Aller au contenu
Banque, financement et technologie financière

Ligne directrice E-23 du BSIF : gestion du risque de modélisation et IA

La ligne directrice E-23 révisée du BSIF étend la gestion du risque de modélisation à tous les modèles qu’utilise une banque ou un assureur canadien, y compris l’intelligence artificielle et l’apprentissage automatique, à compter du 1er mai 2027. Cette note explique ses résultats et ses principes, les inventaires et les cotes de risque, les contrôles du cycle de vie, ses incidences sur l’IA et ce que les fournisseurs de modèles d’IA devraient prévoir.

Scientifiques des données validant un modèle de crédit par apprentissage automatique selon les règles de gestion du risque de modélisation

L’essentiel

  • E-23 a été publiée le 11 septembre 2025 et entre en vigueur le 1er mai 2027.
  • Elle s’applique à toutes les IFF selon une approche fondée sur les risques, y compris les succursales étrangères.
  • Les institutions doivent recenser tous leurs modèles, y compris ceux des fournisseurs et des tiers.
  • Les cotes de risque déterminent l’intensité de la validation, de la surveillance et des contrôles.
  • Les risques propres à l’IA et à l’apprentissage automatique, comme l’explicabilité, les biais, la dérive et l’autonomie, sont expressément traités.

Ce qu’exige la ligne directrice E-23 du BSIF sur la gestion du risque de modélisation

La ligne directrice E-23 révisée, Gestion du risque de modélisation, publiée le 11 septembre 2025 et en vigueur le 1er mai 2027, établit à l’échelle de l’entreprise les attentes du Bureau du surintendant des institutions financières (BSIF) quant à la façon dont les institutions financières fédérales (IFF) élaborent, valident, déploient, surveillent et retirent leurs modèles, y compris les modèles d’intelligence artificielle et d’apprentissage automatique (IA/AA).

Elle s’applique à toutes les IFF, y compris les succursales de banques et de sociétés d’assurance étrangères dans la mesure compatible avec leurs activités au Canada, selon une approche fondée sur les risques et proportionnée à la taille, à la stratégie, au profil de risque, à la complexité et à l’interconnexion de chaque institution.

Scientifiques des données validant un modèle de crédit par apprentissage automatique selon les règles de gestion du risque de modélisation
E-23 étend la gestion du risque de modélisation des modèles de capital et de tarification à l’IA et à l’apprentissage automatique utilisés dans toute l’entreprise.

La version précédente d’E-23 portait surtout sur les modèles utilisés pour le capital réglementaire des institutions de dépôt. La version de 2027 est plus large. Le BSIF constate que les institutions s’appuient de plus en plus sur des modèles pour appuyer ou orienter leurs décisions, y compris dans des secteurs qui n’en utilisaient pas traditionnellement, et que les modèles reposent désormais sur des données plus diversifiées et des techniques complexes qui accroissent le risque de modélisation.

L’IA/AA est au cœur de la mise à jour : la ligne directrice traite de l’explicabilité, des biais, de l’autonomie, de la qualité des données et de la dérive, et elle vise expressément les modèles provenant de fournisseurs et d’autres tiers.

E-23 définit trois résultats attendus d’une gestion efficace du risque de modélisation : le risque de modélisation est bien compris et géré dans toute l’entreprise ; il est géré selon une approche fondée sur les risques ; et la gouvernance des modèles couvre l’ensemble de leur cycle de vie.

Gouvernance d’entreprise et inventaires de modèles

Selon le principe 1.1, des structures de rapport efficaces et des ressources adéquates devraient permettre une saine gouvernance des modèles. Conformément à la ligne directrice du BSIF sur la gouvernance d’entreprise, la haute direction est chargée de définir les rôles, les responsabilités et les attentes en matière de gestion du risque de modélisation dans toute l’entreprise et de veiller à des ressources appropriées.

