Scoring crédit par IA en Algérie : atteindre les 58 % d’adultes sans compte bancaire

L’écart d’inclusion que la fintech algérienne doit combler

L’arithmétique de l’inclusion financière algérienne est sans ambiguïté. Selon les analyses du secteur bancaire citées par The Fintech Times, 58 % de la population n’avait pas de compte bancaire en 2023 — un chiffre qui a à peine bougé en dix ans malgré les poussées politiques répétées. Une mesure antérieure de 2022 situait la part des non-bancarisés autour de 57 %. La Stratégie Fintech Nationale 2024-2030 fixe un objectif explicite : porter l’accès bancaire formel de 43 % (2022) à 65 % d’ici 2030 — un saut de 22 points en huit ans.

Atteindre cet objectif avec l’économie d’agence traditionnelle n’est pas possible. Le coût unitaire d’acquisition, d’évaluation et de service d’un client à faibles revenus via une agence physique ne fonctionne simplement pas à l’échelle requise. C’est pourquoi le scoring crédit par IA, construit sur des données alternatives, est passé de l’expérience de niche à la priorité stratégique pour la fintech algérienne — et pour les banques qui s’y associent.

Pourquoi le scoring crédit traditionnel échoue ici

Le scoring crédit conventionnel dépend d’entrées que la population non bancarisée algérienne ne génère pas : bulletins de salaire formels, historiques de transactions bancaires, dossiers de bureau de crédit. Un travailleur de l’économie informelle algérienne — que plusieurs études estiment à 30-40 % de l’emploi total — peut avoir des années de revenus stables, mais aucune trace papier sur laquelle une banque puisse s’appuyer.

Le résultat est un problème de la poule et de l’œuf. Sans historique de crédit, un travailleur ne peut obtenir de prêt. Sans accès au crédit, il ne peut bâtir d’historique. Des générations de foyers algériens ont tourné dans cette boucle, finançant achats immobiliers, capital d’entreprise et urgences via les réseaux familiaux plutôt que la finance formelle.

Le scoring crédit par IA casse la boucle en utilisant des entrées différentes. Transactions mobile money, paiements de factures de services, schémas d’acceptation commerçants, historique de paiement de loyers et données d’usage du téléphone mobile peuvent toutes être agrégés en un profil de crédit alternatif. Correctement entraînés, les modèles de machine learning sur ces données ont montré une performance prédictive comparable — et dans certaines populations supérieure — aux scores de bureau traditionnels.

Les données existent déjà

Le patrimoine de données alternatives algérien a grandi plus vite que la plupart des observateurs ne l’ont réalisé. Trois fondations sont en place :

• BaridiMob. Le portefeuille mobile d’Algérie Poste a normalisé les transactions numériques pour des millions d’utilisateurs. Chaque recharge, transfert et paiement de facture est un point de donnée qu’un modèle de souscription bien conçu peut utiliser.
• Cartes CIB et Edahabia. Les transactions interbancaires par carte — CIB et Edahabia d’Algérie Poste — génèrent des données au niveau transaction liées à une identité vérifiée. Le réseau d’acceptation de 10 000 commerçants de SofizPay et les paiements par QR d’ALPAY épaississent encore cette couche.
• Relevés de services et télécoms. Sonelgaz, Algérie Télécom, Mobilis, Djezzy et Ooredoo détiennent des données comportementales de paiement sur presque chaque foyer algérien. Les conditions d’accès pour un usage de scoring crédit sont réglementées mais pas impossibles.

Les données existent. La question est de savoir si elles seront agrégées, nettoyées et rendues exploitables à des conditions qui respectent la loi 18-07 sur la protection des données personnelles et produisent un signal assez fort pour tarifer le risque.

