Predictive Modeling of Early Dormancy in New Digital Banking Relationships in Morocco: Contribution of Open Banking in Reducing Customer Inactivity La modélisation prédictive du gel précoce des nouvelles entrées en relation de la banque digitale au Maroc : Apport de l'open banking dans la réduction de l'inactivité client En Fr

Résumé En Fr

This research examines the emergence and evolution of neo-banks in Morocco through an in-depth qualitative analysis based on grounded theory. In the context of digital transformation in the Moroccan banking sector, our study explores the mechanisms of adaptation of banking distribution models to local sociocultural specificities. Through a series of semi-structured interviews conducted with 45 participants representing different sector stakeholders, this research highlights the complex dynamics between technological innovation and local cultural requirements. Data analysis, performed using NVivo software, reveals the emergence of a distinctive hybrid model, characterized by a synthesis between advanced digitalization and maintenance of traditional interpersonal relationships. The results emphasize the importance of local adaptation in the success of neo-banks in Morocco, while identifying key factors of resistance and adoption. This study contributes to understanding digital transformation processes in emerging markets and proposes a conceptual framework for analyzing banking innovation in specific cultural contexts.

Cette recherche examine le phénomène de gel précoce des comptes bancaires numériques au Maroc, caractérisé par une inactivité significative dans les trois premiers mois suivant l'entrée en relation. Face aux enjeux de rentabilité et de satisfaction client que ce phénomène soulève, l'étude propose un modèle prédictif intégrant les données issues de l'open banking pour identifier et prévenir l'inactivité précoce. À travers une méthodologie mixte combinant analyse rétrospective de données transactionnelles et suivi longitudinal d'une cohorte de 150 nouveaux clients d'une banque digitale marocaine, la recherche caractérise les profils à risque et évalue la contribution marginale des données multi-bancaires dans l'amélioration des capacités prédictives. Trois approches de modélisation sont comparées : un modèle de référence utilisant uniquement les données internes de la banque, un modèle enrichi par l'open banking, et un modèle hybride avancé intégrant des techniques de deep learning. Les résultats révèlent que l'intégration des données d'open banking améliore la précision prédictive de 16,4%, offrant aux institutions financières digitales marocaines des outils opérationnels pour renforcer l'engagement client dès les premières étapes de la relation bancaire.