Et l'IA dans le Credit Management, on en est où ?

Ma réponse est évidemment partout et nulle part !

Alors, oui, c’est une réponse de normand …mais il faut être clairvoyant : tout le monde parle d’IA (notamment dans les services financiers) mais combien de modèles « tournent vraiment » et pour quels cas d’usage ? 

Etymologiquement, l’IA désigne « la capacité d'une machine ou d'un système informatique à simuler des fonctions cognitives humaines (telles que l'apprentissage, le raisonnement, la perception, la compréhension du langage et la prise de décision), en vue de résoudre des problèmes ou d'accomplir des tâches spécifiques ». Autant être clair…. en Credit Management, l’IA stricto sensu, est presque inexistante, donc on pourrait dire « nulle part »…pour l’instant !

Qui plus est, la confusion entre automatisation, robotisation (RPA), digitalisation, algorithme, API, arbre décisionnel, digitalisation des process est très largement entretenue. Elle est pratique, car elle permet d’entretenir des contours flous indispensables pour laisser penser à son écosystème qu’on a une IA en place. Car en revanche, toutes les technologies précitées sont déjà utilisées par la profession, on pourrait donc dire à cet égard que l’IA est partout.

On recensera (de manière non exhaustive) les initiatives suivantes : 

Assureurs-Crédit

Très en pointe, les compagnies d’assurance ont très tôt utilisé des modèles de prise de décision en autonomie, algorithme de notation acheteur, machine learning pour produire une probabilité de défaut de paiement ou favoriser la détection de fraude, modèle pour évaluer les chances de recouvrement sur un dossier. La plupart du temps ces algorithmes sont « supervisés », c’est-à-dire que la machine va prendre des décisions en autonomie et au-delà d’un montant défini, proposer une décision que l’humain validera en dernier ressort. Cela permet aux assureurs de prendre des milliers de décision de crédit instantanément, ne laissant aux arbitres « humains » traiter que les dossiers les plus importants en montant. 

Fintechs

L’innovation dans le financement est portée par les fintechs plutôt que par les factors traditionnels. Quelle que soit la typologie de financement (BNPL, factoring, reverse), la délivrance d’un crédit instantané à une entreprise est rendue désormais rendue possible. C’est grâce à l’interrogation par API de l’assurance-crédit (collatéral indispensable à l’obtention d’un financement) que la fintech va pouvoir ensuite financer automatiquement la transaction, et ce, quel que soit le canal d’achat : marketplace, magasin physique (omnicanalité).

Agences de Notation / Scoring

Les agences qui fournissent des rapports de crédit, favorisent quant à elles des modèles de LLM (Large Language Model). Une fois la donnée captée et structurée, il s’agit d’apprendre aux modèles des schémas de réflexion et de leur faire appliquer des règles contextuelles afin de proposer des recommandations (score, probabilité de défaut à 12 mois, limite de crédit recommandée) aux utilisateurs. A noter que ce type de limite de crédit restent des opinions de crédit et non des garanties fermes en cas d’impayés. 

Editeur de plateforme de Credit Management

Sur le principe, ce sont les acteurs les plus équipés car ils ont un accès direct au Graal : la data. Connectés aux ERP et/ou à la comptabilité clients, aux prestataires de scoring, aux assureurs, voire aux agences de recouvrement, ils ont une vision à 360 degrés du poste clients. Pour ces prestataires, l’utilisation de modèles autonomes se concentre surtout sur la construction de scorings internes qui vont agréger des données internes (historique de commandes, comportement de paiement) à des données externes (grading, agréments assureurs-crédit, etc.) produisant ultimement une note qui favorisera la prise de décision des équipes de Credit Management.

Et les courtiers dans tout ça ? 

On relèvera deux points majeurs

1. Le rôle de conseil : à la jonction entre tous ces acteurs, ils se doivent d’être en pointe sur les sujets d’IA, non seulement pour conseiller les clients sur les meilleures solutions, mais également pour pointer et contourner les limites actuelles de ces modèles. Une décision prise par un algorithme doit toujours pouvoir être challengée par l’humain / courtier et ses outils.

2. Les outils (puisqu’on en parle), et je me concentrerai plutôt sur ceux d’AU Group que je connais mieux, sont essentiels dans la justification de l’existence du courtier pour les années à venir. 

   On distinguera : 

   • les plateformes digitales de Credit Management,outil complet destiné au credit manager pour gérer tout leur processus « order to cash » 
   • et les outils de broking,outil interne destiné au courtier ayant pour but le suivi de la performance des programmes en place : appétit au risque, rentabilité des polices, détection des sous performances.

Leur valeur ajoutée résidera dans l’intelligence réelle (et pas artificielle) qu’ils procurent : benchmarker les positions des assureurs, anticiper les désengagements, challenger les prises de décisions, et mitiger le risque client en proposant des modèles de couvertures alternatifs.