Le cadre devrait énoncer les exigences d’inventaire et de cotation des modèles et la gouvernance du cycle de vie, prévoir une communication transparente et cohérente du risque de modélisation aux différents niveaux de l’entreprise, être revu périodiquement à mesure que la technologie évolue et viser les modèles ou les données provenant de l’extérieur, y compris de fournisseurs tiers, conformément à la ligne directrice B-10.

Le principe 1.3 ajoute un critère d’utilisation : les modèles devraient être adaptés à leurs fins commerciales, et les institutions ne devraient les déployer que lorsqu’ils contribuent de façon significative à la prise de décision, à l’évaluation des risques ou à d’autres fonctions.

Le principe 2.1 exige que les institutions recensent et suivent tous les modèles utilisés ou récemment mis hors service. Elles ont besoin de processus définis pour recenser périodiquement les modèles dans toute l’entreprise, y compris ceux des fournisseurs et des tiers, par exemple au moyen de sondages auprès des unités d’affaires. Pour de nombreuses IFF, constituer un inventaire complet est la tâche la plus importante, car les outils d’IA intégrés à des logiciels, les tableurs comportant des calculs complexes et les analyses utilisées en marketing ou en ressources humaines peuvent tous être visés.

Principe d’E-23ExigenceIncidence pratique
1.1Structures de rapport et ressources pour la gouvernance des modèlesSurveillance par le conseil et la haute direction ; fonction dédiée au risque de modélisation
1.3Modèles adaptés aux fins commercialesApprobation du cas d’utilisation avant le déploiement
2.1Recenser et suivre tous les modèles, y compris ceux des fournisseursInventaire des modèles à l’échelle de l’entreprise, mis à jour périodiquement
2.2 et 2.3Cotation du risque ; intensité proportionnelle au risqueClassement qui détermine la profondeur de la validation et la fréquence de la surveillance
3.2Données adaptées à l’usage prévuTraçabilité, qualité et tests de biais des données, y compris synthétiques
3.3 et 3.4Normes d’élaboration ; examen indépendantNormes de documentation ; validation indépendante des concepteurs
3.5 et 3.6Déploiement contrôlé ; surveillance et mise hors serviceContrôle des changements ; surveillance de la dérive ; processus de retrait

Cotation du risque et cycle de vie des modèles

Le principe 2.2 exige une méthode de cotation du risque de modélisation qui évalue les principales dimensions de ce risque, en fonction du risque inhérent reflétant les vulnérabilités du modèle et l’importance de ses incidences, afin que les modèles les plus critiques ou complexes fassent l’objet d’un examen renforcé.

Selon le principe 2.3, la portée, l’ampleur et l’intensité de la gestion du risque de modélisation devraient être proportionnelles à ce risque : la cote de risque inhérent détermine la fréquence, l’intensité et la portée des activités du cycle de vie. Parmi les facteurs de cotation que souligne le BSIF figurent le besoin d’explicabilité, le besoin de contrôles de rechange pour les modèles « boîte noire » ou autonomes et le potentiel de résultats biaisés, de répercussions sociales et éthiques négatives ou de risques pour la vie privée.

Les principes relatifs au cycle de vie énoncent ensuite les attentes à chaque étape :

  • Données (3.2). Les données utilisées pour élaborer un modèle devraient être adaptées à l’usage prévu. Le BSIF note que les données peuvent être structurées, semi-structurées ou non structurées, synthétiques ou dérivées d’indicateurs indirects, et que des données lacunaires, par exemple en raison d’inexactitudes, de biais ou d’enregistrements manquants, ont des conséquences importantes.
  • Élaboration (3.3). Des normes claires de rendement et de documentation, y compris, pour l’IA/AA, un entraînement et une optimisation des paramètres adéquats.
  • Examen indépendant (3.4). Un processus, indépendant de l’élaboration, visant à évaluer la solidité conceptuelle et le rendement et à confirmer que les modèles sont correctement spécifiés, fonctionnent comme prévu et sont adaptés à leur objet. Des examinateurs internes ou des tiers objectifs peuvent être utilisés.
  • Déploiement (3.5). Un déploiement dans un environnement doté de contrôles de la qualité et des changements, préservant l’intégrité du modèle en production, ce que le BSIF juge particulièrement important pour l’IA/AA.
  • Surveillance et mise hors service (3.6). Des normes définies de surveillance, y compris la détection de la dérive et des écarts de rendement, et de retrait des modèles.
Point pratique

