SlideShare une entreprise Scribd logo
1
Retour d’Expérience
Optimisation d’un algorithme d’acceptation automatique
de dossiers d’octroi
SMART DATA ET DATA SCIENCE AU SERVICE DU CROWDLENDING :
COMMENT ACCROÎTRE LES FINANCEMENTS TOUT EN RÉDUISANT LES RISQUES DE DÉFAILLANCE ?
2
S o m m a i r e
1) Présentation des enjeux
2) Environnement de départ, outils utilisés au départ
 à l’oral sans support
3) Méthodologie et outils pour atteindre la cible
4) Résultats et gains chiffrés
5) Next steps
6) Q&R
33
P R E S E N T A T I O N D E S E N J E U X
44
Credit.fr
En quelques mots
NOTREADN :
MANAGEMENTDU
RISQUEET AGILITÉ
Création Acquisitionpar
TIKEHAU CAPITAL
Mars2015 Juin 2017
16 employées 6M€en levéede fonds
Crédits aux TPE/PME
20 000€
à
2 500 000€
1ère Fintech de France à
être reliée avec la
Banque de France
(Fiben)
Taux de défaut parmi les
plus bas d’Europe
1min:pour ouvrirun
compteprêteur
N°1
En nombre
d’entreprises financées
4jours:durée moyenne pour obtenir le
déblocage desfonds
55
NOS
EMPRUNTEURS
Projetsfinancés
Taux moyen
Montant financé
Duréemoyenne
326
7,36%
69 942 €
43 705
22 801 050 €
Montant moyen
Demandesdeprêt
Capital remboursé
Intérêtsversés
4 159 769 €
1 104 703 €44 mois
66
PartenariatavecHello Bank!
Signéen septembre2016
8janvier2018:lancement
du FPSTIKEHAUCREDIT.FRpour lesinvestisseurs
institutionnels (30 M€)
NOS
PRÊTEURS
16 830
20 %
Prêteurs
Financéspardes holdings
ou trésoreried’entreprise
7
E n j e u x / O b j e c t i f s d u p r o j e t
dossiers reçus
dossiers étudiés
dossiers acceptés
Impayés
Profit
Enjeux
Atteindre l’objectif de croissance 2020 pour prendre la place
de leader français.
Objectifs
Augmenter le taux d’agrément automatique et maintenir le
niveau de risque pour limiter les impayés.
Retour sur investissement
Moins cher qu’un budget de Google Adwords, la modification
de l’algorithme d’octroi permettrait d’accroître le volume
d’acceptation tout en maintenant le niveau de risque.
CYCLE ON-BOARDING
8
E n v i r o n n e m e n t d e d é p a r t , o u t i l s u t i l i s é s a u d é p a r t
 p a r t i e p r é s e n t é e à l ’ o r a l s a n s s u p p o r t
9
M é t h o d o l o g i e e t o u t i l s p o u r a t t e i n d r e l a c i b l e
10
10
P O U R A T T E I N D R E L A C I B L E
Pas d’IA sans DatasciencePas de Datascience sans DATA …
Pas de science sans L’EXPERTISE des METIERS
11
11
I m p l é m e n t a t i o n
d e l a s o l u t i o n
p o u r u n e
r é p o n s e e n
t e m p s r é e l
M o d é l i s a t i o n d e
l ’ a c c e p t a t i o n e t
d u r i s q u e
S i m u l a t i o n
i t é r a t i v e d e s
R O I
M a i t r i s e r l ’ e n s e m b l e
d e s d a t a s e x i s t a n t e s
S ’ a p p u y e r s u r l e
r e t o u r d ’ e x p é r i e n c e
E v a l u e r l e p o t e n t i e l
d u m a r c h é
D A T A S C I E N C E A L T A R E S
A i d e r C r e d i t . f r à o p t i m i s e r s o n a l g o r i t h m e d ’ o c t r o i
… La data, source de performance, est au cœur du projet
12
12
D A T A C O M P O R T E M E N T A L E
 500 000 balises trackées
S C R A P I N G
 15 millions de mots-clés
 700 000 logos
 700 000 pages sociales
C R O W D S O U R C I N G
 Catalogue de 4 000 produits
 10.000 pages entreprises
D A T A D I G I T A L E
 1,8 millions de sites web
 2, 5 millions d’e-mails
D A T A H I S T O R I Q U E
 15 millions d’entreprises (RNCS, INSEE)
 15 millions de comptes annuels
 10 millions d’entrées au Bodacc
D A T A O N B O A R D I N G
 3,2 millions de cookies
C O L E C T E E T
T R A I T E M E N T D E
D O N N E E S
BtoB
N O T R E L E G I T I M I T E D A T A , B I G D A T A
3 0 a n s d e s a v o i r f a i r e
D A T A I N T E R N A T I O N A L E
 255 millions d’établissements
 18 millions de liens capitalistiques
 228 millions de dirigeants
O P E N D A T A
4,2 millions de marques déposées,
designs et brevets…
D A T A P R I V É E
 3,6 milliards d’éléments de bilan
