Le Score Altares

Anticiper la faillite à un horizon de 12 mois grâce au score de défaillance Altares, mis à jour quotidiennement

Introduction

Le Score de Défaillance Altares-D&B mesure le risque d’entrer en procédure collective (sauvegarde, procédure de redressement, liquidation judiciaire et insolvabilité européenne) dans les douze prochains mois pour les entreprises françaises. Altares tire le meilleur des deux mondes pour élaborer son score. D’un côté il se sert d’une expertise historique en matière de risque entreprise, de données exclusives comme le Paydex, et de segmentation experte. De l’autre il utilise toute la puissance des algorithmes statistiques et d’intelligence artificielle pour obtenir le meilleur apprentissage possible de la défaillance.

Méthodologie du score

Continuellement, nous améliorons et adaptons notre notation en prenant en compte les changements à long terme dans la structure du marché et les perspectives économiques, afin de maintenir la performance et la pertinence du score. Notre analyse financière a notamment évolué sur les indicateurs de liquidité et de solvabilité afin de nous adapter au contexte lié à la crise de Covid-19. L’appartenance au réseau mondial de données BtoB Dun & Bradstreet nous permet de suivre les défaillances d’entreprises du monde entier et ainsi d’apprécier leur potentiel impact sur le marché français (lorsqu’elles détiennent des participations dans des entreprises françaises ou inversement si elles sont détenues par des sociétés-mères françaises).

35K

Utilisateurs du score en France

11.20M

D’entreprises avec un score de défaillance actif en France

1/jour

Mise à jour quotidienne du score de défaillance Altares

Le processus d’élaboration des modèles statistiques de D&B comprend les étapes suivantes :

  • Segmentation des entreprises : on regroupe les entités en fonction de leur profil de risque, leur taille, leur nature et de la disponibilité d’informations bilancielles.
  • Pour chaque segment, on identifie les informations pertinentes (tant d’un point de vue statistique que d’un point de vue métier) à sélectionner et analyser pour permettre de prédire l’entrée en procédure collective. Ce choix est réalisé au sein d’un large panel de plus de 600 variables mixant :
    • Des données structurelles : administratives et identitaires
    • Des données relationnelles : dirigeants statutaires et opérationnels, et liens capitalistiques
    • Des données de paiement : comportements de paiement collectés par notre programme exclusif DunTrade
    • Des données de solvabilité : données financières
    • Des données ad hoc sectorielles et commerciales
  • Les variables retenues sont alors analysées et transformées (nettoyage des valeurs aberrantes, traitement des valeurs manquantes, etc.) afin d’en extraire le maximum d’information et ainsi optimiser leur pouvoir prédictif.
  • A partir des variables transformées, nous construisons un algorithme de scoring pour chaque segment d’entreprises en cherchant à atteindre le plus haut niveau de précision sur la prédiction des défaillances.

Maintenir le score à jour avec une fiabilité optimale pour nos clients est la mission quotidienne de nos Data Scientists.

Profil

Âge, forme juridique, nombre d’employés, secteur d’activité,…

Stables dans le temps (peu de modifications) permettent de définir une typologie d’entreprise