Où l’IA apporte le levier

Sur cette pile de données alternatives, trois techniques IA font le gros du travail :

1. Modèles boostés par gradient pour la prédiction de défaut. Les algorithmes ML classiques — XGBoost, LightGBM — fonctionnent bien sur des données tabulaires d’historique de paiement, surpassant fréquemment les modèles de scoring par régression logistique que les banques utilisent depuis des décennies. Pour les startups fintech algériennes, c’est le fruit à portée de main.
2. Modèles d’embeddings pour le profilage comportemental. Les modèles basés sur les transformeurs peuvent produire des embeddings de la séquence transactionnelle d’un utilisateur — une empreinte comportementale qui prédit le comportement futur plus richement que les statistiques résumées.
3. Détection d’anomalies pour la fraude. La détection de fraude par IA est une condition préalable pour tout produit de crédit numérique à l’échelle. Les taux élevés de faux positifs dans les premiers modèles ont été la principale contrainte commerciale sur les déploiements de crédit mobile money à travers l’Afrique, et les déploiements algériens feront face au même passage obligé.

La couche réglementaire et institutionnelle

La régulation détermine si cette opportunité devient un marché. Trois développements comptent :

• Stratégie Fintech 2024-2030. La stratégie nationale nomme paiements numériques, innovation financière et entrepreneuriat tech comme piliers, donnant aux startups de scoring crédit par IA un alignement politique sur lequel s’appuyer.
• Loi 18-07. La conformité à la protection des données n’est pas optionnelle. Les modèles de scoring crédit utilisent des données personnelles, et la supervision de l’ANPDP (Autorité nationale de protection des données personnelles) introduite avec l’application de la loi 18-07 devra être engagée tôt par toute startup sérieuse.
• Licence de la banque centrale. La Banque d’Algérie détient le cadre des paiements et des licences. Un produit de scoring IA pur ne nécessite pas nécessairement une licence bancaire — il peut licencier les scores aux banques — mais tout prêteur vertical, oui.

L’analyse FinTech and Foreign Trade in Algeria cadre l’ouverture directement : les plateformes FinTech qui utilisent des données alternatives peuvent améliorer les évaluations de crédit et élargir l’accès au capital pour les entreprises sous-servies dans un pays où plus de la moitié de la population adulte reste non bancarisée.

Qui est positionné pour gagner

Parmi les 30 à 35 startups fintech actuellement actives, une poignée — Banxy, Monadim, DFA et les plateformes de paiement émergentes — sont les foyers naturels pour les produits de scoring crédit par IA. Le track fintech de l’Algerian Startup Challenge et le fonds IA d’Algérie Télécom de 11 millions de dollars plus large sont des canaux de financement évidents, et le partenariat national de venture studio (ASF/CERIST/DeepMinds) a explicitement signalé les cas d’usage IA-agents et fintech parmi ses verticaux cibles.

Les banques elles-mêmes ne sont pas passives ici. SGA, BNA et CPA mènent chacune des programmes de transformation numérique, et la souscription par IA est l’une des rares voies clairement mesurables pour élargir leur base adressable. Le schéma le plus probable est le partenariat — une startup fintech construit le moteur de scoring, une banque apporte son bilan, et l’infrastructure BaridiMob ou carte CIB fournit le rail de données.

La trajectoire 2026-2030

Fermer 22 points de pourcentage d’écart d’inclusion financière d’ici 2030 est un objectif ambitieux. Il ne se réalisera pas par un seul produit. Mais le scoring crédit par IA est la technologie la plus susceptible de faire bouger le chiffre le plus loin dans les quatre années restantes, car c’est la seule approche dont l’économie unitaire passe effectivement à l’échelle des dizaines de millions de clients. La question pour les directeurs techniques, fondateurs et régulateurs algériens en 2026 n’est pas de savoir s’il faut construire cette infrastructure — c’est à quelle vitesse, et avec quelles garanties.

Sources et lectures complémentaires

• Algeria’s Fintech Ecosystem in 2026 — The Fintech Times
• FinTech and Foreign Trade in Algeria — Globalization and Business
• How Fintech Can Improve Financial Inclusion in Algeria — byOuut
• Top Fintech Startups in Algeria (2026) — Tracxn
• Algeria Bets Big on AI Startups with New Investment Fund — Launch Base Africa
• SofizPay 10,000 Merchant Acceptance — AlgeriaTech