La modélisation prédictive du gel précoce des nouvelles entrées en relation de la banque digitale au Maroc : Apport de l'open banking dans la réduction de l'inactivité client

Abstract

Cette recherche examine le phénomène de gel précoce des comptes bancaires numériques au Maroc, caractérisé par une inactivité significative dans les trois premiers mois suivant l'entrée en relation. Face aux enjeux de rentabilité et de satisfaction client que ce phénomène soulève, l'étude propose un modèle prédictif intégrant les données issues de l'open banking pour identifier et prévenir l'inactivité précoce. À travers une méthodologie mixte combinant analyse rétrospective de données transactionnelles et suivi longitudinal d'une cohorte de 150 nouveaux clients d'une banque digitale marocaine, la recherche caractérise les profils à risque et évalue la contribution marginale des données multi-bancaires dans l'amélioration des capacités prédictives. Trois approches de modélisation sont comparées : un modèle de référence utilisant uniquement les données internes de la banque, un modèle enrichi par l'open banking, et un modèle hybride avancé intégrant des techniques de deep learning. Les résultats révèlent que l'intégration des données d'open banking améliore la précision prédictive de 16,4%, offrant aux institutions financières digitales marocaines des outils opérationnels pour renforcer l'engagement client dès les premières étapes de la relation bancaire.