L’IA, un outil pour mieux prédire les faillites d’entreprises

À mesure que les dispositifs d’aides aux entreprises mis en place face à la crise du Covid-19 touchent à leur fin, de plus en plus de sociétés sont placées en liquidation ou en redressement judiciaire. Selon les chiffres publiés en septembre par l’Institut national de la statistique et des études économiques (Insee), le nombre de défaillances a ainsi atteint 4 279 en août 2023 contre 3 935 un an plus tôt, renouant avec son niveau d’avant-crise.

Qu’en sera-t-il dans les prochains mois, avec une croissance au ralenti et dans un contexte économique et politique qui reste dans l’ensemble marqué par l’incertitude ? Pour une vision la plus fine possible des évolutions économiques et financières, les modèles statistiques traditionnels utilisés par l’industrie financière pourraient être complétés par de nouveaux outils basés sur l’intelligence artificielle (IA). Les travaux scientifiques s’interrogent sur les avantages et les inconvénients de ces modèles d’IA.

En effet, rappelons que parmi les applications diverses de l’IA, un domaine se distingue particulièrement : la prévision de phénomènes variés, allant des conditions météorologiques aux tendances boursières en passant par la prédiction de la faillite des entreprises. Utilisant des algorithmes d’apprentissage automatique, l’IA, alimentée par un grand nombre de données, est entraînée à reconnaître les signes précurseurs de difficultés financières, et évalue ainsi le risque de faillite. En outre, les différents modèles de prévision de faillite d’entreprises incorporant l’IA s’améliorent progressivement à mesure qu’ils intègrent de nouvelles informations.

Les modèles classiques surpassés

Concrètement, les différents modèles d’IA utilisés dans la prévision de faillite sont alimentés par des données financières (bilans, comptes de résultat, dettes, effet de levier, ratios de liquidité, etc.), des données…

La suite est à lire sur: theconversation.com
Auteur: Vanessa Serret, Professor, IAE Metz School of Management – Université de Lorraine