Essais sur la modélisation du risque de crédit.

Résumé Qu’ils soient gérants, salariés, partenaires commerciaux, prêteurs, ou investisseurs, la prédiction du défaut est un sujet d’une importance capitale pour tous les acteurs internes ou externes à l’entreprise. Le premier chapitre de cette thèse propose un modèle de prédiction de la défaillance des PME françaises à partir de leurs états financiers. Son pouvoir discriminant, mesuré par un accuracy ratio de 93,46%, lui confère une véritable utilité potentielle en vue d’un système de notation interne par les créanciers. Dans la même optique, le second chapitre s’intéresse à la valeur prédictive de certaines données dites « non conventionnelles » pour anticiper le défaut. Il apparait que le recours à un expert-comptable pour valider le prévisionnel des PME est un gage de solvabilité, associé à un taux de défaut significativement plus bas. Les deux derniers chapitres portent sur la modélisation du défaut des grandes entreprises internationales. Sur de tels portefeuilles avec si peu de défaut, des méthodologies spécifiques doivent être utilisées. Nous présentons alors un modèle de Shadow Rating dans le troisième chapitre. Avec un taux de réplication à un cran proche de 90%, nous expliquons et prédisons les ratings externes des grandes entreprises à partir de leurs états financiers et de leur secteur. Enfin, le dernier chapitre se consacre à l’optimisation d’un modèle interne grâce à l’apprentissage machine. Combinant intelligence artificielle et jugement humain, l’approche proposée permet d’écarter leurs inconvénients, respectivement le manque d’interprétabilité et la subjectivité, pour obtenir un modèle optimisé, compréhensible, explicable, et conforme à la règlementation bancaire.