Pour vous permettre de prendre de meilleures décisions, Altares met à votre disposition son score de prédiction des défaillances, qui vous aide à identifier les entreprises en bonne santé financière et a contrario, celles qui risquent de faire faillite. La fiabilité d’un tel score est un critère vital pour les affaires de nos clients, qui pousse Altares-D&B à améliorer sans cesse la performance et la robustesse de sa notation tout en garantissant l’explicabilité de ses modèles.
Productivité, compétitivité et capacité d’adaptation sont des critères primordiaux pour faire face aux évènements et aux changements qui exigent que nos organisations soient en permanence en quête d’optimisation de performance (tant économique qu’opérationnelle), laquelle passe notamment par plus d’exigence envers les outils d’aide à la décision, tels le score de défaillance qui mesure la probabilité qu’une entité entre en procédure collective dans les 12 prochains mois.
Ce score Altares évolue continuellement, et a atteint dernièrement des performances inégalées, grâce à des améliorations rendues possibles par l’usage de l’intelligence artificielle dans les algorithmes de calcul.
Nous vous présentons ci-dessous les piliers sur lesquels se sont appuyées les équipes d’Altares afin de mettre à profit les technologies d’IA dans leurs analyses.
Comment mettre en œuvre l’IA dans un score de défaillance ?
Il ne suffit pas de faire appel à des outils d’IA pour gagner en performance. Ceux-ci doivent s’appuyer sur des fondements solides et respecter plusieurs règles, notamment 3 piliers.
Une équipe Data Science à la pointe
La mission des data scientists d’Altares est d’analyser les données présentes dans notre base BtoB pour en tirer des conclusions aidant à la prise de décision. Pour ce faire, nos experts développent des algorithmes et des scores, à l’aide notamment de l’intelligence artificielle.
Mais l’IA n’est pas un outil clé en main qu’il suffit d’implémenter comme on installe une application sur son téléphone. Une connaissance approfondie à la fois de la technologie et des applicatifs passe par une équipe expérimentée, issue d’une excellente formation académique et réalisant une méticuleuse veille technologique.
La connaissance métier est également un gage de performance pour cette équipe, permettant ainsi la bonne compréhension des enjeux auxquels elle doit répondre, aidée par les technologies de machine learning, autrement dit des outils capables d’interpréter, comprendre et apprendre à partir des données qui leur sont envoyées.
Une data volumétrique et véridique
Un score, avec ou sans IA, repose sur une base de données, tant dans son développement que dans son champ d’application. Un score erroné est souvent le fait d’une donnée fausse ou manquante.
En s’appuyant sur son processus de Data Quality Management (DQM), Altares fournit à ses équipes une donnée répondant à des critères de qualité de premier plan. Cette donnée couvre plus de 550 millions d’entités à travers le monde (dont plus de 15 millions d’entreprises actives en France).
Pour appuyer cette collecte, l’IA peut être utilisée à la fois pour l’extraction de nouvelles caractéristiques, mais aussi pour le contrôle qualité de celles-ci. Une data la plus exhaustive, la plus fraîche et surtout la plus exacte est un prérequis à toute analyse pertinente, et c’est la garantie qu’offre Altares-D&B.
L’excellence technologique
Une donnée de plus en plus volumineuse et de moins en moins structurée, des algorithmes à la fois sophistiqués et nombreux nécessitent une capacité de traitement de haut niveau.
Des investissements lourds sont une obligation pour fournir les moyens de produire des solutions efficaces pour le traitement de cette donnée (intégration et mise en qualité), puis le calcul d’indicateurs et de scores.
L’équipe data science d’Altares s’appuie sur une infrastructure innovante, la Score Factory, pour calculer le score des entreprises françaises. La Score Factory permet de produire en temps réel et de manière totalement sécurisée et uniformisée des scores accessibles et compréhensibles par nos clients via une API, en accord avec les standards les plus élevés du marché.
Comment mesurer la performance du score ?
La satisfaction de nos clients reste le fer de lance de nos critères qualitatifs.
Néanmoins la data science nous apporte aussi plusieurs métriques objectives :
- L’indice de Gini : il retranscrit la capacité du score Altares à ordonner les entreprises en fonction du risque réel de défaillance, 100% signifiant une notation parfaite (toutes les entreprises défaillantes obtiennent les notes les plus basses) et 0% un modèle incapable de faire le tri entre les entreprises saines et à risque. Un score présentant un Gini supérieur à 60% est considéré comme un score d’excellente qualité. L’indice de Gini d’Altares a atteint le taux de 83,2%, un record !
- Le taux de capture à 20 % : il mesure la part des entreprises défaillantes qui sont dans les entreprises les moins bien notées. Le taux de capture à 20% d’Altares s’élève à 90%, cela signifie que 90% des entreprises ayant défailli au cours des 12 derniers mois étaient dans les notations les plus basses.
Le contexte récent a éprouvé nos modèles, toutefois, l’examen de notre score durant cette période a confirmé son agilité et sa robustesse : sa capacité à anticiper les défaillances s’est maintenue malgré les bouleversements successifs survenus au cours des dernières années (crise sanitaire, événements géopolitiques majeurs, inflation, crise politique…). Altares a pour ambition première d’aider ses clients à surmonter toutes les difficultés et à aborder sereinement l’avenir afin à la fois de pouvoir saisir toutes les opportunités, et de sécuriser l’ensemble des relations clients et fournisseurs.