 500 000 mises à jour quotidiennes
 40 millions de paydex
*
*
*
* Sources utilisées dans le cadre de ce REX
*
1313
13
Ensemble des
demandes
100%
75% des demandes
sont en rejet
automatique
25% des demandes
sont acceptées automatique
demandes
en rejet manuel
1% dossiers
financés
1. L’algorithme initial, au démarrage de la
plateforme digital de Credit.fr, repose sur
de l’expertise et sur un ensemble de règles
qui utilise largement le score de
défaillance Altares
2. Après 3 ans de fonctionnement, les
données récoltées permettent de d’avoir
une base de connaissance pour faire
évoluer l’algorithme et de conserver le
niveau de risque actuel en augmentant le
nombre de dossiers acceptés et donc
d’optimiser le travail de l’arbre de
No Go Go
ALGO
Niveau de Risque +++
Risque -Risque +
O P T I M I S A T I O N D E L ’ A L G O R I T H M E D ’
A C C E P T A T I O N T E M P S R E E L
Analyse
manuelle
des dossiers
1414
14
Ensemble des
demandes
demandes
en rejet automatique
Demandes
acceptées en automatique
demandes
en rejet manuel
1% de dossiers
financés
No Go Go
ALGO
Risque -Risque +
Niveau de Risque +++
Majoritairement
Mais il reste des
entreprises avec un Niveau
de risque + ou un niveau
de risque -
Solution :
Identifier et reclasser automatiquement les dossiers à
faible risque
O P T I M I S A T I O N D E L ’ A L G O R I T H M E D ’ A C C E P T A T I O N
Analyse
manuelle des
dossiers
ISO Impayé
Mesure du risque
1515
15
La solution consiste à déplacer la mesure du risque de
l’ensemble des dossiers déposés auprès de Crédit.fr vers 3
millions d’entreprises qui reflètent le marché potentiel de la
plateforme
Une base de 3 millions d’entreprises permet une
mesure/observation précise du risque sur les segments à
l’origine des règles de l’algorithme
Tandis les « seuls » dossiers déposés pendant 2 ans
permettent seulement une approximation imprécise du
risque
On peut ainsi mettre en œuvre une technique statistique
simple et fiable, de test de moyenne, sur un grand nombre
de critères (plus d’un millier) et la base des 3 millions
d’entreprise pondérés pour être représentative de l’ensemble
des dossiers
O P T I M I S A T I O N D E L ’ A L G O R I T H M E D ’ A C C E P T A T I O N
1616
16
Ensemble des
demandes
Baisse des demandes
en rejet automatique
Augmentation de 50%des
demandes
acceptées en automatique
demandes
en rejet manuel
+50% de
dossiers financés
No Go GoNEW
ALGO
Risque –Risque +
O P T I M I S A T I O N D E L ’ A L G O R I T H M E D ’ A C C E P T A T I O N
+ 50 %
ISO IMPAYÉ
AVANT/APRÈS :
objectif rester à
1%
17
R é s u l t a t s e t g a i n s c h i f f r é s
18
S I M U L AT I O N D U R O I :
s u i v a n t l e s h y p o t h è s e s d é d u i t e s d e l ’ h i s t o r i q u e
+ 50 %
Retour sur investissement
Moins cher qu’un budget de Google
Adwords la modification de l’algorithme
d’octroi permet d’accroitre le volume
d’acceptation tout en maintenant le niveau
de risque.
43 705 dossiers reçus
10 926 dossiers
étudiés
326 dossiers
acceptés
22.8 M€
2 à 4
Impayés
Profit
43 705 dossiers reçus
16 390 dossiers étudiés
489 dossiers
acceptés
34.2 M€
4 à 6
Impayés
Profit
19
N E X T S T E P S
2020
PROCHAINES
ETAPES
Mise en place du nouvel algorithme avec les équipes d’Altares
Intégration des données non conventionnelles suite au programme
de R&D avec le labo Rexfi (CNAM / ESCP / ENA)
Travail avec LINXO pour l’accès aux relevés de comptes bancaires
dans le processus octroi
Intégration des Fiben dans le score Credit.fr
1
2
3
4
21
Q u e s t i o n s R é p o n s e s
# b e d a t a
F R A N C E
55, avenue des Champs-
Pierreux
92000 NANTERRE
+33 (0)825 80 58 02
P A Y S - B A S
Otto Reuchlinweg 1032, 3072
MD ROTTERDAM
MANAGEO
290 avenue Galilée
13594 Aix en Provence
B E L G I Q U E
Avenue Charles-Quint 576,
1082 BRUXELLES,
M A G H R E B
Inforisk Altares Africa
42 Bd Abdelmoumen
CASABLANCA
w w w . a l t a r e s . c o m