Commencez par l’inventaire et la méthode de cotation du risque. Sans eux, la validation et la surveillance ne peuvent être priorisées. Incluez dès le départ les outils d’IA générative et les modèles intégrés aux produits des fournisseurs, car ce sont les modèles les plus susceptibles d’être oubliés et de susciter des questions des surveillants après le 1er mai 2027.

Ce qu’E-23 signifie pour l’IA et l’apprentissage automatique

Pour l’IA/AA, la gestion du risque de modélisation selon E-23 pose des défis particuliers. Les modèles complexes peuvent être difficiles à expliquer, ce qui touche à la fois la validation et la capacité de justifier les décisions auprès des clients et des surveillants. Leur rendement peut dériver à mesure que les données changent. Ils peuvent produire des résultats biaisés en matière de crédit, de souscription d’assurance, de détection de la fraude ou de marketing.

Et les systèmes autonomes ou agentiques peuvent agir avec une intervention humaine limitée. E-23 n’interdit aucune technique, mais elle s’attend à des contrôles proportionnés à ces risques : des exigences d’explicabilité plus strictes lorsque les décisions touchent les clients, des contrôles compensatoires comme l’examen humain ou des limites aux résultats pour les modèles « boîte noire », des tests d’équité et de biais et une surveillance plus fréquente.

E-23 s’applique en parallèle avec d’autres règles. Le droit de la protection des renseignements personnels régit les renseignements personnels utilisés pour entraîner et exploiter les modèles, et le projet de loi fédéral de réforme en matière de vie privée, le projet de loi C-36, était à l’étude au Parlement sans avoir reçu la sanction royale selon le plus récent dossier de LEGISinfo.

Les lois sur les droits de la personne et la protection du consommateur s’appliquent aux résultats discriminatoires. Le BSIF a aussi commenté les travaux internationaux sur l’adoption responsable de l’IA, et les IFF devraient s’attendre à une attention des surveillants à l’égard de la gouvernance de l’IA bien avant la date d’entrée en vigueur.

Ce que les fournisseurs de modèles d’IA aux banques et assureurs devraient prévoir

E-23 s’adresse aux IFF, mais les fournisseurs en ressentiront les effets par l’approvisionnement et les contrats, renforcés par la ligne directrice B-10 sur le risque lié aux tiers et la ligne directrice B-13 sur les risques liés aux technologies et le cyberrisque. Les fournisseurs de modèles d’IA, de moteurs de notation, d’outils de détection de la fraude ou de logiciels intégrant l’IA aux banques et assureurs canadiens devraient s’attendre à des demandes portant sur :

  1. une documentation du modèle décrivant son objet, sa méthode, ses données d’entraînement, ses limites et ses risques connus ;
  2. des mesures du rendement et des résultats d’essais, y compris des tests de biais et d’équité s’il y a lieu ;
  3. des renseignements permettant la validation indépendante par l’IFF, ou des rapports de validation de tiers ;
  4. un avis des changements importants, des réentraînements ou des nouvelles versions du modèle, et des engagements de contrôle des changements ;
  5. les résultats de surveillance, les alertes de dérive et l’avis d’incident ;
  6. la provenance, l’emplacement et les restrictions d’utilisation des données, y compris la question de savoir si les données des clients servent à entraîner des modèles partagés ;
  7. des droits de vérification et d’accès, ainsi qu’une aide à la sortie et à la transition.

