Les relevés de comptes bancaires en disent beaucoup sur nos vies. Lorsque les fins de mois sont difficiles, les soldes des comptes sont au plus bas et les découverts plus fréquents. Lorsque nous perdons notre emploi, un virement régulier de salaire peut être remplacé par un virement de France Travail. Même les départs en vacances ne passent pas inaperçus ; les dépenses de transport et d’hébergement augmentent, de même que les dépenses réalisées à l’étranger. Les données bancaires, très riches en information, permettent donc des exploitations variées.

Dans cet article, nous reviendrons d’abord sur le contexte qui a permis l’accès de l’Insee à ces données ; le mouvement d’ouverture vers des données d’origine privée a été accéléré par la crise sanitaire. Ensuite, nous expliciterons comment ces données sont produites, depuis les transactions des clients jusqu’aux graphiques publiés dans les collections de l’Insee. Enfin, nous détaillerons les défis à relever pour les exploiter et expliquerons les nouvelles informations qu’elles apportent à la statistique publique : comment complètent-elles le diagnostic conjoncturel ? À quelles nouvelles questions économiques permettent-elles de répondre ? Enfin, nous reviendrons sur leurs limites, notamment en matière de représentativité.

En 2020, la crise sanitaire et le confinement à grande échelle de la population ont provoqué un choc sur l’économie aussi soudain qu’inédit. À l’Insee, le suivi de la conjoncture en a été bouleversé, conduisant notamment au recours accru à des données nouvelles, plus rapidement disponibles que les données traditionnelles (Pouget, 2020). Parmi les nouvelles sources mobilisées, les données de comptes bancaires se sont avérées précieuses car très détaillées et rapidement disponibles. Pour l’Insee, ces données offraient une réelle opportunité pour conforter et enrichir les informations provenant des sources traditionnelles d’enquête avant que les données de sources fiscales ne soient disponibles. En outre, elles permettaient d’éclairer la situation financière des ménages sous un jour nouveau, grâce à des indicateurs atypiques pour la statistique publique mais très parlants pour le grand public, comme les montants présents sur les comptes en fin de mois ou la proportion de ménages à découvert.

L’intérêt de l’Insee pour ces données s’est concrétisé lorsque certaines banques, dans le contexte de la crise sanitaire, ont souhaité contribuer à l’analyse de la situation économique par la statistique publique. Crédit Mutuel Alliance Fédérale (CMAF) a ainsi permis un accès sécurisé à des données anonymisées de comptes bancaires d’un échantillon de sa clientèle dès 2020. Des premières études sur l’évolution de la situation financière des ménages pendant la crise sanitaire ont résulté de cette collaboration (Insee Note de conjoncture, 2021). Cependant, utiliser des données provenant d’un seul réseau bancaire pouvait être insuffisant pour décrire l’ensemble de la population. La clientèle de CMAF étant plus aisée que la moyenne, ces données pouvaient notamment s’avérer inadéquates pour documenter la situation financière des plus fragiles. Or, le sujet était brûlant à l’époque, en plein cœur de la crise sanitaire. L’Insee a pris contact avec un second réseau : La Banque Postale (LBP). Il s’agit de l’établissement le plus à même de fournir des informations sur les clients bancarisés les plus fragiles, car le législateur lui a confié une mission d’accessibilité bancaire. Les informations de cette banque ont permis de montrer la stabilité des revenus, malgré la crise, y compris pour les plus modestes. Cela a conforté les estimations obtenues par le modèle de microsimulation Ines qui concluait à un taux de pauvreté stable. Ce constat, à rebours des discours publics, rendait le recours à des données externes particulièrement précieux pour convaincre de la solidité des résultats obtenus avec les méthodes usuelles (Ouvrir dans un nouvel ongletTavernier, 2022). Ainsi, la publication sur les données LBP a été programmée le même jour que la publication annuelle portant sur le taux de pauvreté, soit une dizaine de jours avant la journée mondiale de la pauvreté.

La crise inflationniste succédant à la crise sanitaire, les données bancaires ont de nouveau été mobilisées afin d’éclairer l’évolution de la situation financière des ménages dans ce nouveau contexte en 2022 et 2023.

