Prévision de défaillance : quel apport de l'IA ?

Remboursement des PGE, fin des reports de charges, hausse du prix des matières premières... Toutes les planètes semblent alignées pour occasionner des défaillances d'entreprises dans les prochains mois. Des défaillances qui peuvent toucher des entreprises clientes, des fournisseurs... Et qu'il s'agit donc d'anticiper dans une optique de gestion des risques.

Dans cet exercice de prévision, des outils sont à disposition des Daf : les bases de données publiques, en premier lieu ; les notations des assureurs-crédit, également. Parallèlement, des outils de scoring établis par de l'intelligence artificielle montent en puissance. Que valent-ils ? Peut-on réellement leur faire confiance ?

96% de détection correcte des défaillances

Datategy, start-up qui développe des plateformes d'analyse de données basée sur les technologies d'intelligence artificielle, a mis au point pour Infogreffe un outil de scoring de défaillance d'entreprises basé sur l'IA. Mehdi Chouiten, son cofondateur, annonce un score de 96% de détection correcte des défaillances à horizon 12 mois. "Les notes générées par l'outil se basent sur des données financières mais aussi le secteur d'activité, le nombre de clients, etc... Et la note s'accompagne toujours d'éléments explicatifs", précise Mehdi Chouiten.

Cet outil de scoring s'adresse aux tribunaux de commerce, aux institutions financières mais aussi aux entreprises elles-mêmes qui peuvent accéder à leur propre note via monidenum.fr et obtenir un document officiel qui démontre leur stabilité. Il n'est en revanche pas encore possible de consulter les notes de ses clients et partenaires ; mais il n'est pas interdit de leur demander leur note. De quoi accéder en quelques clics à une information fiable sur la performance des entreprises et leur risque de défaillance.

Analyse de la stratégie

Si l'IA permet de noter rapidement la défaillance des entreprises et accélère ainsi la prise de décision quant à d'éventuels partenariats, son évaluation trouve aussi ses limites. "Les algorithmes mathématiques sont très standardisés et ne prennent pas en compte des éléments fondamentaux des entreprises comme la stratégie de l'entreprise ou la gouvernance ", met en garde Emmanuelle Bonal, directrice commerciale d'Inbonis Rating.

Pour elle, ces éléments sont d'autant plus fondamentaux quand il s'agit de PME. "Ils ont un impact direct sur la qualité de gestion et donc de défaut des entreprises." Ainsi, chez Inbonis Rating, ce sont des équipes d'hommes et de femmes qui réalisent les prévisions de défaillances, à partir des bases de données publiques, de la documentation financière récupérée auprès des entreprises mais aussi à travers des échanges avec les dirigeants afin d'obtenir des éléments sur la stratégie, la prise de décision, la relation avec les fournisseurs et les clients, etc... "Pour se projeter dans l'avenir d'une entreprise, il est essentiel de connaître sa stratégie", souligne Emmanuelle Bonal.

Bien sûr, faire intervenir des humains n'a pas le même coût que d'avoir recours à une intelligence artificielle ; c'est également moins rapide. Il peut donc être intéressant de mixer les deux solutions en réservant une analyse humaine à des entreprises particulièrement risquées ou stratégiques.