Contenu connexe

Similaire à Retour d'expérience - Credit.fr

Conférence au Centre des hautes Etudes du Ministère de l'Intérieur (CHEMI) ro...
Conférence au Centre des hautes Etudes du Ministère de l'Intérieur (CHEMI) ro...Conférence au Centre des hautes Etudes du Ministère de l'Intérieur (CHEMI) ro...
Conférence au Centre des hautes Etudes du Ministère de l'Intérieur (CHEMI) ro...
Université Paris-Dauphine
 
Data Companies
Data CompaniesData Companies
Data Companies
Romain Casteres
 
Lettre d'information | Septembre 2018 | Transtech
 Lettre d'information | Septembre 2018 | Transtech  Lettre d'information | Septembre 2018 | Transtech
Lettre d'information | Septembre 2018 | Transtech
Transtech Aquitaine
 
Présentation Dataquitaine 2023.pdf
Présentation Dataquitaine 2023.pdfPrésentation Dataquitaine 2023.pdf
Présentation Dataquitaine 2023.pdf
VIA INNO
 
Nuit du Big Data, 10 Décembre 2014
Nuit du Big Data, 10 Décembre 2014Nuit du Big Data, 10 Décembre 2014
Nuit du Big Data, 10 Décembre 2014
Alexandre Weisz
 
#PortraitDeStartuper #100 - Wintics - Levi Viana
#PortraitDeStartuper #100 - Wintics - Levi Viana#PortraitDeStartuper #100 - Wintics - Levi Viana
#PortraitDeStartuper #100 - Wintics - Levi Viana
Sébastien Bourguignon
 
La Banque de demain : Chapitre 4
La Banque de demain : Chapitre 4 La Banque de demain : Chapitre 4
La Banque de demain : Chapitre 4
OCTO Technology
 
Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016
Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016
Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016
Micropole Group
 
Welcom cybercite-2018
Welcom cybercite-2018Welcom cybercite-2018
Welcom cybercite-2018
Brigitte Marandon
 
