Le blog de l'agence marketing IntoTheMinds
Etude de marché et coaching d'entrepreneurs

Bercy analyse les données pour prévoir les défaillances d’entreprises

Share This Post On

Anticiper les défaillances d’entreprises représente tant un enjeu pour les entrepreneurs que pour les États eux-mêmes. Saviez qu’une faillite, au-delà du coût financier et émotionnel qu’elle constitue pour l’entrepreneur, représente également une charge pour l’État ? Une faillite est en effet un processus judiciaire qui requiert des procédures souvent complexes impliquant de multiples parties (tribunal, curateurs, créanciers, …). Éviter les faillites, aider les entreprises à affronter leurs problèmes et à se redresser, sont des objectifs qui sont également poursuivis par l’État comme le rappelaient deux experts de l’administration française, Adèle Lieber, sous-directrice à la direction générale des finances publiques et Philippe Schall, administrateur des finances publiques, lors d’une émission récente. Depuis l’avènement de l’intelligence artificielle de nouveaux outils sont désormais à la disposition de l’administration pour exploiter des signaux faibles et identifier les entreprises qui ont besoin d’aide. C’est l’objet d’un projet lancé par le ministère des Finances en France.

A toute fin utile nous vous rappelons également qu’il vaut mieux éviter les problèmes avant de lancer son entreprise (grâce par exemple à une étude de marché) plutôt que d’avoir à les régler après. Pour paraphraser le slogan des avocats belges (“un avocat c’est quelqu’un qu’il faut voir avant pour éviter les ennuis après”) on pourrait donc dire qu’une étude de marché est un “exercice qu’il faut faire avant de lancer son entreprise pour éviter les ennuis après”.

Une étude de marché est un exercice qu’il faut faire avant de lancer son entreprise pour éviter les ennuis après.

Détecter des micro-signaux pour identifier les entreprises qui ont besoin d’aide

L’administration française s’est donc lancée dans la création d’un projet pilote permettant d’utiliser les multiples informations transmises par et au sujet des entreprises par les différents services de l’État (fisc, URSSAF, douanes, …) pour modéliser l’état de santé de l’entreprise et mieux prédire les difficultés qu’elle pourrait traverser. Ce projet lancé dans 9 départements pilotes aux quatre coins de la France (Côte-d’Or, Finistère, Seine-et-Marne, Tarn, …) se base sur l’intelligence artificielle pour exploiter ces masses importantes de données et permettre leur interprétation.

L’intelligence artificielle permet de prédire les défaillances d’entreprise

Ce projet est un parfait exemple d’une utilisation à bon escient de l’intelligence artificielle dans un contexte où la multiplicité des sources et des formats de données empêchait jusqu’à présent aux informations d’être réconciliées (sans parler des problématiques liées à la quantité de données et des restrictions de budget qui poussent les administrations à chercher comment automatiser les processus et à être plus efficaces). Dans un tel contexte l’utilisation de l’intelligence artificielle permet de faire un premier tri parmi des informations structurées et non-structurées, et devient ainsi un outil au service de l’intelligence humaine pour concentrer son attention et son action sur les entreprises qui en ont le plus besoin. A l’image d’outils similaires utilisés dans le monde des médias (voir par exemple l’exemple du robot journaliste Voitto en Finlande), l’intelligence artificielle ne représente au final qu’un outil parmi d’autres au service d’être humaines, doués de sensibilité et possédant une expertise métier fine, pour mieux faire leur travail. L’intelligence artificielle ne doit donc pas forcément être appréhendée comme une menace (lisez à cet effet notre article sur les métiers qui ne seront pas remplacés par l’IA).

Les variables utilisées par Barboza et al. (2017) pour prédire les défaillances d’entreprises

Machine learning et deep learning améliorent la prédiction des faillites

Le sujet de la prédiction des faillites n’est pas neuf, pas plus que ne l’est celui de l’utilisation de l’intelligence artificielle à cette fin. Les travaux fondamentaux menés par Altman en 1968 ont très tôt permis de définir des variables révélatrices de l’état de santé d’une entreprise et ainsi d’anticiper l’évolution de sa situation. Depuis 1968 la révolution informatique est passée par là et les techniques ont dès lors beaucoup évolué. Les lecteurs les plus versés dans les aspects techniques pourront par exemple être intéressés par les travaux de Barboza et al. (2017) qui ont montré la supériorité de certaines techniques pour la prédiction des faillites. Les algorithmes de machine learning employés dans cette étude (bagging, random forest, boosting) se sont révélés en moyenne 10% plus précis que des techniques plus classiques de régression logistique pour prédire la faillite 12 mois avant sa survenance. Barboza et ses collègues ont utilisés pour leur exercice de prédiction une série de 11 indicateurs financiers appliqués à un jeu de données concernant 13000 entreprises.

Résultats des prédictions faites par Barboza et al. (2017) sur la défaillance des entreprises

Tags: ,

Author: Pierre-Nicolas Schwab

Pierre-Nicolas est Docteur en Marketing et dirige l'agence d'études de marché IntoTheMinds. Ses domaines de prédilection sont le BigData l'e-commerce, le commerce de proximité, l'HoReCa et la logistique. Il est également chercheur en marketing à l'Université Libre de Bruxelles et sert de coach et formateur à plusieurs organisations et institutions publiques. Il peut être contacté par email, Linkedin ou par téléphone (+32 486 42 79 42)

Share This Post On

Submit a Comment

Your email address will not be published. Required fields are marked *