Imaginez une ville géante et vivante où chaque maison est le personnage d'une histoire massive et chaotique. Il ne s'agit pas seulement de briques et de mortier ; il s'agit des cordes financières invisibles qui lient les gens à leurs foyers. Dans le monde de l'économie, les scientifiques tentent souvent de comprendre ces histoires en observant la personne « moyenne », comme si tout le monde était des jumeaux identiques vivant dans des maisons identiques. Mais la vie réelle est désordonnée. Les gens ont des emplois différents, des épargnes différentes et vivent dans des quartiers dont la valeur monte et descend à des ryths différents. Pour comprendre comment les familles pourraient perdre leur maison ou rembourser leurs prêts par anticipation, les chercheurs utilisent un outil spécial appelé « Modèle à base d'agents ». Considérez cela comme une simulation de jeu vidéo ultra-avancée où des milliers de personnages numériques uniques (des agents) prennent leurs propres décisions en fonction de leur propre argent, de leur propre quartier et des règles de la banque. En observant cette ville numérique se dérouler, les scientifiques peuvent voir comment de petits changements dans les taux d'intérêt ou les prix de l'immobilier peuvent provoquer un effet de ricochet, transformant quelques familles en difficulté en une crise à l'échelle de la ville. Cela importe car lorsque trop de personnes ne peuvent plus payer leurs prêts hypothécaires, cela ne fait pas que leur nuire ; cela peut ébranler toute l'économie, rendant plus difficile pour n'importe qui d'obtenir un prêt ou d'acheter une maison.

Le document que vous allez lire plonge dans cette ville numérique, mais avec un cadre très spécifique : Ankara, en Turquie. Les auteurs, Bilgi Yilmaz et Berna N. Yilmaz, ont construit une simulation personnalisée pour comprendre pourquoi certains propriétaires de cette ville sont plus susceptibles de perdre leur maison que d'autres. Ils n'ont pas seulement regardé les gens ; ils ont regardé les lieux. Ils ont réalisé qu'une maison dans un quartier chic et central se comporte très différemment d'une maison dans une banlieue lointaine, même si les documents hypothécaires se ressemblent. Ils ont également dû tenir compte des règles uniques du système bancaire turc, où le gouvernement fixe des limites strictes sur la quantité d'argent que vous pouvez emprunter par rapport à la valeur de votre maison, et où la loi permet aux banques de vous poursuivre pour vos autres actifs si vous arrêtez de payer.

Voici l'histoire de ce qu'ils ont trouvé, racontée à travers le prisme de leur expérience numérique.

La Mise en Place : Une Ville de Ménages Numériques

Les chercheurs ont créé un Ankara virtuel avec 3 200 ménages numériques. Chaque ménage a reçu un profil unique : un revenu spécifique qui croît (ou décroît) au fil du temps, une maison spécifique dans l'un de dix districts différents, et un prêt hypothécaire. La simulation s'est déroulée sur cinq ans (60 mois) dans le monde numérique.

Pour rendre cela réaliste, ils ont alimenté le modèle avec des données réelles provenant de 11 092 annonces immobilières réelles à Ankara. Cela a permis de cartographier exactement le prix des maisons dans différents quartiers. Ils ont découvert qu'une maison dans le district central de Çankaya valait presque deux fois plus qu'une maison de taille similaire dans le district de Sincan. Ce « tri spatial » signifiait que l'endroit où vous viviez était tout aussi important que le montant de vos revenus.

Ils ont également programmé le modèle avec la réalité des taux d'intérêt turcs. Ces dernières années, ces taux ont été incroyablement élevés, oscillant autour de 39 % par an. Dans la simulation, cela a créé un problème unique : comme le taux d'intérêt était si élevé, les mensualités servaient presque entièrement à rembourser l'intérêt, et non le montant réel du prêt. C'était comme essayer de remplir une baignoire avec un tuyau qui fuit ; vous versez de l'eau, mais le trou (l'intérêt) est si grand que le niveau de l'eau (votre capital/équité) augmente à peine.