Central634_Dossier_completDV_001
Central634_Dossier_completDV_001Central634_Dossier_completDV_001
Central634_Dossier_completDV_001Bruno CAMBOUNET
 
Detection de fraudes bancaires ML et Big Data
Detection de fraudes bancaires ML et Big DataDetection de fraudes bancaires ML et Big Data
Detection de fraudes bancaires ML et Big Data
Benjamin Bouillé
 
Dossier presse chaire-big-data-market-insights
Dossier presse chaire-big-data-market-insightsDossier presse chaire-big-data-market-insights
Dossier presse chaire-big-data-market-insights
Télécom Paris
 
Tendances en analytique 2015: Maîtres de l’exploration en profondeur
Tendances en analytique 2015: Maîtres de l’exploration en profondeurTendances en analytique 2015: Maîtres de l’exploration en profondeur
Tendances en analytique 2015: Maîtres de l’exploration en profondeur
Deloitte Canada
 
Une révolution technologique à nos portes ; nos organisations sont-elles prêtes?
Une révolution technologique à nos portes ; nos organisations sont-elles prêtes?Une révolution technologique à nos portes ; nos organisations sont-elles prêtes?
Une révolution technologique à nos portes ; nos organisations sont-elles prêtes?
IRSST
 
[Data day] Etude sur la data
[Data day] Etude sur la data[Data day] Etude sur la data
[Data day] Etude sur la dataFrenchWeb.fr
 
PFE Book Abshore
PFE Book AbshorePFE Book Abshore
PFE Book Abshore
gharbi sabrine
 
CCC-CONNECTION spécial Intelligence artificielle et commerce avec Inria, Lume...
CCC-CONNECTION spécial Intelligence artificielle et commerce avec Inria, Lume...CCC-CONNECTION spécial Intelligence artificielle et commerce avec Inria, Lume...
CCC-CONNECTION spécial Intelligence artificielle et commerce avec Inria, Lume...
Eric Culnaert
 
Evaluer et justifier le crédit d'impôt recherche
Evaluer et justifier le crédit d'impôt rechercheEvaluer et justifier le crédit d'impôt recherche
Evaluer et justifier le crédit d'impôt recherche
NetPME
 
La vérité sur le Big Data, Hadoop, l'internet des objets et les tendances tec...
La vérité sur le Big Data, Hadoop, l'internet des objets et les tendances tec...La vérité sur le Big Data, Hadoop, l'internet des objets et les tendances tec...
La vérité sur le Big Data, Hadoop, l'internet des objets et les tendances tec...
PMI-Montréal
 
Presentation micropole kevin njifon
Presentation micropole   kevin njifonPresentation micropole   kevin njifon
Presentation micropole kevin njifon
Kevin Njifon
 

Similaire à Retour d'expérience - Credit.fr (20)

Conférence au Centre des hautes Etudes du Ministère de l'Intérieur (CHEMI) ro...
Conférence au Centre des hautes Etudes du Ministère de l'Intérieur (CHEMI) ro...Conférence au Centre des hautes Etudes du Ministère de l'Intérieur (CHEMI) ro...
Conférence au Centre des hautes Etudes du Ministère de l'Intérieur (CHEMI) ro...
 
Data Companies
Data CompaniesData Companies
Data Companies
 
Lettre d'information | Septembre 2018 | Transtech
 Lettre d'information | Septembre 2018 | Transtech  Lettre d'information | Septembre 2018 | Transtech
Lettre d'information | Septembre 2018 | Transtech
 
Présentation Dataquitaine 2023.pdf
Présentation Dataquitaine 2023.pdfPrésentation Dataquitaine 2023.pdf
Présentation Dataquitaine 2023.pdf
 
Nuit du Big Data, 10 Décembre 2014
Nuit du Big Data, 10 Décembre 2014Nuit du Big Data, 10 Décembre 2014
Nuit du Big Data, 10 Décembre 2014
 