Si l’accès aux données bancaires a été accéléré par la crise sanitaire, il s’inscrit dans un contexte plus large d’utilisation par les instituts nationaux de statistiques de nouvelles données massives d’origine privée, comme les données de caisse (Leclair, 2019). Ces données, appelées communément « big data », peuvent inclure des informations aussi variées que celles d’annonces de logements, de téléphonie mobile ou de compteurs de gaz et d’électricité. Ces données procurent de nombreux avantages par rapport aux sources usuelles comme la haute fréquence ou la granularité (Ouvrir dans un nouvel ongletBlanchet et Givord, 2018). Mais il existe également de nombreux obstacles dans leur utilisation. Outre les enjeux de représentativité, ces données sont peu structurées, et leurs exploitations nécessitent donc d’importants investissements.

Avant d’être transformée en information utile au débat public, la donnée bancaire subit de nombreux traitements, du terminal de paiement aux tableaux ou graphiques des publications, en passant par les systèmes d’information des banques. Ce long chemin n’est pas propre aux données bancaires ou aux données privées et fait écho aux traitements réalisés lors d’utilisation de données administratives (Cotton et Haag, 2023), par exemple celles de propriétés immobilières (André et Meslin, 2022).

Nous allons décrire ce parcours de la donnée et les retraitements réalisés par la banque puis par le statisticien.

L’exploitation des données bancaires repose sur des partenariats étroits avec les banques. Le statisticien public ne se contente pas de récupérer et d’exploiter une base préexistante, il doit la construire progressivement et conjointement avec le partenaire bancaire. L’objectif est de transformer des données issues des processus de gestion de comptes bancaires en des tables de données individuelles agrégées au niveau ménage. Cette entreprise nécessite de nombreux échanges avec les banques. D’un côté, le statisticien doit expliciter ses besoins, de l’autre la banque doit détailler le contour des données qu’elle peut mettre à disposition. Les données s’enrichissent au fur et à mesure du partenariat au gré des besoins du statisticien et des contraintes des banques (encadré 1). Le parcours de la donnée depuis les opérations réalisées par le client jusqu’à la publication des analyses statistiques se réalise en quatre grandes étapes.

Les deux premières étapes correspondent aux traitements effectués par la banque elle-même. La première consiste à récolter et construire les informations sur ses clients à des fins de gestion à partir des différents types d’opérations réalisées chaque jour sur les comptes de la banque. La seconde étape vise à réaliser les traitements nécessaires afin de mettre à disposition un sous-ensemble de données exploitable par les statisticiens. La table finale doit contenir les variables pertinentes pour le statisticien, sur un champ défini à l’avance, et doit également respecter les critères d’anonymat de la clientèle.

Les deux étapes suivantes sont effectuées par le statisticien. Il va d’abord effectuer des retraitements spécifiques à la source de données afin de constituer une base mobilisable pour une étude. La dernière étape n’est pas spécifique aux données bancaires : une fois les retraitements opérés, le statisticien peut réaliser calculs et graphiques comme il le fait à partir de n’importe quelle autre source.

Chaque jour, des millions d’opérations bancaires ont lieu. Toutes ces opérations sont enregistrées par le système d’information bancaire afin que l’argent circule entre les comptes des ménages et des entreprises. Une transaction bancaire génère un flux de données entre la banque émettrice et la banque acquéreur, en passant par plusieurs intermédiaires (figure 1). Par exemple, lors d'un paiement par carte chez un commerçant, le traitement du paiement se déroule généralement en trois étapes : l'autorisation, la compensation et le règlement. La phase d'autorisation a lieu au moment où le client insère sa carte dans le terminal de paiement du magasin. La banque du commerçant (banque acquéreur) interroge alors la banque du client (banque émettrice) via le réseau de cartes pour savoir si la transaction est approuvée. La banque émettrice renvoie ensuite une réponse, positive ou négative, qui parvient jusqu'au terminal de paiement et qui permet de valider ou refuser l'opération. En fin de journée, le commerçant transfère à sa banque un fichier récapitulant toutes les transactions enregistrées (début de l'étape de compensation). Celle-ci regroupe les informations pour l'ensemble de ses clients et les transmet à la banque émettrice, par l'intermédiaire du réseau de cartes, afin de préparer l'étape de règlement. Lors de cette dernière étape, trois règlements ont lieu (de manière indépendante, et pas nécessairement dans cet ordre) : la banque acquéreur reçoit les fonds de la banque émettrice, verse le montant dû au commerçant, tandis que la banque émettrice débite le compte du client.

