Le défi
La qualité de l’analyse crédit est déterminante pour une activité de prêt. Le client, une société de prêts aux PME, nous a demandé d’automatiser ce processus, avec un défi : construire des modèles de machine learning plus performants que le jugement expert de ses analystes crédit.
Le modèle devait être développé et testé sur un nombre limité de demandes de prêt. Il fallait aussi tester et proposer des sources externes d’information sur la solvabilité.
Notre solution
Nous avons développé un composant d’IA qui automatise entièrement l’analyse des demandes de crédit. Il s’appuie sur le machine learning pour prédire la probabilité de défaut de chaque emprunteur potentiel.
Plus de 800 variables ont été extraites de 14 sources de données différentes pour alimenter le modèle.
Le résultat
Le modèle a fait mieux que les analystes crédit et a assaini le portefeuille de prêts : moins de clients acceptés ont fait défaut, tandis que le taux global d’acceptation des nouveaux clients est resté le même.
Les décisions sont devenues beaucoup plus rapides : de quelques heures, voire une journée, à quelques secondes. Les emprunteurs y gagnent aussi, avec une réponse rapide à leur demande.