#PortraitDeStartuper #100 - Wintics - Levi Viana
#PortraitDeStartuper #100 - Wintics - Levi Viana#PortraitDeStartuper #100 - Wintics - Levi Viana
#PortraitDeStartuper #100 - Wintics - Levi Viana
 
La Banque de demain : Chapitre 4
La Banque de demain : Chapitre 4 La Banque de demain : Chapitre 4
La Banque de demain : Chapitre 4
 
Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016
Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016
Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016
 
Welcom cybercite-2018
Welcom cybercite-2018Welcom cybercite-2018
Welcom cybercite-2018
 
Central634_Dossier_completDV_001
Central634_Dossier_completDV_001Central634_Dossier_completDV_001
Central634_Dossier_completDV_001
 
Detection de fraudes bancaires ML et Big Data
Detection de fraudes bancaires ML et Big DataDetection de fraudes bancaires ML et Big Data
Detection de fraudes bancaires ML et Big Data
 
Dossier presse chaire-big-data-market-insights
Dossier presse chaire-big-data-market-insightsDossier presse chaire-big-data-market-insights
Dossier presse chaire-big-data-market-insights
 
Tendances en analytique 2015: Maîtres de l’exploration en profondeur
Tendances en analytique 2015: Maîtres de l’exploration en profondeurTendances en analytique 2015: Maîtres de l’exploration en profondeur
Tendances en analytique 2015: Maîtres de l’exploration en profondeur
 
Une révolution technologique à nos portes ; nos organisations sont-elles prêtes?
Une révolution technologique à nos portes ; nos organisations sont-elles prêtes?Une révolution technologique à nos portes ; nos organisations sont-elles prêtes?
Une révolution technologique à nos portes ; nos organisations sont-elles prêtes?
 
[Data day] Etude sur la data
[Data day] Etude sur la data[Data day] Etude sur la data
[Data day] Etude sur la data
 
PFE Book Abshore
PFE Book AbshorePFE Book Abshore
PFE Book Abshore
 
CCC-CONNECTION spécial Intelligence artificielle et commerce avec Inria, Lume...
CCC-CONNECTION spécial Intelligence artificielle et commerce avec Inria, Lume...CCC-CONNECTION spécial Intelligence artificielle et commerce avec Inria, Lume...
CCC-CONNECTION spécial Intelligence artificielle et commerce avec Inria, Lume...
 
Evaluer et justifier le crédit d'impôt recherche
Evaluer et justifier le crédit d'impôt rechercheEvaluer et justifier le crédit d'impôt recherche
Evaluer et justifier le crédit d'impôt recherche
 
La vérité sur le Big Data, Hadoop, l'internet des objets et les tendances tec...
La vérité sur le Big Data, Hadoop, l'internet des objets et les tendances tec...La vérité sur le Big Data, Hadoop, l'internet des objets et les tendances tec...
La vérité sur le Big Data, Hadoop, l'internet des objets et les tendances tec...
 
Presentation micropole kevin njifon
Presentation micropole   kevin njifonPresentation micropole   kevin njifon
Presentation micropole kevin njifon
 

Dernier

Deuxième actualisation estimation élections européennes 2024
Deuxième actualisation estimation élections européennes 2024Deuxième actualisation estimation élections européennes 2024
Deuxième actualisation estimation élections européennes 2024
contact Elabe
 
Etat de l’opinion - Journée CCR CAT « Protégeons l’assurabilité »
Etat de l’opinion - Journée CCR CAT « Protégeons l’assurabilité »Etat de l’opinion - Journée CCR CAT « Protégeons l’assurabilité »
Etat de l’opinion - Journée CCR CAT « Protégeons l’assurabilité »
contact Elabe
 
L'Observatoire politique ELABE pour Les Echos - Juin 2024
L'Observatoire politique ELABE pour Les Echos - Juin 2024L'Observatoire politique ELABE pour Les Echos - Juin 2024
L'Observatoire politique ELABE pour Les Echos - Juin 2024
contact Elabe
 
