A la DGFIP, des équipes d’experts de la finance et de la data ont défini un modèle permettant d’évaluer le risque d’une entreprise d’entrer en procédure collective dans les dix-huit prochains mois. Adèle Lieber, en charge du soutien aux entreprises en difficulté à la DGFiP, porte le projet.
Dans quel contexte intervient la création de ce nouveau modèle de détection des difficultés ?
La DGFIP vient en aide à 3 000 entreprises chaque année. C’est un accompagnement opérationnel et éprouvé, mais il intervient parfois trop tard, lorsque la situation de l’entreprise est déjà bien dégradée et que les difficultés sont fortement visibles (retard de paiements, perte de clients…). Depuis un an, nous expérimentons, dans neuf départements, un nouvel outil de détection des difficultés utilisant le big data. Avec ce modèle dit «prédictif», nous souhaitons améliorer le ciblage des entreprises afin de créer un radar de détection plus précoce. L’idée est de pouvoir alerter avant les premières difficultés visibles lorsque les signaux sont encore faibles et diffus dans les informations juridiques, financières et économiques de l’entreprise (liasses fiscales, déclarations de TVA, ratios financiers, données de la déclaration sociale nominative…).
Comment fonctionne-t-il ?
Le procédé repose sur deux étapes. Dans un premier temps, nous avons établi, via un algorithme de machine learning (apprentissage automatique) le portrait-robot de l’entreprise en difficulté. Nous nous sommes basés sur un grand nombre de données, notamment celles fournies dans les liasses fiscales, pour détecter les signaux faibles. Nous avons ainsi défini les caractéristiques spécifiques aux entreprises en difficulté, et décliné ce portrait-robot selon les différents secteurs d’activité. Dans un second temps, à l’aide de méthodes statistiques, nous comparons les entreprises à ces profils types. Celles qui se rapprochent le plus de ces profils à risques sont listées, et un «scoring» (une cotation) leur est attribué selon le niveau de risque qu’elles présentent.
Que se passe-t-il lorsqu’une entreprise est détectée comme présentant de potentiels risques ?
Le travail de détection doit se poursuivre et nécessite alors une intervention humaine. Cet examen est effectué par les instances de détection départementale et régionale, préalablement informées par nos soins des cas qui nécessitent le plus d’attention et de soutien. C’est notamment le rôle du Codefi (Comité départemental d’examen des problèmes de financement des entreprises). Il s’agit surtout de prévention afin d’éviter une procédure collective. Ainsi, les services locaux de l’Etat réfléchissent ensemble à un accompagnement adapté pour l’entreprise, et sondent notamment le dirigeant pour voir s’il a conscience ou non de sa situation. Les différents services peuvent aussi le sensibiliser voire même l’inviter à revoir son modèle économique.
N’est-ce pas un système un peu intrusif pour les entreprises ? Quid de la confidentialité des informations fiscales ?
Il ne s’agit pas de dresser une liste de futures entreprises en échec. Au contraire, le but est de créer une alerte permettant l’initiation d’une discussion entre les entreprises et les institutions qui peuvent leur venir en aide, avant que la situation ne soit trop dégradée. Par ailleurs, ces données restent strictement confidentielles. La liste des entreprises détectées et le scoring qui leur a été attribué ne sont en aucun cas diffusés en dehors des administrations précitées ; tout cela intervient sous couvert d’un avis favorable de la CNIL.
Il y a néanmoins une nouveauté : nous travaillons sur une levée du secret fiscal au sein de ces instances de détection, ce qui permettrait de mutualiser nos informations (les listes d’entreprises et leur scoring) entre services de l’Etat pour pouvoir mieux cibler les entreprises.
Quelles sont les ambitions du modèle prédictif de détection ?
Nous allons le déployer sur toute la France fin février et espérons qu’il sera rapidement adopté par nos services locaux. Les retours des départements qui ont testé le modèle nous ont permis de constater que la fiabilité de nos algorithmes est forte, et certaines entreprises en difficulté n’auraient peut-être jamais été identifiées à temps dans le radar habituel. Si nous n’avons pas pu établir de résultats chiffrés sur cette année expérimentale, cela nous conforte dans l’idée que ce nouveau système va permettre un meilleur accompagnement des entreprises et, in fine, une aide qui puisse leur être plus adaptée.
