Simulation Monte Carlo : modéliser l'épargne d'un client avec l'inflation

Combien vaudra réellement l'épargne de votre client dans 25 ans ? Une projection « rendement moyen de 4 % par an » donne une réponse fausse de précision : elle ignore la volatilité des marchés et l'érosion de l'inflation. La simulation Monte Carlo répond autrement, non pas par un chiffre unique, mais par une probabilité de réussite. C'est aujourd'hui la méthode de référence pour modéliser l'épargne avec l'inflation et bâtir un conseil patrimonial robuste, défendable et personnalisé. Ce guide vous explique la méthode pas à pas, avec un exemple chiffré et le cadre réglementaire applicable au CGP. Pour relier cette projection à un objectif retraite concret, voyez aussi notre méthode pour estimer la retraite de votre client en rendez-vous.

Qu'est-ce qu'une simulation de Monte Carlo en gestion de patrimoine ?

La simulation de Monte Carlo est une méthode statistique qui modélise l'incertitude en générant des milliers de trajectoires aléatoires d'un même scénario. Appliquée à l'épargne, elle ne calcule pas une projection, mais en simule des milliers, chacune tirant au hasard un rendement annuel et un taux d'inflation dans une distribution de probabilités cohérente avec l'historique des marchés.

Le résultat n'est donc pas « votre capital vaudra 480 000 € », mais « dans 87 % des scénarios simulés, l'objectif de votre client est atteint ». Ce taux de réussite est l'indicateur clé. Il transforme une promesse implicite en une probabilité explicite, ce qui change radicalement la qualité du conseil.

Concrètement, une simulation patrimoniale prend en compte la répartition des rendements par classe d'actifs, les taux d'inflation, la fiscalité, les versements programmés et, en phase de décumulation, les retraits du client. Elle répond à des questions que la projection linéaire ne peut pas traiter : « Quel est le risque que le capital s'épuise avant 95 ans ? » ou « Quel effort d'épargne mensuel sécurise l'objectif à 90 % ? »

Pourquoi une projection déterministe ne suffit plus

La projection « déterministe » applique un rendement moyen constant, année après année. Elle est simple, lisible… et trompeuse. Le problème tient à un phénomène mathématique : la séquence des rendements compte autant que leur moyenne, surtout en phase de retrait.

Prenons deux portefeuilles qui affichent le même rendement moyen sur 20 ans. Le premier enchaîne deux mauvaises années au démarrage de la retraite, le second les subit à la fin. À versement de retraits identiques, le premier client peut épuiser son capital tandis que le second termine confortablement. La moyenne est la même, le résultat est opposé : c'est le risque de séquence, invisible dans une projection linéaire.

Les limites concrètes d'une projection déterministe sont les suivantes :

• Elle ignore la volatilité : un rendement « moyen » de 5 % masque des années à +25 % et d'autres à −18 %.
• Elle masque le risque de séquence : deux mauvaises années en début de décumulation peuvent compromettre tout le plan.
• Elle donne une fausse certitude : un chiffre unique laisse croire à une garantie, ce qui fragilise le devoir de conseil.
• Elle ne quantifie pas le risque d'épuisement : impossible de dire au client « il y a 1 chance sur 5 de manquer de capital à 90 ans ».

La méthode Monte Carlo corrige ces angles morts en intégrant la dispersion réelle des marchés. Pour aller plus loin sur l'écart entre objectif et ressources, consultez notre article sur le gap de revenus retraite et le calibrage de l'effort PER.

Intégrer l'inflation dans la modélisation de l'épargne

Une projection qui oublie l'inflation surestime systématiquement le pouvoir d'achat futur du capital. Or c'est précisément le pouvoir d'achat qui intéresse le client : pouvoir maintenir son train de vie, pas afficher un nombre nominal flatteur.

L'effet est massif sur le long terme. Avec une inflation moyenne de 2 % par an (cible de la Banque centrale européenne), un euro perd près de 40 % de sa valeur réelle sur 25 ans : 100 000 € d'aujourd'hui n'en « valent » plus qu'environ 61 000 en pouvoir d'achat. À 3 % d'inflation, la valeur réelle tombe sous 48 000 €.

Deux approches existent pour intégrer l'inflation dans une simulation. La plus rigoureuse consiste à raisonner en euros constants : on déflate chaque trajectoire pour exprimer tous les montants en pouvoir d'achat d'aujourd'hui. La seconde fait varier l'inflation comme une variable aléatoire propre, corrélée aux rendements obligataires. Dans les deux cas, on indexe également les versements et les objectifs de retrait, sans quoi la simulation compare des euros de générations différentes. Les chiffres d'inflation publiés par l'INSEE constituent une base de référence solide pour calibrer ces hypothèses.