Productivité et politique industrielles: deux défis à relever conjointement
Productivité et politique industrielles: deux défis à relever conjointementProductivité et politique industrielles: deux défis à relever conjointement
Productivité et politique industrielles: deux défis à relever conjointement
La Fabrique de l'industrie
 
Webinaire_les aides aux investissements.pptx
Webinaire_les aides aux investissements.pptxWebinaire_les aides aux investissements.pptx
Webinaire_les aides aux investissements.pptx
Institut de l'Elevage - Idele
 
Actualisation estimation élections européennes 2024
Actualisation estimation élections européennes 2024Actualisation estimation élections européennes 2024
Actualisation estimation élections européennes 2024
contact Elabe
 
Estimation élections européennes 2024 ELABE
Estimation élections européennes 2024 ELABEEstimation élections européennes 2024 ELABE
Estimation élections européennes 2024 ELABE
contact Elabe
 
Sondage ELABE pour Les Echos et l'Institut Montaigne -Les Français et la guer...
Sondage ELABE pour Les Echos et l'Institut Montaigne -Les Français et la guer...Sondage ELABE pour Les Echos et l'Institut Montaigne -Les Français et la guer...
Sondage ELABE pour Les Echos et l'Institut Montaigne -Les Français et la guer...
contact Elabe
 
Les Français et les élections européennes - 9ème vague
Les Français et les élections européennes - 9ème vagueLes Français et les élections européennes - 9ème vague
Les Français et les élections européennes - 9ème vague
contact Elabe
 
Estimations ELABE BFMTV ABSTENTION élections européennes 2024
Estimations ELABE BFMTV ABSTENTION élections européennes 2024Estimations ELABE BFMTV ABSTENTION élections européennes 2024
Estimations ELABE BFMTV ABSTENTION élections européennes 2024
contact Elabe
 
Comprendre le vote aux élections européennes du 9 juin 2024
Comprendre le vote aux élections européennes du 9 juin 2024Comprendre le vote aux élections européennes du 9 juin 2024
Comprendre le vote aux élections européennes du 9 juin 2024
contact Elabe
 
Les Français et les élections législatives
Les Français et les élections législativesLes Français et les élections législatives
Les Français et les élections législatives
contact Elabe
 

Dernier (12)

Deuxième actualisation estimation élections européennes 2024
Deuxième actualisation estimation élections européennes 2024Deuxième actualisation estimation élections européennes 2024
Deuxième actualisation estimation élections européennes 2024
 
Etat de l’opinion - Journée CCR CAT « Protégeons l’assurabilité »
Etat de l’opinion - Journée CCR CAT « Protégeons l’assurabilité »Etat de l’opinion - Journée CCR CAT « Protégeons l’assurabilité »
Etat de l’opinion - Journée CCR CAT « Protégeons l’assurabilité »
 
L'Observatoire politique ELABE pour Les Echos - Juin 2024
L'Observatoire politique ELABE pour Les Echos - Juin 2024L'Observatoire politique ELABE pour Les Echos - Juin 2024
L'Observatoire politique ELABE pour Les Echos - Juin 2024
 
Productivité et politique industrielles: deux défis à relever conjointement
Productivité et politique industrielles: deux défis à relever conjointementProductivité et politique industrielles: deux défis à relever conjointement
Productivité et politique industrielles: deux défis à relever conjointement
 
Webinaire_les aides aux investissements.pptx
Webinaire_les aides aux investissements.pptxWebinaire_les aides aux investissements.pptx
Webinaire_les aides aux investissements.pptx
 
Actualisation estimation élections européennes 2024
Actualisation estimation élections européennes 2024Actualisation estimation élections européennes 2024
Actualisation estimation élections européennes 2024
 
Estimation élections européennes 2024 ELABE
Estimation élections européennes 2024 ELABEEstimation élections européennes 2024 ELABE
Estimation élections européennes 2024 ELABE
 
Sondage ELABE pour Les Echos et l'Institut Montaigne -Les Français et la guer...
Sondage ELABE pour Les Echos et l'Institut Montaigne -Les Français et la guer...Sondage ELABE pour Les Echos et l'Institut Montaigne -Les Français et la guer...
Sondage ELABE pour Les Echos et l'Institut Montaigne -Les Français et la guer...
 