Les Règles du Jeu

Les propriétaires numériques avaient deux choix principaux à faire pendant la simulation :

1. Refinancer : Si les taux d'intérêt baissaient, ils pouvaient essayer d'échanger leur prêt coûteux contre un prêt moins cher. Mais il y avait un piège : la banque ne dirait « oui » que si le propriétaire avait accumulé suffisamment de capital (au moins 15 % de la valeur de la maison). Si la valeur de la maison chutait trop bas, la banque fermerait la porte, peu importe l'argent que le propriétaire voulait économiser.
2. Défaut de paiement : Si la maison perdait de la valeur et que le propriétaire ne pouvait plus payer, il pouvait abandonner. Mais en Turquie, abandonner n'est pas gratuit. En raison des lois de « recours intégral » (full recourse), la banque pouvait poursuivre le propriétaire pour ses autres économies ou actifs. Cela faisait de la décision de faire défaut un choix effrayant et à enjeux élevés, et non un simple problème mathématique.

La Simulation du Grand Krach

Pour tester le système, les chercheurs ont introduit un choc soudain et désagréable au point de repère de 24 mois (deux ans de simulation). Ils ont simulé une chute de 14 % des prix de l'immobilier dans toute la ville. Dans le monde réel, c'est comme une tempête économique soudaine qui fait que la valeur de la maison de chacun diminue du jour au lendemain.

C'est ici que l'histoire devient intéressante. Les auteurs ont découvert que le propriétaire « moyen » était en fait assez en sécurité. Même avec cette baisse de prix de 14 %, l'emprunteur médian possédait encore assez de capital pour continuer à payer. La simulation a montré que l'amortissement lent (le fait qu'ils ne remboursaient pas le capital rapidement) combiné aux valeurs initiales élevées des maisons signifiait qu'une baisse modérée des prix n'était pas suffisante pour les briser.

Cependant, l'histoire change complètement pour le groupe à haut risque.

Les chercheurs ont découvert que le danger n'était pas réparti uniformément dans la ville. Il était concentré entre les mains de ceux qui avaient commencé avec les prêts les plus élevés. Ils ont examiné les emprunteurs dans le quartile supérieur (les 25 % supérieurs) des ratios prêt/valeur — ceux qui ont emprunté le plus d'argent par rapport à la valeur de leur maison. Lorsque le choc de prix a frappé, ce groupe n'a pas seulement lutté ; il s'est effondré.

Dans la simulation, lorsque les prix des maisons ont chuté, les emprunteurs à fort levier ont vu leur capital disparaître instantanément. Comme ils avaient emprunté énormément dès le départ, une petite baisse de prix les a plongés profondément dans une « équité négative » (devoir plus que la maison ne vaut). Comme ils avaient également des mensualités élevées par rapport à leurs revenus, ils ont déclenché un « double déclencheur » : ils étaient sous l'eau financièrement et ils ne pouvaient pas assumer les paiements.

Les Trois Grandes Découvertes

La simulation a révélé trois leçons principales sur le fonctionnement de cette ville numérique :

1. Les taux d'intérêt élevés créent un piège de « démarrage lent »
Parce que les taux d'intérêt étaient très élevés (environ 39 % par an), les emprunteurs remboursaient leurs prêts incroyablement lentement. Au cours des cinq premières années, l'emprunteur moyen n'avait remboursé qu'environ 13 % de son solde de prêt réel. Cela signifiait que pendant une longue période, leur « filet de sécurité » (capital) était très mince. Si les prix de l'immobilier chutaient, ils n'avaient presque aucun coussin pour absorber le choc. Le document suggère que dans les environnements à taux d'intérêt élevés, le risque de défaut est moins lié au changement du taux d'intérêt qu'à la baisse du prix de la maison, car le solde du prêt reste obstinément élevé.

