A
Réglementation de Bâle
Réglementation de Bâle
Aux cours du comité de Bâle qui rassemble les plus grandes banques centrales. Les autorités
prudentielles ont décidé d’instaurer un ensemble de règles aux banques pour stabiliser le
système bancaire. Ces accords de Bâle visent à instaurer des normes internationales de
renforcement de chaque établissement financier afin d’éviter des crises de plus en plus
importante.
Les recommandations de Bâle sont revues régulièrement pour devenir peu à peu une
obligation harmonisée à l’ensemble des banques. De Bâle I à Bâle II, puis Bâle III les banques
doivent anticiper la feuille de route pour respect la règlementation prudentielle à temps.
1. Bâle 1
Le comité de Bâle est lancé en 1988 après une période de dérèglementation financière qui a
permis aux banques de constituer des conglomérats internationaux regroupant de nombreux
métiers tels que la banque de détail, la finance d’entreprise et particulièrement la finance de
marché. Face à cette croissante débordante des établissements financiers, les autorités
prudentielles ont souhaité encadrer la profession en instaurant des contraintes règlementaires
en fonds propres, on parle du ratio Cooke qui exige 8% de fonds propres par rapport aux
engagements de la banque.
2. Bâle 2
Pilier1 : il consiste en une exigence minimale en fonds propres rénovée. C’est le calcul du
ratio proprement dit. La logique reste la même, c’est-à-dire un rapport entre des fonds propres
et un encours de risques. L’appréciation de ces derniers est cependant modifiée par une
reconnaissance des techniques de réduction des risques et par la définition d’une charge en
fonds propre pour les risques opérationnels. Au total, toute banque doit avoir, au titre des
exigences minimales en fonds propres, un ratio égal ou supérieur à 8%.
Pilier3 : Ce pilier renforce la discipline des marchés et établit des règles en matière
d’information publiée.
Dans Bâle II, le ratio de solvabilité prend en compte d’autres catégories de risque que le
risque de crédit, à savoir le risque de marché et le risque opérationnel et s’exprime de la façon
suivante :
é
= ≥ 8%
é + ℎé + é
Pour préserver la cohérence du calcul, les montants de fonds propres requis aux titres du
risque de marché et du risque opérationnel par 12.5, soit l’inverse de 8% avant de les
incorporer au calcul du ratio final.
Les fonds propres réglementaires correspondent aux fonds propres que doivent détenir les
établissements financiers en lien avec l’exigence réglementaire définie par le Comité de Bâle.
Commençons par présenter le numérateur du ratio McDonough, c'est-à-dire les fonds propres
réglementaires. Le dispositif réglementaire intègre dans les fonds propre réglementaires les
éléments du bilan suivant :
Les fonds propre de base : Elles comprennent le capital social ou assimilé (actions,
certificats d’investissements, action à dividende prioritaire), le résultat non distribué
de l’exercice et les réserves consolidés, et déduisent les actions en fonds propre et la
partie non libérée du capital.
Les fonds propre complémentaires : Elles sont soit de premier niveau incluant des
titres hybrides, c’est-à-dire comportant des options, présentant certaines conditions,
durée indéterminée entre autres, soit de deuxième niveau incluant des dettes dont la
durée contractuelle initiale est supérieur à cinq ans.
3. Bâle 3
La réforme dite de « Bâle III », qui constitue la réponse du Comité de Bâle à la crise
financière, vise principalement à :
- Renforcer le niveau et la qualité des fonds propres (« tier one et core tier one ») ;
- Mettre en place un ratio de levier (« leverage ratio ») ;
- Améliorer la gestion du risque de liquidité par la création de deux ratios de liquidité
(ratio de liquidité à un mois « Liquidity coverage ratio » et ratio de liquidité à un an
« Net stable funding ratio ») ;
- Renforcer les exigences prudentielles concernant le risque de contrepartie.
Elle vient compléter une première série d’amendements à l’accord de Bâle II intervenus en
juillet 2009 relatifs au risque de marché visant à renforcer le suivi des activités de marché.
L’accord de Bâle III comprend un ensemble de mesures destinées à renforcer la résilience des
grandes banques internationales ainsi que des mesures spécifiques sur le risque de liquidités.
Une version révisée de l’Accord de Bâle III complétée sur le risque de contrepartie a été
publié le 1er juin 2011. Une version amendée du standard relatif à la liquidité à court terme
(LCR) a été publiée le 6 janvier 2013. Sa mise en œuvre sera progressive :
Annexe B
Oracle Data Integrator
1. Architecture ODI
Oracle Data Integrator possède une architecture spécifique que nous présentons dans les deux
figures suivantes :
Une plate-forme ODI est organisée autour d’un référentiel central [figure 52] accédé en mode
client/serveur par des composants entièrement écrits en Java :
Les référentiels ODI sont constitués d’un Référentiel Maître stockant et exposant toute la
typologie du système décisionnel (serveurs physiques, bases physiques et logiques, agents
ODI) et de plusieurs Référentiels de Travail stockant et exposant toutes les métadonnées des
projets d’alimentation ainsi que toutes les informations nécessaires à leur exploitation
(planification, ordonnancement et compte-rendu d’exécution). La figure suivante met en
avance la constitution des référentiels ODI.
En effet, les référentiels (Maître & de travail) s'installent sur tout moteur de base de données
relationnel supportant la syntaxe ANSI ISO 89, tel qu’Oracle, Microsoft SQL Server, Sybase
AS Enterprise, IBM DB2 UDB, IBM DB2/400 etc. Les espaces de stockage préconisés pour
les référentiels ODI sont les suivants :
Notez que l'espace de stockage requis dépend de la taille des projets et modèles, et du volume
des journaux d'exécution qui doivent être conservés.
Les modules de connaissance sont des composants prédéfinis relatifs à certaines technologies
contenant des informations ODI qui servent pour un processus de génération pour cette
technologie, pour une fonction précise.
En effet, les modules de connaissances sont des commandes (systèmes, procédures, requêtes)
nécessaire à l’exécution d’une tâche d’intégration et permettant de capitaliser sur les
connaissances techniques et fonctionnelles.
Oracle Data Integrator offre cinq types de modules de connaissances (Knowledge Modules –
KM) : Reverse KM (RKM), Journal KM (JKM), Load KM (LKM), Check KM (CKM),
Integration KM (IKM).
- RKM : Reverse KM : permettent de faire des reverse engineering à partir d'une base
de données existante
- JKM : Journal KM : permettent de stocker et présenter les résultats d'exécution
- LKM : Load KM : permettent de charger les données à partir d'une ou plusieurs
tables sources
- CKM : Check KM : permettent de contrôler les données et vérifier l'intégrité
référentielle
- IKM : Integration KM : permettent d'intégrer les données dans la base cible
Le tableau ci-dessous présente les modules de connaissances relatifs aux fichiers, objets SQL,
et à la base de données Oracle Database que nous avons utilisés lors de la mise en œuvre du
projet.