Au-delà de ces flux, les banques collectent également des variables sociodémographiques afin de mieux connaître leur clientèle (profession, nombre d’enfants par exemple). Cela leur permet de proposer des services adéquats. Ces informations sont traditionnellement collectées lors des rendez-vous avec les conseillers en agence mais également de plus en plus via des questionnaires envoyés par courriel.

Figure 1 - Représentation des flux de données : du client de la banque jusqu'au statisticien

De manière itérative, à la suite de nombreux échanges visant à clarifier les données disponibles et l’expression des besoins de l’Insee, la banque sélectionne les données pertinentes, les anonymise et les transforme selon les étapes suivantes.

Tout d’abord, la banque opère une sélection des tables et des variables. Au sein de la masse de données stockées au sein de la banque à des fins de gestion (des centaines, voire des milliers de tables contenant chacune quelques dizaines de variables), la banque sélectionne les informations sur les transactions, les soldes, les crédits, les incidents bancaires, ainsi que les caractéristiques sociodémographiques de ses clients. Les données sont figées un mois donné, il arrive donc qu’il manque certaines transactions remontant avec un délai, notamment celles effectuées les derniers jours du mois.

Ensuite, la banque procède au tirage d'un échantillon. Une fois ces tables et variables rassemblées, la banque tire un échantillon de clients à mettre à disposition selon une méthodologie préalablement définie. Cette opération d’échantillonnage qui est monnaie courante dans la statistique publique est rare dans le monde bancaire. Le tirage se fait uniquement sur les clients dont la banque estime héberger les revenus et la majorité des opérations de consommation.

Puis la banque opère l’anonymisation des données. L’anonymisation (figure 2) implique la suppression de variables identifiantes comme le(s) nom(s) et adresse des clients mais également le(s) nom(s) d’émetteurs et les libellés des virements. Or, ces dernières variables sont utiles pour les analyses puisqu’elles permettent de repérer les salaires perçus par les clients, mais aussi les prestations sociales, les allocations chômage, les pensions de retraites, etc. Avant la suppression, la banque extrait donc les informations utiles et non identifiantes de ces variables (type d’émetteur, régularité de l’émetteur, libellé contenant des mots-clés comme « salaire », etc.). Il s’agit d’un compromis qui permet de garantir l’anonymat des clients, tout en limitant la perte d’information (Redor, 2023).

Enfin, la banque opère le transfert des données. Elle transmet les données et les métadonnées à l’Insee dans des environnements sécurisés, au format CSV via le Centre d’Accès Sécurisé aux Données (CASD) pour LBP, et sous la forme d’une base de données relationnelle via une machine virtuelle pour CMAF.

Figure 2 - L'anonymisation des données

Les données transmises comportent de riches informations contenues dans de multiples tables (encadré 2) ; le statisticien doit les retraiter afin de réaliser des études économiques.

Une fois les données reçues, la première étape consiste en des macro-contrôles internes. Cela consiste à produire une série de vérifications sur la volumétrie des données afin de s’assurer que le dernier rafraîchissement ne comporte pas d’erreurs grossières. Concrètement, cela revient à vérifier dans les différentes tables que les évolutions du nombre de clients et du nombre de transactions ne sont pas erratiques. Le statisticien ne maîtrisant pas le processus amont, les macro-contrôles sont primordiaux. Il se peut par exemple que les dernières données transmises au statisticien soient incomplètes (comme des transactions manquantes en fin de mois).

Ensuite, le statisticien construit à partir des données bancaires des variables économiques : les variables correspondant aux concepts à étudier. Par exemple, le patrimoine financier brut d’un groupe famille/foyer est reconstitué à partir de la somme des soldes sur ses comptes.

Les données sont structurées selon une représentation rectangulaire familière au chargé d’étude, dans laquelle une ligne correspond à une observation, c’est-à-dire un groupe famille/foyer un mois donné (ou un jour donné selon la fréquence étudiée). Les colonnes contiennent les variables d’intérêt : revenus, dépenses, patrimoine financier et caractéristiques sociodémographiques.

L’échantillon est ensuite restreint à la population d’intérêt et un calage est mis en place. Différents filtres peuvent être appliqués afin de conserver uniquement l’échantillon de clients souhaité. De plus, l’échantillon peut être calé sur plusieurs marges (âge quinquennal, sexe, population par département) afin de le rendre davantage représentatif de la population française.

