> ## Documentation Index
> Fetch the complete documentation index at: https://docs.creditbenchmark.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Probabilité de défaut (PD) consensuelle

> La PD consensuelle brute est ainsi convertie en une valeur CCR100, offrant une analyse de crédit plus fine au travers de 101 tranches, contre les 21 notes alphabétiques standard.

L'[Consensus Credit Rating](/methodology/consensus-credit-rating) e une **probabilité de défaut (PD)** moyenne brute à l'une des 21 tranches de notation alphabétique. Ce format convient à la plupart des cas d'utilisation — mais 21 catégories peuvent s'avérer trop grossières lorsque vous devez détecter de légères variations au sein d'une même note, ou classer des entités se situant dans la même tranche CCR.

L'échelle secondaire `CCR100` résout ce problème. Elle préserve davantage le signal de PD sous-jacent en répartissant la même PD brute de consensus dans 101 tranches plus étroites au lieu de 21.

## Publication du CCR100

La publication d’une valeur CCR100 s’effectue en deux étapes. L’étape 1 est décrite en détail sur la page « [Consensus Credit Rating](/methodology/consensus-credit-rating) » ; cette page se concentre sur l’étape 2.

<Steps>
  <Step title="PD brutes → Moyenne consensuelle des PD">
    Les PD TTC contribués sont moyennées sur l’ensemble des banques :

    $$
    \text{Consensus PD} = \frac{1}{N} \sum_{i=1}^{N} PD_i
    $$
  </Step>

  <Step title="Consensus PD moyenne → PD médiane du CCR100">
    Cette moyenne est ensuite transmise via une `CCR100` table de correspondance :
  </Step>
</Steps>

$$
\text{CCR100 PD} = f(\text{Consensus PD})
$$

Les tranches sont indexées de 1 à 101, où 101 correspond à la valeur par défaut.

<Info>
  En tant que valeur issue d’une table de correspondance, le PD médian publié est discret plutôt que continu. En pratique, il est généralement très proche de la moyenne brute – mais ne lui correspond pas toujours exactement.
</Info>

## Quand utiliser le CCR100

Utilisez le CCR principal pour la classification de crédit, le reporting et tout contexte où une note alphabétique constitue le résultat approprié. Utilisez le CCR100 lorsque vous devez :

* **Classer les entités au sein d'un même groupe CCR** — deux entités ayant toutes deux des notations `bbb` peuvent occuper des positions sensiblement différentes au sein de cette catégorie
* **Suivre les variations mineures** — une variation qui ne franchit pas un seuil CCR apparaîtra tout de même dans le groupe CCR100
* **Alimenter des modèles quantitatifs** — la PD moyenne sous-jacente et le point médian du CCR100 constituent des données continues plus adaptées qu’une note alphabétique catégorielle

Pour les définitions au niveau des champs, consultez le document «[Dictionnaire des données](/data/data-dictionary)».