Les Dimensions Clés de la Qualité des Données dans le Securities Lending

Sur un desk de agency lending, les données sont plus que des chiffres à l’écran — elles constituent la base de la confiance entre contreparties, de l’efficacité opérationnelle et de la conformité réglementaire. Lorsqu’un trader accepte de prêter des titres, le desk et les opérations enregistrent la transaction, les équipes risques surveillent l’exposition, et les équipes reporting soumettent les informations aux régulateurs. Chaque étape dépend de données correctes, cohérentes et disponibles. Si les données échouent, le business échoue aussi.

C’est ici qu’entrent les dimensions de la qualité des données. Elles offrent un cadre pour évaluer si les données alimentant nos programmes de prêt sont réellement “fit for purpose”. Nous explorons huit dimensions essentielles :

1. Validité

2. Exhaustivité

3. Cohérence

4. Intégrité et cohérence logique

5. Actualité / Rapidité

6. Raisonnabilité

7. Unicité

8. Exactitude

Voyons comment chacune de ces dimensions se traduit concrètement dans le monde du securities finance.

Validité : Respecter les règles du jeu

Chaque desk fonctionne dans des gardes-fous. Par exemple :

• Les ISIN doivent être des codes alphanumériques de 12 caractères.

• Les taux de prêt doivent rester dans des plages réalistes (0–100%).

• Les collatéraux doivent avoir des codes de devise ISO valides comme USD ou GBP.

Une valeur hors de ces limites — par exemple un taux de prêt de 500 % ou un code devise inexistant comme “QQQ” — peut provoquer des erreurs dans les systèmes en aval ou fausser le calcul des expositions. La validité garantit que chaque donnée “a du sens” selon les règles du marché.

Exhaustivité : Pas de lacunes, pas d’angles morts

Un dépôt SFTR sans UTI ou LEI est immédiatement rejeté. Une position de prêt ouverte sans collatéral crée un risque non reporté. L’exhaustivité se vérifie à plusieurs niveaux :

• Champ / colonne : des champs comme les codes devises ne doivent jamais être vides.

• Enregistrement : un prêt ouvert doit avoir le type de collatéral, sa valeur et le haircut renseignés.

• Conditionnel : pour les prêts collatéralisés en cash, le taux de réinvestissement doit être renseigné ; pour les prêts non-cash, il doit rester vide.

• Dataset / fichier global : le fichier quotidien de l’agent prêteur doit inclure tous les trades actifs, sans omission.

Sans exhaustivité, les décisions sont prises “à l’aveugle”.

Cohérence : Parler le même langage entre systèmes

Des données incohérentes génèrent du bruit :

• Devise du prêt USD mais collatéral en EUR → problème si aucun accord FX n’existe.

• Positions du fichier agent prêteur ≠ positions du custodian → réconciliations bloquées.

La cohérence signifie :

• Les enregistrements sont alignés en interne (prêt et collatéral).

• Les trades concordent entre datasets (custodian vs agent).

• Les rapports restent stables dans le temps (T+1 ne change pas rétroactivement sans modification valide).

Intégrité et cohérence logique : Préserver les relations

Dans une hiérarchie de fonds, un trade attribué à un sous-fonds doit se consolider correctement dans le fonds “umbrella”.

• Intégrité : pas de références orphelines (“enfant” sans “parent”).

• Cohérence : valeurs logiquement alignées.

Trades dupliqués ou hiérarchies incorrectes faussent expositions et reporting client.

Actualité / Rapidité : Des données livrées à temps

Le securities finance est rapide :

• Les trades doivent être enregistrés immédiatement.

• Les recalls doivent être émis dès la demande du beneficial owner.

• Les valeurs du collatéral doivent se mettre à jour intraday.

Différents niveaux :

• Données statiques (LEI) → révision annuelle

• Données lentes (rating counterparty) → mensuel

• Données volatiles (valeurs collatéral) → intraday

Retard = décisions retardées = risque accru.

Raisonnabilité : Les données “ont-elles du sens” ?

• Haircut de 150 % ? (typiquement obligations 2–5%, actions 20 %+)

• Taux de fails de règlement passant de 2 % à 20 % ?

La raisonnabilité détecte les anomalies par comparaison avec seuils, benchmarks et normes métier.

Unicité : Un trade, un enregistrement

Chaque trade ID doit être unique. Les duplicatas faussent exposition, revenus et risque. Même principe pour les ISIN : un seul par titre.

Exactitude : La réalité reflétée dans les données

L’exactitude vérifie si :

• Les valeurs économiques du trade (montant prêté, taux, collatéral) correspondent à la confirmation contractuelle.

• Les noms des entités légales et LEI correspondent aux registres officiels.

• Les prix de marché sont alignés sur des sources fiables.

C’est la dimension la plus directement liée à la confiance client.

Synthèse : Des règles à la réalité

Chaque dimension agit comme un filtre, évaluant si les données sont réellement “fit for purpose”.

• Les règles métier indiquent comment les données doivent être collectées et structurées.

• Les dimensions de qualité indiquent si elles sont utilisables pour le prêt, le reporting et la gestion du risque.

Pour un desk de securities lending :

• Échec des données = risque, perte de revenu, atteinte à la réputation.

• Données de qualité = confiance des clients, fluidité opérationnelle, croissance business.