Enfin de nouveaux macro-contrôles externes sont réalisés sur les données finales. L’objectif est de confronter les informations et les messages issus des données bancaires à ceux provenant d’autres sources. Idéalement, les données bancaires doivent être confrontées à des données portant sur les mêmes concepts, pour permettre des comparaisons plus directes, et surtout de même fraîcheur. Une première confrontation naturelle et fondamentale est donc la comparaison des données des deux banques. Mais d’autres sources peuvent également être mobilisées, comme les indicateurs de la Banque de France (publiés mensuellement), ou encore les données du Groupement d’Intérêt Économique des Cartes Bancaires (GIE CB), qui permettent de tracer des évolutions agrégées de dépenses par carte bancaire.

Les données bancaires sont alors traitées par le statisticien de la même manière que n’importe quelle autre source de données. Il peut donc effectuer les opérations statistiques et économétriques nécessaires pour répondre à sa problématique. La dernière étape consiste à extraire les résultats agrégés du CASD (pour LBP) ou de la banque (pour CMAF) après vérification de leur conformité (notamment l’absence de données individuelles).

Ces données permettent de répondre à plusieurs problématiques, du suivi conjoncturel à l’évaluation de politiques publiques.

Pour éclairer la conjoncture, ces données ont le quadruple avantage de la fraîcheur, de la granularité fine, de la grande taille de l’échantillon et de la diversité des informations fournies. En effet, elles sont mobilisables rapidement : les données du mois M sont disponibles à la fin, voire au milieu du mois M+1. Les opérations sont disponibles au niveau journalier, permettant une analyse en temps réel des réactions des clients face à un choc soudain, comme la baisse des taxes sur le carburant. En outre, les échantillons de clients sont ici suffisamment grands pour focaliser l’étude sur des populations particulières, comme les bénéficiaires du RSA pendant la crise sanitaire ou les grands consommateurs de carburant au moment du déclenchement de la guerre en Ukraine. Avec les enquêtes traditionnelles, ces populations ne sont souvent pas suffisamment nombreuses dans les échantillons pour être étudiées spécifiquement. Cet avantage pour la statistique publique a également été souligné lors de l’utilisation de données administratives exhaustives qui permettent d’aller au-delà des décompositions habituelles en dixième de patrimoine et permettent de zoomer jusqu’au centième, voire jusqu’au millième (André et Meslin, 2022). Enfin, les variables sont suffisamment riches pour à la fois mesurer les concepts habituellement mobilisés à l’Insee comme les revenus, la consommation ou l’épargne mais également des grandeurs parlantes pour le grand public comme le solde à la fin du mois.

Ces atouts ont été pleinement exploités lors de la crise sanitaire et de l’épisode inflationniste qui a suivi. Tout d’abord, les données bancaires ont permis de documenter la hausse de l’épargne du fait de la chute de la consommation pendant les confinements (Insee, 2021). Ensuite, elles ont permis de montrer que les revenus de la plupart des clients ont été affectés seulement de manière limitée et temporaire par la crise, mais que certaines populations en marge du marché de l’emploi, comme les allocataires du RSA, ont été davantage pénalisées (Bonnet et alii, 2021). Par ailleurs, plusieurs indicateurs ont été construits permettant de conclure que la précarité financière n’a pas augmenté significativement au cours de la crise sanitaire (figure 3). Au début de la période inflationniste en 2022 et de nouveau en 2023, deux études ont montré que la précarité financière, mesurée par quelques indicateurs sur les découverts bancaires, augmente depuis début 2021, mais reste inférieure à son niveau d’avant-crise sanitaire (Adam et alii, 2022, Bonnet et alii, 2023).

En dehors de l’Insee, d’autres exploitations conjoncturelles des données bancaires ont été publiées en France. Par exemple, les données CMAF ont été mobilisées par le Conseil d’Analyse Économique pour étudier l’évolution de la situation financière des ménages (Ouvrir dans un nouvel ongletAstier et alii, 2024, Ouvrir dans un nouvel ongletFize et alii, 2022a, Ouvrir dans un nouvel ongletFize et alii, 2022b) mais aussi des entreprises (Ouvrir dans un nouvel ongletEpaulard et alii, 2021, Ouvrir dans un nouvel ongletFize et alii, 2022b).