Les Français et les élections européennes - 9ème vague
Les Français et les élections européennes - 9ème vagueLes Français et les élections européennes - 9ème vague
Les Français et les élections européennes - 9ème vague
 
Estimations ELABE BFMTV ABSTENTION élections européennes 2024
Estimations ELABE BFMTV ABSTENTION élections européennes 2024Estimations ELABE BFMTV ABSTENTION élections européennes 2024
Estimations ELABE BFMTV ABSTENTION élections européennes 2024
 
Comprendre le vote aux élections européennes du 9 juin 2024
Comprendre le vote aux élections européennes du 9 juin 2024Comprendre le vote aux élections européennes du 9 juin 2024
Comprendre le vote aux élections européennes du 9 juin 2024
 
Les Français et les élections législatives
Les Français et les élections législativesLes Français et les élections législatives
Les Français et les élections législatives
 

Retour d'expérience - Credit.fr

  • 1. 1 Retour d’Expérience Optimisation d’un algorithme d’acceptation automatique de dossiers d’octroi SMART DATA ET DATA SCIENCE AU SERVICE DU CROWDLENDING : COMMENT ACCROÎTRE LES FINANCEMENTS TOUT EN RÉDUISANT LES RISQUES DE DÉFAILLANCE ?
  • 2. 2 S o m m a i r e 1) Présentation des enjeux 2) Environnement de départ, outils utilisés au départ  à l’oral sans support 3) Méthodologie et outils pour atteindre la cible 4) Résultats et gains chiffrés 5) Next steps 6) Q&R
  • 3. 33 P R E S E N T A T I O N D E S E N J E U X
  • 4. 44 Credit.fr En quelques mots NOTREADN : MANAGEMENTDU RISQUEET AGILITÉ Création Acquisitionpar TIKEHAU CAPITAL Mars2015 Juin 2017 16 employées 6M€en levéede fonds Crédits aux TPE/PME 20 000€ à 2 500 000€ 1ère Fintech de France à être reliée avec la Banque de France (Fiben) Taux de défaut parmi les plus bas d’Europe 1min:pour ouvrirun compteprêteur N°1 En nombre d’entreprises financées 4jours:durée moyenne pour obtenir le déblocage desfonds
  • 5. 55 NOS EMPRUNTEURS Projetsfinancés Taux moyen Montant financé Duréemoyenne 326 7,36% 69 942 € 43 705 22 801 050 € Montant moyen Demandesdeprêt Capital remboursé Intérêtsversés 4 159 769 € 1 104 703 €44 mois
  • 6. 66 PartenariatavecHello Bank! Signéen septembre2016 8janvier2018:lancement du FPSTIKEHAUCREDIT.FRpour lesinvestisseurs institutionnels (30 M€) NOS PRÊTEURS 16 830 20 % Prêteurs Financéspardes holdings ou trésoreried’entreprise
  • 7. 7 E n j e u x / O b j e c t i f s d u p r o j e t dossiers reçus dossiers étudiés dossiers acceptés Impayés Profit Enjeux Atteindre l’objectif de croissance 2020 pour prendre la place de leader français. Objectifs Augmenter le taux d’agrément automatique et maintenir le niveau de risque pour limiter les impayés. Retour sur investissement Moins cher qu’un budget de Google Adwords, la modification de l’algorithme d’octroi permettrait d’accroître le volume d’acceptation tout en maintenant le niveau de risque. CYCLE ON-BOARDING
  • 8. 8 E n v i r o n n e m e n t d e d é p a r t , o u t i l s u t i l i s é s a u d é p a r t  p a r t i e p r é s e n t é e à l ’ o r a l s a n s s u p p o r t
  • 9. 9 M é t h o d o l o g i e e t o u t i l s p o u r a t t e i n d r e l a c i b l e
  • 10. 10 10 P O U R A T T E I N D R E L A C I B L E Pas d’IA sans DatasciencePas de Datascience sans DATA … Pas de science sans L’EXPERTISE des METIERS
