Que penser des méthodes de scoring d'entreprises automatiques ?

Le scoring d’entreprise est un outil dont l’objectif est d’évaluer la solvabilité d’une entreprise sur la base de critères normalisés. Il est souvent un élément essentiel de l’analyse crédit qui permet de définir et de négocier pour chaque client une limite de crédit et des conditions de paiement adaptées.

Il procure une note (un score) qualitative sensée être représentative de la situation financière de l’entreprise évaluée.

Les critères sont spécifiques à chaque méthode de scoring mais reposent généralement sur des critères financiers et parfois comportementaux (respect des engagements, comportement de paiement…etc). Certains, comme le Z score se focalisent uniquement sur des éléments financiers.

Depuis quelques années et la mise à disposition notamment sur le web de base de données d’informations financières sur des millions d’entreprises, de nombreux scoring automatiques sont apparus. Chaque fournisseur d’informations financières vante sa méthode de scoring reposant sur des algorithmes toujours plus complexes et complètement automatiques.

En effet, il peut sembler pertinent d’automatiser la production de scores compte tenu de la volumétrie d’entreprises à analyser. La base de données de Dun & Bradstreet comporte plus de 200 millions d’entreprises à travers le monde.

Par ailleurs, une entreprise disposant de plusieurs milliers de clients peut également être tentée par une automatisation de ce processus pour gagner en temps et en efficacité.

Cette approche présente selon moi des lacunes rédhibitoires :

L’objectif de l’analyse crédit est de comprendre intimement la réalité financière d’une entreprise. Cette compréhension se construit au fil de l’analyse et la note de solvabilité doit être le produit de ce cheminement. Les scores automatiques ne permettent pas cet exercice pourtant essentiel. La note tombe du ciel sans que l’utilisateur comprenne ses tenants et aboutissants. Le scoring automatique peut être comparé au sprinteur qui se focalise tellement sur le résultat de sa course (la note) qu’il en oublie de courir.
Tout exercice d’évaluation doit reposer sur des informations récentes et de qualité. Le scoring automatique n’apporte aucune garantie dans ce domaine. En effet, les informations présentes dans les bases de données datent au mieux de plusieurs mois et n’intègrent pas des informations plus récentes (bilans intermédiaires, informations informelles non publiées). Par ailleurs, seule une analyse humaine permet d’évaluer la qualité des bilans publiés et de prendre en compte d’éventuelles malversations.
Les algorithmes ne permettent pas de prendre en compte les informations informelles (comportement de paiement, respect des engagements…etc) qui représentent pourtant 50% de l’analyse crédit et de l’évaluation d’une entreprise.

C’est pour ces raisons qu’en tant que Credit Manager je n’apporte qu’un intérêt très limité à ces notes automatiques. Elles peuvent à la rigueur compléter une analyse de premier niveau mais leurs lacunes empêchent de s’appuyer sur elles pour effectuer un travail de qualité.

Le Credit Management est une discipline ouverte sur des domaines variés : juridique, économique, gestion et finance d’entreprise, management. Elle reste en partie subjective et le souhait de la rationnaliser sur des données uniquement quantifiables et évaluables par un algorithme relève plus du fantasme que de la réalité.

Scoring manuel ou semi-manuel n’est d’ailleurs pas synonyme de perte de temps. L’analyse d’une entreprise ne prend que quelques minutes dès lors que les informations nécessaires sont disponibles. La personne qui a effectué le scoring sera à même d’argumenter auprès d’un vendeur ou d’un client sur les raisons de sa position et sera capable de l’adapter en fonction du contexte commercial et des forces / lacunes identifiés préalablement.

L'information financière disponible en base de données présente de nombreux avantages car son accès est simple et plus rapide. Les informations juridiques (jugements de procédures collectives par exemple) sont disponibles en quasi temps réel. Les applications web facilitent l'interprétation des données brutes en proposant des ratios sur les principaux indicateurs financiers. Il est également facile via internet de croiser les informations en provenance de plusieurs sources (assureurs, fournisseurs d'informations financières, logiciels de recouvrement...etc).

Les intérêts du web sont donc multiples mais celui-ci n'est pas encore au stade de l'intelligence artificielle (ce qui adviendra certainement dans un futur plus ou moins proche) et ne remplace en aucun cas à ce jour l'expertise humaine, notamment dans l'analyse crédit et le scoring d'entreprises.

Retrouvez l’outil de scoring manuel d’Etrepaye.fr ici.