Figure 3 - Précarité financière sur le panel de clients de La Banque Postale entre janvier 2019 et janvier 2021

En Espagne, des chercheurs soulignent l’importance de ces données, qui permettent d’augmenter la précision des mesures d’inégalités de consommation, lesquelles reposent sinon sur des enquêtes. Leur apport est affirmé dans un document de travail de l’Université de Cambridge : « Une fois organisées selon les principes de la comptabilité nationale, [les données bancaires peuvent] reproduire les statistiques officielles actuelles sur la consommation globale au niveau national avec un haut degré de précision. En raison de la richesse des données de transaction, elles peuvent en outre produire de nouveaux comptes distributionnels de la consommation, qui révèlent des inégalités de consommation plus importantes que ne le suggèrent les enquêtes. » (Ouvrir dans un nouvel ongletBuda et alli, 2022).

Elles permettent également d’aller au-delà des limites des données d’enquêtes de consommation (comme l’enquête Budget de Famille), grâce à la possibilité de suivre les ménages en panel et d’étudier certaines populations spécifiques, qui, sinon, ne seraient pas en effectifs suffisants. De plus, ces enquêtes ne recensent la consommation de certains biens que sur une courte période, ce qui limite la connaissance de la distribution de la consommation. Par exemple, si un ménage répondant n’a pas consommé un bien pendant la période d’interrogation, il est impossible de savoir s’il ne le consomme jamais ou seulement rarement. Disposer d’informations très précises et détaillées est ainsi fondamental pour mesurer la diversité des pertes liées à une hausse des prix du carburant ou de l’énergie, qui peuvent varier très fortement au cours de l’année.

Enfin, les données bancaires peuvent partiellement remédier aux limites liées aux erreurs de déclarations, comme la sous-déclaration du patrimoine financier.

Pour les études économiques, les données bancaires ont l’avantage décisif de contenir simultanément des informations quotidiennes sur le revenu, la consommation et l’épargne d’un panel de ménages observé sur plusieurs années. L’apport de ces données est souligné pour mesurer la réaction des ménages à des chocs de revenus (Ouvrir dans un nouvel ongletBaker et alii, 2020), qu’ils soient permanents (hausse de salaire, passage à la retraite) ou temporaires (épisode de chômage, allocation exceptionnelle, prime inflation). Il est possible de savoir si les ménages peuvent puiser dans leur épargne ou doivent se résoudre à diminuer leur consommation à la suite d’un choc de revenu. Elles participent donc à l’évaluation de politiques publiques. À ce titre, ces données ont déjà permis d’évaluer les impacts financiers, distributifs et environnementaux des remises sur le carburant mises en place par le gouvernement à la suite des fortes variations de prix consécutives à la guerre en Ukraine (Adam et alii, 2023, figure 4).

Figure 4 - Prix et consommation de carburant entre septembre 2021 et janvier 2023, vairations quotidiennes par rapport à la moyenne sur la période

Ces données ont également permis d’étudier l’évolution de la situation financière des ménages au jour le jour (Bonnet et alii, 2023), illustrant les contraintes de liquidité qui pèsent sur ceux-ci au fil du mois : parmi eux, combien sont dans le rouge la veille du jour de paie (figure 5) ? Enfin, elles permettent de mesurer les achats à l’étranger des résidents français, et donc d’étudier les questions de tourisme, d’achats transfrontaliers et d’évitement des taxes pour des biens tels que le tabac (Hillion, 2024) ou le carburant (Adam et alii, 2024).

Figure 5 - Part des ménages à découvert au fil du mois

Les données bancaires sont donc une source d’information riche, et ont le grand avantage, par rapport aux enquêtes, d’épargner au statisticien public (et aux comptes publics) les coûts liés au processus de collecte. L’inconvénient principal est la perte de la maîtrise du processus (Rivière, 2018). Tout comme les données administratives, les données bancaires existent à des fins de gestion, indépendamment des besoins statistiques. Par conséquent, le champ et les variables de ces données ne répondent pas nécessairement aux besoins du statisticien. La construction conjointe des bases avec les banques ne permet que partiellement de résoudre ce problème du fait de la nature des données d’origine.

