Recherchez sur tout Techno-Science.net
       
Techno-Science.net : Suivez l'actualité des sciences et des technologies, découvrez, commentez
Catégories
Techniques
Sciences
Encore plus...
Techno-Science.net
Bons plans et avis Gearbest: Xiaomi Mi Mix2, OnePlus 5T
Code promo Gearbest: réduction, coupon, livraison...
Photo Mystérieuse

Que représente
cette image ?
Posté par Adrien le Mercredi 27/02/2013 à 00:00
Les mathématiques pour déceler des faillites personnelles
Nombre de numérologues ont cherché à démontrer que les chiffres pouvaient prédire l’avenir. Ils ne sont pas les seuls: le mathématicien Ernest Monga ainsi que les informaticiens André Mayers et Shengrui Wang ont aussi tenté de répondre à la question… avec succès !

L’équipe, composée de ces trois professeurs de l’Université de Sherbrooke, du doctorant (Un doctorant est un chercheur débutant s'engageant, sous la supervision d'un directeur de thèse, dans un projet de recherche sur une durée variable selon les pays et les statuts, comprenant la rédaction et la soutenance...) Tengke Xiong et d’une banque canadienne, a mis au point (Graphie) un modèle mathématique permettant de cibler de manière préventive certains consommateurs dont les comportements risqueraient de les mener à la faillite. Leur modèle va au-delà des approches conventionnelles qui ciblent la cote de crédit d’un consommateur. À l’aide de l’informatique (L´informatique - contraction d´information et automatique - est le domaine d'activité scientifique, technique et industriel en rapport avec le traitement automatique de l'information par...), ils sont parvenus à creuser les données bancaires pour cibler des comportements permettant de détecter les faillites potentielles. Les résultats ont d’ailleurs été publiés ce mois-ci dans la revue Expert Systems with Applications.

Voir au-delà de la cote de crédit

Entre 1998 et 2008, la fréquence annuelle des faillites personnelles a quadruplé. Selon Industries Canada, 87 % des faillites sont attribuables aux cartes de crédit. La nécessité de développer de nouveaux outils pour les prévenir se faisait donc criante.

Cependant, l’intention de l’équipe, issue du groupe de recherche (La recherche scientifique désigne en premier lieu l’ensemble des actions entreprises en vue de produire et de développer les connaissances scientifiques. Par extension...) ProspectUS de la Faculté des sciences, ne se résumait pas à réinventer le calcul de la cote de crédit, principal outil (Un outil est un objet finalisé utilisé par un être vivant dans le but d'augmenter son efficacité naturelle dans l'action. Cette augmentation se traduit par la simplification des actions entreprises, par une plus...) des créanciers. «La cote de crédit constitue un bon indicateur pour déterminer la situation (En géographie, la situation est un concept spatial permettant la localisation relative d'un espace par rapport à son environnement proche ou non. Il inscrit un lieu dans un cadre plus général afin...) financière d’une personne à un moment précis. Or, le problème, c’est qu’on la met à jour (Le jour ou la journée est l'intervalle qui sépare le lever du coucher du Soleil ; c'est la période entre deux nuits, pendant laquelle les...) périodiquement, par exemple aux six mois (Le mois (Du lat. mensis «mois», et anciennement au plur. «menstrues») est une période de temps arbitraire.) ou aux ans», explique Ernest Monga, professeur au Département de mathématiques. Par conséquent, la cote de crédit ne varie pas entre ces périodes, peu importe les événements qui pourraient survenir entre-temps, comme la perte d’un emploi ou l’atteinte du plafond (Par extension, un plafond représente le maximum de quelque chose :) d’une marge de crédit élevée.

En effet, étonnamment, les personnes ayant un bon dossier de crédit sont les plus vulnérables. Comme celles-ci disposent d’une marge de crédit élevée, les comportements risqués mettront plus de temps (Le temps est un concept développé par l'être humain pour appréhender le changement dans le monde.) à se manifester. La détection à l’aide des cotes de crédit s’avère donc moins efficace pour cette clientèle, considérée initialement comme à faible risque. «Ces failles dans le système actuel nous ont amenés à proposer l’intégration d’une sorte de suivi en direct afin de prévoir les faillites à temps», résume le professeur Monga.

La face cachée des données

Tenter de prédire l’avenir, surtout quand il est essentiellement attribuable au comportement humain, peut sembler farfelu. Or, les chercheurs de l’UdeS ont démontré que le tout (Le tout compris comme ensemble de ce qui existe est souvent interprété comme le monde ou l'univers.) était parfaitement faisable grâce au forage de données (data mining). Comme son nom l’indique, cette branche des mathématiques consiste à creuser dans les données avec l’intention de découvrir les informations qui peuvent y être cachées.

Pour ce faire, on doit d’abord analyser la fréquence et le type de transactions de bons et de mauvais payeurs. Les mathématiciens décortiquent le comportement des utilisateurs de cartes de crédit à un intervalle de temps donné, qu’on nomme séquence. En examinant les opérations de pas moins de 4000 comptes appartenant à autant de «bons» payeurs qu’à des «mauvais», les chercheurs ont ainsi défini les séquences qui représentent les modèles types de chacune des deux catégories. Ensuite, selon le profil de ces séquences, on attribue une note chiffrée au consommateur étudié, qui exprime sa propension à la faillite.

Afin de confirmer celles-ci, les informaticiens de ProspectUS ont mis le modèle à l’essai à l’aide de simulations informatiques réalisées sur 11 000 autres comptes. Les résultats de cette validation s’avèrent plus que probants. L’équipe pouvait prédire quels utilisateurs se destinaient vers une situation financière indésirable seulement en jetant un coup d’œil aux transactions antérieures.

«En joignant les informations des cotes de crédit et l’analyse dégagée par notre modèle, on arrivait à des résultats beaucoup plus précis, fidèles à la réalité», affirme le professeur Monga. Le groupe de recherche a donc su démontrer la pertinence d’intégrer un tel outil aux pratiques des créanciers: cet outil permettrait d’identifier de manière préventive les clients à risque. Les créanciers pourraient donc intervenir auprès de ces derniers, par exemple en diminuant leur marge de crédit, de façon à éviter que la situation ne devienne irrécupérable.

Dans une institution près de chez vous ?

Avant que l’outil ne soit utilisable par les compagnies de cartes de crédit, beaucoup de travail devra encore être accompli. La mise au point de plusieurs algorithmes s'avère notamment nécessaire afin de sécuriser l’entrée de ces données extrêmement confidentielles. L’instauration de technologies de traitement de l’information plus avancées sera aussi de mise, puisque l’outil doit gérer une entrée de données des plus imposantes.

Néanmoins, il y a fort à parier que, une fois ces obstacles franchis, les institutions bancaires se précipiteront sur cette technologie (Le mot technologie possède deux acceptions de fait :): «Essentiellement, le problème des faillites personnelles est très important pour les institutions financières. Si on peut détecter qu’une personne fera faillite le plus rapidement possible, on fera économiser beaucoup d’argent (L’argent ou argent métal est un élément chimique de symbole Ag — du latin Argentum — et de numéro atomique 47.) à la société», conclut le professeur Monga.

Commentez et débattez de cette actualité sur notre forum Techno-Science.net. Vous pouvez également partager cette actualité sur Facebook, Twitter et les autres réseaux sociaux.
Icone partage sur Facebook Icone partage sur Twitter Partager sur Messenger Icone partage sur Delicious Icone partage sur Myspace Flux RSS
Source: Université de Sherbrooke