2. L'emplacement est primordial
Le document écarte explicitement l'idée que toutes les maisons d'une ville réagissent de la même manière. La simulation a montré que parce que différents districts croissaient à des rythmes différents, deux voisins ayant des prêts hypothécaires identiques pouvaient avoir des destins totalement différents. Un emprunteur dans un district à forte croissance et à haute valeur pourrait accumuler du capital rapidement et être capable de refinancer. Un emprunteur dans un district à croissance plus lente et à faible valeur pourrait rester bloqué. Le « tri spatial » signifiait que la vulnérabilité financière ne concernait pas seulement la personne, mais aussi le quartier.

3. Le « Mur de Refinancement »
Ceci fut une découverte cruciale. La simulation a montré que de nombreux propriétaires voulaient refinancer pour économiser de l'argent lorsque les taux baissaient, mais ils ne pouvaient pas. La règle de la banque (une limite de 85 % de prêt/valeur) agissait comme un mur. Si la valeur de la maison d'un propriétaire chutait même un peu, il heurtait ce mur et était exclu du refinancement, même si cela lui aurait permis d'économiser des milliers de dollars. Les auteurs ont trouvé que cette barrière réglementaire piégeait de nombreux ménages dans des prêts coûteux, les rendant plus susceptibles de faire défaut lorsqu'un choc de prix survenait.

Le Verdict : Qui est Blessé ?

Lorsque la poussière est retombée après le krach simulé, les résultats sont frappants.

• La Zone de Sécurité : Les emprunteurs qui ont commencé avec des prêts plus faibles (les 75 % inférieurs du groupe) ont été largement épargnés. Ils pouvaient refinancer ou continuer à payer.
• La Zone de Danger : Les 25 % d'emprunteurs supérieurs (ceux avec les prêts initiaux les plus élevés) ont été ceux qui ont perdu leur maison. Lors du test de résistance, plus de la moitié de ce groupe a fait défaut.

Le document suggère que l'idée de « défaut stratégique » (où les gens abandonnent simplement parce qu'ils ne veulent pas payer) est moins courante sur ce marché qu'ailleurs, comme aux États-Unis. Pourquoi ? À cause de la règle du « recours intégral ». Les ménages numériques savaient que s'ils abandonnaient, la banque pourrait saisir leurs autres actifs. Ils ne faisaient donc défaut que lorsqu'ils étaient véritablement ruinés et sous l'eau, et non simplement parce qu'ils le souhaitaient.

Ce que cela signifie pour le monde réel

Les auteurs concluent que nous ne pouvons pas nous contenter de regarder la personne moyenne pour comprendre le risque hypothécaire. Nous devons examiner le mélange spécifique de taux d'intérêt élevés, de règles bancaires strictes et de prix locaux de l'immobilier. Ils ont trouvé que dans un environnement de taux d'intérêt élevés, le système est fragile pour ceux qui ont emprunté le plus. Une petite baisse des prix de l'immobilier peut pousser les familles les plus endettées dans le gouffre, tandis que le reste de la ville reste debout.

La simulation a également laissé entendre que si le gouvernement ou les banques assouplissaient la règle stricte du « 85 % de prêt/valeur », davantage de personnes pourraient être en mesure de refinancer et d'éviter le défaut de paiement. Mais, comme le note le document, c'est un équilibre délicat ; assouplir trop les règles pourrait encourager les gens à emprunter trop dès le départ.

En fin de compte, cette histoire numérique d'Ankara nous enseigne que dans un monde complexe et à taux d'intérêt élevés, votre prêt hypothécaire n'est pas seulement un contrat avec une banque. C'est une marche sur la corde raide où votre équilibre dépend du quartier où vous vivez, de la vitesse à laquelle vous remboursez votre dette et des murs invisibles construits par les réglementations bancaires. Et pour ceux qui marchent sur la corde raide avec le moins de filet de sécurité, un seul coup de vent peut suffire à les faire tomber.