Le champ étudié dans les données bancaires correspond aux clients de la banque et n’est donc pas représentatif de la population française. Il exclut par définition les personnes non titulaires d’un compte bancaire, mais chaque banque peut aussi se spécialiser différemment sur certains segments de la population. Avoir les données de deux banques aux clientèles différentes est un atout pour répondre à cet enjeu. Des comparaisons avec des sources externes permettent également de quantifier l’ampleur du biais. En termes de revenus, de patrimoine et de consommation, la clientèle de CMAF apparaît en moyenne un peu plus aisée que la population générale et celle de LBP un peu moins. Cependant les clientèles des deux banques présentent une diversité importante qui semble couvrir une large partie du spectre économique des ménages français. L’analyse des catégories socioprofessionnelles disponibles dans les fichiers bancaires pointe une surreprésentation des étudiants et une sous-représentation des retraités ; cela peut résulter d’un biais de représentativité ou d'un délai de mise à jour de la situation professionnelle.

Afin de corriger ce biais potentiel, l’échantillon peut être calé sur l’âge quinquennal, le sexe et le département. Ces variables sont les seules pour lesquelles il est certain que la définition est la même entre l’échantillon bancaire et la source de référence. Le calage contribue à tendre vers un échantillon plus représentatif de la population ; mais faute d’avoir les données de l’ensemble des banques, l’échantillon ne peut pas respecter les standards de représentativité des enquêtes. Il est donc impossible de produire des chiffres « officiels » sur l’évolution des revenus, de l’épargne ou de la consommation à partir de ces données bancaires.

Outre la question de la représentativité, les informations sur les ménages et leur situation économique provenant des données bancaires sont incomplètes (Ouvrir dans un nouvel ongletBaker et alii, 2020). Certains clients peuvent disposer de plusieurs comptes dans différentes banques, ce qui peut conduire à sous-estimer leurs revenus, leurs dépenses, mais surtout leur patrimoine financier (notamment en cas de détention d’assurances-vie). L’enquête Histoire de Vie et Patrimoine mesure l’ampleur du phénomène qui se concentre surtout chez les ménages aux plus hauts revenus : les 10 % de ménages aux plus hauts revenus détiennent 60 % de leur patrimoine financier au sein de leur banque principale, contre 90 % pour les 10 % aux revenus les plus faibles. De plus, le patrimoine immobilier est inconnu. Pour réduire ce problème de complétude, des chercheurs utilisent parfois des données d’application qui agrègent les comptes des clients des différentes institutions bancaires (Ouvrir dans un nouvel ongletOlafsson et Pagel, 2018). Cependant, les utilisateurs d’une telle application bancaire sont probablement moins représentatifs de la population générale que les clients d’une banque dans leur ensemble.

Contrairement aux enquêtes, les données bancaires ne permettent pas une mesure directe des concepts usuels de la statistique publique. Alors que le statisticien souhaite mesurer les revenus, l’épargne et la consommation, la banque enregistre des flux entrants ou sortants par type de moyen de paiement. Et alors que le statisticien souhaite calculer des statistiques par ménage, les données bancaires permettent, dans le meilleur des cas, un regroupement des membres du ménage bancarisés au sein de l’établissement bancaire considéré.

Précisément, la notion de ménage est approchée par celle de groupe famille, qui repose sur des informations transmises au conseiller et sur la détention de comptes joints. La taille des ménages est donc sous-estimée, car le conjoint et les enfants ne sont pas toujours intégrés dans le ménage, notamment s’ils n’ont pas de compte ouvert dans cette banque. Les revenus mensuels sont mesurés à partir des flux entrants, mais cette mesure inclut des transferts qui ne correspondent pas tous à des revenus, tels que des transferts entre comptes d’un même individu dans des banques différentes. La catégorisation des virements (pension de retraite, allocation de chômage, prestation sociale, salaire, etc.) distingue certains types de revenus au sein des virements entrants. Mais si le repérage des revenus de remplacement semble fiable, comme les revenus d’allocations chômage qui proviennent de France Travail, celui des revenus d’activité l’est moins, tout comme celui des revenus du capital ; par exemple, les loyers versés entre particuliers ne peuvent être distingués de transferts réguliers entre membres d’une même famille n’appartenant pas à la même banque. Les dépenses mensuelles peuvent être mesurées par la somme des dépenses par carte, des retraits (au distributeur ou au guichet), et de certains prélèvements. Le fait d’exclure les chèques et les virements émis conduit à sous-estimer les dépenses. Cependant, inclure tous les virements, chèques et prélèvements conduirait à surestimer les dépenses, tel qu’en cas de virement à soi-même ou de prélèvement de remboursement de crédit. La nature des dépenses n’est pas toujours facile à identifier. La catégorisation des dépenses par carte ne permet qu’imparfaitement d’identifier la structure du panier de consommation. Seul le type de vendeur est connu mais pas le détail des biens achetés. Or, un supermarché, par exemple, vend des biens très divers.

