Le redlining désigne une pratique discriminatoire née dans les années 1930 aux États-Unis. À l'origine, les banques traçaient littéralement une ligne rouge sur les cartes urbaines autour des quartiers minoritaires pour leur refuser systématiquement l'accès aux prêts immobiliers. Privées de financement, ces zones ont été plongées dans un cercle vicieux d'appauvrissement.
Au fil du temps, cette exclusion directe a muté vers le « reverse redlining » : au lieu de refuser le crédit, les établissements financiers se sont mis à cibler ces populations vulnérables pour leur vendre des prêts prédateurs (subprimes) assortis de taux d'intérêt exorbitants, de frais cachés et de clauses abusives. Des géants bancaires comme Wells Fargo ou Bank of America ont ainsi écopé de lourdes sanctions financières pour avoir exploité ces zones défavorisées.
Aujourd'hui, l'émergence du « redlining numérique » pose un risque majeur : l'automatisation et l'invisibilisation de cette discrimination. En confiant l'évaluation des crédits à des algorithmes d'IA en apparence neutres, les banques s'exposent, et exposent les emprunteurs, au danger des « variables de substitution ». En analysant des données secondaires (codes postaux, universités, habitudes d'achat), ces modèles identifient indirectement l'origine sociale ou ethnique des candidats, risquant ainsi de perpétuer et d'industrialiser les biais historiques sous couvert d'objectivité technologique.