Construire une simulation Monte Carlo : la méthode pas à pas

Une simulation patrimoniale crédible repose sur des hypothèses explicites et traçables. Voici les six étapes de construction que tout CGP peut suivre :

1. Définir l'objectif et l'horizon : montant cible, âge de départ en retraite, durée de décumulation (souvent jusqu'à 95 ans pour couvrir le risque de longévité).
2. Cartographier les flux : capital initial, versements programmés (indexés sur l'inflation), puis retraits annuels une fois la retraite venue.
3. Paramétrer l'allocation : pour chaque classe d'actifs (actions, obligations, fonds euros, immobilier), fixer un rendement espéré et une volatilité réalistes.
4. Modéliser l'inflation : en euros constants ou comme variable aléatoire corrélée, avec une moyenne autour de 2 %.
5. Lancer les trajectoires : entre 1 000 et 10 000 scénarios, chacun tirant au hasard rendements et inflation année par année.
6. Lire le taux de réussite : proportion de scénarios où le capital n'est pas épuisé avant la fin de l'horizon, complété par les percentiles (médiane, 10e et 90e).

La qualité des hypothèses prime sur la sophistication du moteur de calcul. Un rendement espéré trop optimiste ou une volatilité sous-estimée fausse tout le résultat. C'est pourquoi la documentation des hypothèses est aussi importante que le chiffre final, en particulier au regard du devoir de conseil. Pour relier la projection au choix des enveloppes, voyez notre guide pour choisir l'enveloppe selon le profil du client.

Exemple chiffré : sécuriser la retraite d'un client

Prenons un cas concret. Votre cliente, cadre de 45 ans, dispose de 80 000 € d'épargne et verse 600 € par mois. Elle souhaite disposer, à 65 ans, d'un complément de revenu de 1 500 € par mois (en euros d'aujourd'hui) jusqu'à 95 ans. Son allocation cible : 60 % d'actions, 40 % d'obligations et fonds euros.

Une projection déterministe à 4,5 % net annoncerait un capital « suffisant » et s'arrêterait là. La simulation Monte Carlo, sur 5 000 trajectoires intégrant une inflation moyenne de 2 %, raconte une histoire plus nuancée :

Avec ces hypothèses, le taux de réussite ressort par exemple à 78 %. Autrement dit, dans 78 % des scénarios, le capital tient jusqu'à 95 ans ; dans 22 % des cas, il s'épuise avant. C'est un message bien plus honnête et actionnable qu'un chiffre unique. Et surtout, la simulation permet de tester des leviers : porter le versement à 750 €/mois, décaler le départ à 67 ans ou ajuster légèrement l'allocation peut faire passer le taux de réussite de 78 % à plus de 90 %. Pour arbitrer entre véhicules, appuyez-vous sur notre comparatif chiffré PER ou assurance-vie.

Interpréter le taux de réussite et ajuster la stratégie

Le taux de réussite n'a de sens que rapporté à la situation du client. Un taux de 70 % est généralement considéré comme acceptable dans l'industrie de la projection stochastique, surtout pour un client capable d'ajuster ses dépenses. Pour un objectif de retraite que l'on veut sécuriser, on vise plutôt 80 à 90 %. Voici les grands repères :

L'intérêt majeur de la méthode est qu'elle se prête à l'itération. Vous ne livrez pas un verdict, vous co-construisez une stratégie avec le client en testant des scénarios en direct : « Si vous épargnez 150 € de plus par mois, votre probabilité de réussite passe de 78 à 88 %. » Cette pédagogie du chiffre vivant est un puissant outil de relation client, à intégrer dans une vision patrimoniale globale — voyez notre approche du bilan patrimonial assisté par IA.

Monte Carlo, conformité et devoir de conseil

La projection probabiliste n'est pas qu'un outil de pédagogie : c'est aussi un atout réglementaire. Le CGP est tenu à un devoir de conseil et doit pouvoir justifier l'adéquation de ses recommandations au profil du client. Une simulation Monte Carlo documentée — hypothèses, allocation, taux de réussite, scénarios testés — constitue une trace solide en cas de contrôle AMF.

Trois précautions s'imposent toutefois. D'abord, ne jamais présenter le taux de réussite comme une garantie : c'est une probabilité fondée sur des hypothèses, et le client doit le comprendre. Ensuite, conserver et expliciter les hypothèses retenues (rendements, volatilité, inflation) : leur opacité serait un risque. Enfin, mettre à jour régulièrement les modèles, car la volatilité des paramètres économiques rend toute projection périssable. Les recommandations de l'AMF sur l'information claire, exacte et non trompeuse s'appliquent pleinement à ce type de support.

C'est là que la Suite Majors® apporte une valeur concrète. En centralisant le recueil patrimonial, le profil de risque et le suivi de portefeuille, elle nourrit vos projections avec des données structurées et à jour, tandis que l'analyse patrimoniale par IA détecte les incohérences avant qu'elles ne faussent vos hypothèses. La simulation reste votre décision ; la plateforme vous donne les données fiables pour la construire et la documenter.

Tester la Suite Majors® Consulter le support