Les exploitations des données bancaires sont encore récentes. Elles se sont révélées précieuses lors de la période exceptionnelle de la crise sanitaire, mais la statistique publique doit encore prouver sa capacité à les utiliser dans le cadre d’un usage conjoncturel pérenne.

Les questions de volatilité des indicateurs, de représentativité partielle, ou de complétude peuvent apparaître secondaires dans l’étude d’un choc aussi violent que la crise sanitaire ou la crise inflationniste. Le bruit provenant de dynamiques saisonnières et d’imprécisions inhérentes à ces données est alors de deuxième ordre par rapport aux variations subies par l’économie. En période de moins grandes turbulences, ces limites sont plus problématiques et pourraient conduire à tirer des enseignements erronés sur la conjoncture. L’enjeu est d’autant plus important que la profondeur temporelle de ces données demeure faible. À terme, avec des séries de plus longue période, il sera possible de neutraliser une partie du bruit en désaisonnalisant. La désaisonnalisation pourrait même être journalière, plutôt que mensuelle, afin de bénéficier de la grande fréquence de ces données.

Un autre inconvénient d’utiliser des données privées par rapport à des données d’enquêtes est l’absence de garantie sur la pérennité des partenariats : les conventions précisent que les deux partenaires peuvent mettre fin à la collaboration à tout moment.

Au-delà de ces incertitudes, la méthode d’échantillonnage doit également permettre un rafraîchissement de la clientèle étudiée. Le premier échantillonnage avait été pensé pour des études ponctuelles sur la crise sanitaire. Les premières publications de l’Insee à partir des données bancaires reposaient sur un échantillon de clients issus de la clientèle de 2019-2020 de chaque banque. Pour une exploitation pérenne, il est cependant nécessaire de rafraîchir l’échantillon par l’ajout de nouveaux clients, pour éviter un biais d’attrition (certains clients disparaissent) et de vieillissement (avec un risque de décalage de la distribution des revenus observés). Ces deux biais s’aggravant avec le temps, une nouvelle méthodologie d’échantillonnage inspirée du plan de sondage de l’échantillon démographique permanent (EDP) a été mise en place. Cette nouvelle méthode permet un rafraîchissement régulier, mensuel, en ajoutant au fil du temps les clients qui entrent dans le champ du plan de sondage. Ce nouvel échantillon ouvre des perspectives pérennes à l’utilisation de ces données.

Les études réalisées depuis quatre ans à partir des données bancaires ont permis de mieux cerner leur potentiel et leurs limites. Elles renseignent en temps réel sur les revenus, la consommation et le patrimoine de centaines de milliers de ménages et permettent ainsi de documenter l’évolution de la situation financière des ménages à la suite de chocs conjoncturels ou individuels. En revanche, malgré leur richesse, elles ne peuvent pas remplacer les enquêtes. Les principales limites sont les suivantes : la clientèle d’une banque n’est jamais totalement représentative de la France entière (certains ménages ne détiennent d’ailleurs aucun compte en banque), les différents types de biens achetés dans une enseigne sont inconnus des banques, les données d’une seule banque ne donnent qu’une vision partielle des flux et du patrimoine des clients multi-bancarisés. Par ailleurs, pour l’instant, le statisticien ne dispose pas de suffisamment de recul pour désaisonnaliser ces données et donc pour exploiter tout le potentiel qu’offre leur très grande fréquence.

À terme, certaines limites peuvent cependant être partiellement surmontées. Ainsi, pour mieux connaître leurs clients, les banques enrichissent continûment leurs données. Chaque amélioration de la catégorisation des flux sur les comptes est un pas supplémentaire vers une identification des revenus et des dépenses tels qu’usuellement définis dans la statistique publique. Chaque information collectée par le conseiller améliore également le regroupement des clients d’un même ménage. Nourrir les partenariats existants, et en développer de nouveaux, permettra de gagner en représentativité et d’acquérir une vision plus complète des comptes des personnes multi-bancarisées. Enfin, avec des partenariats plus anciens, la profondeur temporelle des données augmente : de deux ans à la naissance des partenariats, l’historique disponible des clients est désormais de plus de cinq ans.