Les fournisseurs incapables d’expliquer leurs modèles avec suffisamment de détails pour permettre la validation pourraient voir leurs produits cotés à risque plus élevé, assujettis à des restrictions d’utilisation ou exclus. Préparer une « fiche de modèle » et une trousse de soutien à la validation devient une nécessité commerciale pour vendre aux institutions financières canadiennes.

Illustration (hypothétique) : une banque canadienne utilise le modèle d’apprentissage automatique d’un fournisseur pour prioriser les alertes de fraude et un outil d’IA générative pour rédiger des courriels aux clients. Selon E-23, les deux sont inscrits à l’inventaire des modèles. Le modèle de fraude est coté à risque élevé en raison de son incidence sur les clients ; il fait donc l’objet d’une validation indépendante et d’une surveillance mensuelle de la dérive, et le contrat exige un avis de tout réentraînement. L’outil de rédaction est coté à risque moindre, mais il est soumis à des contrôles des résultats et à un examen humain.

Rôles, documentation et preuve

Les surveillants évaluent la gestion du risque de modélisation en grande partie au moyen de documents et de registres ; le cadre doit donc produire de la preuve comme sous-produit du travail quotidien. La plupart des institutions organisent les rôles autour de trois groupes :

  • Les propriétaires et concepteurs de modèles des équipes d’affaires ou d’analytique, qui définissent le cas d’utilisation, élaborent ou acquièrent le modèle, le documentent et surveillent son rendement en production.
  • Une fonction indépendante de gestion du risque de modélisation, généralement en deuxième ligne, qui tient l’inventaire et la méthode de cotation, effectue ou fait effectuer la validation, fixe les normes et fait rapport à la haute direction sur le risque de modélisation global.
  • L’audit interne, qui vérifie si le cadre est bien conçu et fonctionne efficacement.

Pour chaque modèle, l’ensemble documentaire de base comprend habituellement un énoncé de l’objet et de l’usage prévu, une description de la méthode et des données, les hypothèses et les limites, les résultats des essais d’élaboration, la cote de risque et sa justification, les rapports et constatations de validation, les approbations, les seuils et résultats de surveillance et les registres des changements. Pour les modèles d’IA/AA, les institutions ajoutent des registres des sources des données d’entraînement, de la sélection des variables, de l’analyse d’explicabilité, des tests d’équité et des contrôles avec intervention humaine.

La gestion des problèmes constitue l’autre moitié de la preuve. Les constatations de validation devraient être consignées, cotées, attribuées et suivies jusqu’à leur résolution, avec remontée lorsque les échéances ne sont pas respectées. Les modèles qui présentent des constatations graves non résolues peuvent devoir faire l’objet de restrictions d’utilisation ou de contrôles compensatoires jusqu’à leur correction. Les rapports à la haute direction devraient montrer l’évolution de la taille de l’inventaire, des cotes de risque, des validations en retard et des constatations non résolues, afin que le risque de modélisation puisse être comparé à l’appétit pour le risque de l’institution.

Enfin, le cadre devrait viser la mise hors service. Les modèles retirés devraient être retirés de la production, leurs dossiers étant conservés, et les modèles récemment mis hors service devraient demeurer visibles dans l’inventaire, comme le prévoit le principe 2.1, afin que leurs effets résiduels sur les décisions et les données puissent être retracés.

Se préparer au 1er mai 2027

À l’approche de la date d’entrée en vigueur, les IFF devraient être bien avancées dans la mise en œuvre. Une feuille de route type comprend une analyse des écarts par rapport à chaque principe, une politique de gestion du risque de modélisation mise à jour et approuvée par la haute direction, un inventaire à l’échelle de l’entreprise assorti de cotes de risque, un plan de validation priorisé selon le risque, des normes de surveillance de l’IA/AA, des modèles révisés de vérification diligente et de contrats avec les fournisseurs, ainsi qu’une formation ciblée des propriétaires de modèles, des concepteurs et des utilisateurs.

