Études de cas

La vérification manuelle ralentissait les délais d'exécution sur le marché secondaire

Une société nationale spécialisée dans la diligence raisonnable, intervenant dans les émissions de titres adossés à des créances hypothécaires (RMBS) et les acquisitions sur le marché secondaire, était chargée d'examiner de grands volumes de dossiers de prêt complexes. Ces dossiers se présentaient sous divers formats, tels que des fichiers PDF, des images numérisées et des pages manuscrites, et comprenaient un large éventail de documents, notamment des baux, des formulaires d'emprunteur et des documents relatifs à la connaissance du client (KYC).

Le tri et la vérification manuels de chaque dossier étaient lents, fastidieux et sources d'erreurs. L'équipe chargée de la vérification avait besoin d'un moyen plus rapide de normaliser et de traiter les documents à l'aide d'un logiciel d'automatisation capable de fournir des résultats efficacement.

Le défi

La société a constaté des variations importantes d'un lot de dossiers de prêt à l'autre. Certains respectaient l'ordre de classement standard, tandis que d'autres comportaient du contenu non structuré, des données manquantes ou des types de documents non standard. Il était donc difficile de garantir la cohérence et de respecter les délais pour la titrisation ou l'examen sur le marché secondaire.

Les outils OCR traditionnels manquaient de souplesse, et les logiciels génériques de traitement de documents basés sur l'IA n'étaient pas en mesure d'extraire avec précision des données au niveau des champs à partir de contenus structurés et non structurés. L'entreprise avait besoin d'une solution de traitement intelligent des documents (IDP) capable de s'adapter aux documents réels et de s'intégrer à ses processus de révision.

AiCR

AiCR mis en place pour faciliter la réalisation d'analyses de diligence raisonnable rapides et précises :

• Extraction de données à partir de dossiers de prêt, de contrats de location et de documents relatifs aux emprunteurs, à l'aide de techniques de reconnaissance basées sur des modèles et de reconnaissance semi-modélisée
• Acheminement du contenu non structuré vers le pipeline de traitement de documents basé sur un modèle de langage (LLM) AiCRen vue d'un traitement plus approfondi
• Gestion de plusieurs flux de travail d'automatisation du contrôle qualité des prêts via une interface claire et conviviale pour les réviseurs
• A fourni des données prêtes pour l'audit au système interne de contrôle qualité et de gestion des exceptions de l'entreprise via une API

Exemple :

250 prêts par projet

Estimation annuelle :

entre 3 000 et 30 000 prêts

Résultats et impact

Des milliers de dossiers de prêt ont été examinés à l'aide de Document AI

Les documents non standard, tels que les baux et les formulaires KYC, sont traités sans encombre

Des délais de traitement plus courts pour les analyses des titres adossés à des créances hypothécaires (RMBS) et du marché secondaire

Pourquoi c'est important

Pour les équipes chargées de la diligence raisonnable, tout retard ou toute erreur dans l'examen des dossiers de prêt engendre des risques dans les opérations de titrisation et les transactions sur le marché secondaire. AiCR l'examen manuel, souvent fastidieux, par une automatisation intelligente capable de traiter aussi bien les dossiers de prêt standard que les documents complexes et non standard. Il en résulte des délais d'exécution plus courts, moins d'exceptions et l'assurance que chaque prêt est traité avec précision.