Archives des évaluation

InterviewRencontre avec Steven Hellec, responsable de la data science chez Ellisphere Concrètement, quels sont les principaux besoins des entreprises qui se tournent vers vous ? Nous sommes principalement sollicités par les entreprises dans la gestion de leur relation client et fournisseur. Nous les aidons dans l’analyse de la santé financière de leurs partenaires commerciaux dont nous évaluons le risque de défaillance à un horizon de temps d’un an, et au-delà en fonction des besoins. L’analyse précise et rapide des informations financières est un défi même pour les experts du domaine. C’est la raison pour laquelle nous avons développé un système de scoring simple d’utilisation sur une échelle de 1 à 10. Nos clients intègrent ainsi aisément dans leur process de prises de décision cet indicateur qui évalue la pérennité de leurs partenaires commerciaux. En fonction de leur aversion au risque, ils fixent le seuil à partir duquel ils décident de finaliser ou non leurs relations. Pour certains de nos clients, nous avons la possibilité de proposer un système de scoring sur-mesure, qui s’adapte à leur politique de risque, pour une meilleure prise de décision. Par ailleurs, nos clients sont aussi intéressés par notre avis de crédit qui permet, en complémentarité du score, d’évaluer la capacité d’achat mensuelle à laquelle leur partenaire commercial est capable de faire face. L’avis de crédit est donc lié au score, dans le sens où il diminue avec un risque de défaillance qui augmente. Dans ce cadre, comment capitalisez-vous sur l’IA ? Ellisphere travaille sur l’intégration de l’IA depuis 2015. Nous sommes ainsi passés des systèmes de 2ème génération qui reposent sur un mixte de statistiques et de règles d’experts, à un système de 3ème génération plus performant basé sur des modèles purement statistiques. Aujourd’hui, nos algorithmes s’appuient à 100 % sur l’IA pour établir les formules de scoring de manière autonome. Pour bâtir les scores de 3ème génération, nous nous sommes ainsi reposés sur les informations de millions d’entreprises françaises à travers un historique de données de plus de 30 ans, ainsi que sur nos expertises métier afin d’avoir les meilleures performances prédictives possibles. Notre indice de Gini est passé de 70 % à 80 % grâce à l’usage de l’IA. Quels sont vos enjeux ? L’IA dans les systèmes de scoring n’en est qu’à ses débuts, et va s’amplifier avec l’engouement des acteurs privés et publics autour de son utilisation. Par ailleurs, l’IA est encore vue comme une boîte noire, c’est la raison pour laquelle beaucoup d’entreprises ont une certaine appréhension à l’utiliser dans les activités liées à la finance. Pour répondre à cet cet enjeu, nous avons transformé nos algorithmes en “boîtes blanches” pour permettre à nos clients de comprendre le raisonnement derrière nos scores. Notre deuxième défi est de fournir des données à qualité constante en plus grande quantité à nos modèles de score, et donc de penser à de nouvelles sources telles que les données non structurées. Par exemple, nous mettons actuellement en place un système de scoring basé sur les informations de presse publiées sur les entreprises. Celui-ci, après analyse, arrive à déterminer si l’entreprise éprouvera des difficultés économiques et/ou financières dans un avenir proche. Interview publiée dans le n°751 de janvier 2020 du magazine La Jaune et la rouge de Polytechnique

évaluation

À propos

Derniers articles publiés

Liens utiles

évaluation

Gestion des risques et IA : vers plus de performance

À propos

Derniers articles publiés

Liens utiles

YouTube

Vimeo