Les petites IFF peuvent appliquer la ligne directrice de façon proportionnée, mais elles devraient documenter pourquoi leur approche convient à leur taille et à leur profil de risque, et revoir cette justification à mesure que leur usage de l’IA s’accroît.

Comment TRW & Co vous accompagne en gestion du risque de modélisation

Nous conseillons les IFF, les fournisseurs d’IA et les partenaires fintech en matière de gestion du risque de modélisation selon la ligne directrice E-23 du BSIF. Cela comprend les analyses des écarts, la rédaction des politiques et des cadres, les méthodes d’inventaire et de cotation du risque, la gouvernance des cas d’utilisation de l’IA et de l’IA générative, la vérification diligente des fournisseurs et les clauses contractuelles relatives à l’IA, ainsi que l’harmonisation avec B-10, B-13 et les obligations en matière de vie privée.

Lorsqu’une opinion ou un dépôt exige un avocat autorisé à exercer au Canada, nous travaillons avec des conseillers autorisés. Nos services en réglementation des services financiers et en cybersécurité couvrent les questions connexes ; voir aussi nos notes sur la ligne directrice B-10 du BSIF et l’agrément du BSIF. Pour discuter de votre programme, communiquez avec nous. La présente note est une information générale et non un avis juridique.

Questions fréquentes

Quand la version révisée d’E-23 entre-t-elle en vigueur ?

Le 1er mai 2027. Le BSIF a publié la version définitive révisée de la ligne directrice E-23 sur la gestion du risque de modélisation le 11 septembre 2025. Les institutions devraient profiter du temps qui reste avant la date d’entrée en vigueur pour bâtir leurs inventaires, leurs cotes de risque, leurs plans de validation et leur gouvernance de l’IA.

E-23 s’applique-t-elle aux assureurs ?

Oui. La ligne directrice révisée s’applique à toutes les institutions financières fédérales, y compris les banques, les sociétés de fiducie et de prêt, les sociétés d’assurance-vie et sociétés de secours mutuel, les sociétés d’assurances multirisques et les succursales de banques et de sociétés d’assurance étrangères dans la mesure compatible avec leurs activités au Canada, de façon proportionnée.

Les outils d’IA générative sont-ils des modèles au sens d’E-23 ?

E-23 est conçue pour englober les modèles d’IA et d’apprentissage automatique utilisés pour appuyer ou orienter des décisions, et elle s’attend à ce que les institutions recensent tous les modèles utilisés, y compris ceux des fournisseurs. Les outils d’IA générative utilisés dans les processus d’affaires devraient être évalués en vue de leur inscription à l’inventaire et cotés selon leur usage et leur incidence.

Les fournisseurs doivent-ils se conformer à E-23 ?

Pas directement ; la ligne directrice s’applique aux IFF. Mais celles-ci doivent intégrer les modèles des fournisseurs et des tiers à leurs cadres et les gérer selon B-10 ; les fournisseurs devraient donc s’attendre à des demandes de documentation, de résultats d’essais, d’avis de changement, de données de surveillance et de droits de vérification dans les contrats.

Comment E-23 traite-t-elle les biais des modèles d’IA ?

La ligne directrice mentionne le potentiel de résultats biaisés et de répercussions sociales et éthiques négatives parmi les facteurs de cotation du risque de modélisation, et souligne que des données lacunaires, notamment biaisées, ont des conséquences importantes. Les modèles à risque plus élevé exigent donc des contrôles de la qualité des données, des tests de biais et une surveillance plus étroite.

Sources

  1. BSIF, ligne directrice E-23 : gestion du risque de modélisation (2027)
  2. BSIF, ligne directrice B-10 : gestion du risque lié aux tiers
  3. BSIF, ligne directrice B-13 : gestion des risques liés aux technologies et du cyberrisque
  4. LEGISinfo : projet de loi C-36 (45-1)

Information générale seulement, et non un avis juridique. Les renvois aux lois, aux tribunaux et aux autorités décrivent le droit et la pratique publiés à la date indiquée.