Au cours des dernières années, les initiatives pédagogiques, la technologie et les efforts de transparence ont rendu la compréhension des produits structurés relativement aisée. La complexité du payoff, par exemple, n’est plus une objection majeure. Du moins sur le papier. Toutefois, au vu de ce qu’il produit dans un portefeuille, même un produit simple peut devenir nettement plus difficile à appréhender. Il semble que le problème tienne à la multiplication des facteurs qui déterminent son comportement: le sous-jacent, la volatilité, les corrélations, le financement, la liquidité ou la couverture. Même la nature des actifs placés derrière la structure peut poser problème.
Ainsi, à la question: «Quel est le risque de ce produit?» se juxtapose une question dont la réponse n’est pas évidente: «Comment le risque se comportera-t-il, lorsque le régime de marché aura changé?» C’est probablement là que se situe aujourd’hui une partie de la véritable différenciation entre émetteurs. Deux banques peuvent proposer des produits présentant un sous-jacent, une maturité, un coupon ou une barrière comparables. Leur capacité à comprendre ce qui se passe lorsque la volatilité augmente, lorsque la liquidité disparaît ou lorsque plusieurs facteurs de risque deviennent simultanément défavorables peut pourtant être très différente. L’investisseur n’est donc plus seulement tenu de savoir ce que promet le produit, mais aussi ce que l’émetteur est capable de comprendre lorsque le produit cesse de se comporter comme prévu.
L’avantage compétitif ne réside plus simplement dans la quantité de données disponible, mais dans la capacité à les transformer en décision.
Bloomberg Professional Services observe d’ailleurs que l’analyse du risque devient progressivement un facteur de différenciation pour les desks du sell-side. Lorsqu’un produit est lié à plusieurs facteurs de marché, le pricing n’est que le début du problème. À l’approche d’une barrière ou d’un niveau d’autocall, les sensibilités peuvent évoluer rapidement et modifier les besoins de couverture. L’avantage compétitif ne réside plus simplement dans la quantité de données disponible, mais dans la capacité à les transformer en décision, avant que le marché ne bouge davantage.
Le cas limite: les structures multi-collatérales
La difficulté est encore plus visible à une autre échelle, avec les nouvelles structures de crédit. ION Analytics/Creditflux fait état du développement des véhicules de crédit multi-collatéraux de prochaine génération AMAPS d’Apollo, dont les cinq premiers véhicules auraient déjà levé plus de 25 milliards de dollars. Ces structures combinent plusieurs catégories d’actifs et ne rentrent pas facilement dans les classifications traditionnelles. Les agences de notation elles-mêmes ne les analysent pas de manière identique. Moody’s et KBRA s’appuient sur une approche de type «collateralized fund obligation» (CFO), Fitch les traite comme des collateralized loan obligations (CLO), tandis que S&P les considère explicitement comme des hybrides.
Le marché peut produire un comportement que le prospectus, le modèle et la réglementation ne capturent pas de façon optimale.
Ce n’est pas seulement une question de terminologie. La classification détermine en partie la manière dont les investisseurs peuvent détenir un produit, le capital qu’ils doivent lui consacrer et les hypothèses utilisées pour apprécier son risque. C’est précisément la question à laquelle la National Association of Insurance Commissioners (NAIC) est désormais confrontée. Certains de ces véhicules peuvent-ils continuer à bénéficier du traitement réservé aux obligations, alors même que leur diversification en actifs et leurs caractéristiques de flux peuvent introduire des risques différents de ceux d’un CLO traditionnel? Le risque d’asset-liability mismatch fait partie des préoccupations soulevées. Et si deux structures possèdent des actifs différents, leurs corrélations peuvent changer en période de stress. Une diversification apparente peut alors ne pas produire la même protection lorsque les marchés deviennent fortement corrélés.
La documentation décrit des catégories, pas des comportements
Le même phénomène apparaît du côté réglementaire. En Europe, les principales modifications de l’EU Prospectus Regulation sont entrées en vigueur le 5 juin 2026 et touchent les prospectus des produits structurés vendus aux investisseurs européens, tandis qu’une modernisation du KID/PRIIPs est attendue. Au Royaume-Uni, le nouveau régime Consumer Composite Investments (CCI), qui remplace PRIIPs, est entré en vigueur le 6 avril 2026 et couvre explicitement les produits structurés.
Ces évolutions répondent à un besoin évident de transparence. Mais elles soulèvent une question plus difficile, qui consiste à savoir jusqu’où peut-on décrire correctement un produit avec une documentation standardisée lorsque son risque dépend de relations dynamiques entre plusieurs facteurs? Le prospectus décrit la structure, le modèle calcule ses sensibilités et le cadre réglementaire détermine son traitement. Mais le marché, lui, peut encore produire un comportement que ces trois niveaux ne capturent pas de façon optimale.
L’innovation dans les produits structurés ne pose ainsi pas uniquement un problème de complexité. Elle pose un problème de classification, de modélisation et, finalement, de lisibilité du risque. Et lorsque les produits évoluent plus rapidement que les catégories utilisées pour les décrire, la véritable sophistication ne consiste probablement plus à créer des structures toujours plus complexes. Elle consiste à savoir dans quelle mesure les catégories existantes permettent encore de comprendre ce que l’on vient de créer.