  • 11. 11 11 I m p l é m e n t a t i o n d e l a s o l u t i o n p o u r u n e r é p o n s e e n t e m p s r é e l M o d é l i s a t i o n d e l ’ a c c e p t a t i o n e t d u r i s q u e S i m u l a t i o n i t é r a t i v e d e s R O I M a i t r i s e r l ’ e n s e m b l e d e s d a t a s e x i s t a n t e s S ’ a p p u y e r s u r l e r e t o u r d ’ e x p é r i e n c e E v a l u e r l e p o t e n t i e l d u m a r c h é D A T A S C I E N C E A L T A R E S A i d e r C r e d i t . f r à o p t i m i s e r s o n a l g o r i t h m e d ’ o c t r o i … La data, source de performance, est au cœur du projet
  • 12. 12 12 D A T A C O M P O R T E M E N T A L E  500 000 balises trackées S C R A P I N G  15 millions de mots-clés  700 000 logos  700 000 pages sociales C R O W D S O U R C I N G  Catalogue de 4 000 produits  10.000 pages entreprises D A T A D I G I T A L E  1,8 millions de sites web  2, 5 millions d’e-mails D A T A H I S T O R I Q U E  15 millions d’entreprises (RNCS, INSEE)  15 millions de comptes annuels  10 millions d’entrées au Bodacc D A T A O N B O A R D I N G  3,2 millions de cookies C O L E C T E E T T R A I T E M E N T D E D O N N E E S BtoB N O T R E L E G I T I M I T E D A T A , B I G D A T A 3 0 a n s d e s a v o i r f a i r e D A T A I N T E R N A T I O N A L E  255 millions d’établissements  18 millions de liens capitalistiques  228 millions de dirigeants O P E N D A T A 4,2 millions de marques déposées, designs et brevets… D A T A P R I V É E  3,6 milliards d’éléments de bilan  500 000 mises à jour quotidiennes  40 millions de paydex * * * * Sources utilisées dans le cadre de ce REX *
  • 13. 1313 13 Ensemble des demandes 100% 75% des demandes sont en rejet automatique 25% des demandes sont acceptées automatique demandes en rejet manuel 1% dossiers financés 1. L’algorithme initial, au démarrage de la plateforme digital de Credit.fr, repose sur de l’expertise et sur un ensemble de règles qui utilise largement le score de défaillance Altares 2. Après 3 ans de fonctionnement, les données récoltées permettent de d’avoir une base de connaissance pour faire évoluer l’algorithme et de conserver le niveau de risque actuel en augmentant le nombre de dossiers acceptés et donc d’optimiser le travail de l’arbre de No Go Go ALGO Niveau de Risque +++ Risque -Risque + O P T I M I S A T I O N D E L ’ A L G O R I T H M E D ’ A C C E P T A T I O N T E M P S R E E L Analyse manuelle des dossiers
  • 14. 1414 14 Ensemble des demandes demandes en rejet automatique Demandes acceptées en automatique demandes en rejet manuel 1% de dossiers financés No Go Go ALGO Risque -Risque + Niveau de Risque +++ Majoritairement Mais il reste des entreprises avec un Niveau de risque + ou un niveau de risque - Solution : Identifier et reclasser automatiquement les dossiers à faible risque O P T I M I S A T I O N D E L ’ A L G O R I T H M E D ’ A C C E P T A T I O N Analyse manuelle des dossiers ISO Impayé Mesure du risque
  • 15. 1515 15 La solution consiste à déplacer la mesure du risque de l’ensemble des dossiers déposés auprès de Crédit.fr vers 3 millions d’entreprises qui reflètent le marché potentiel de la plateforme Une base de 3 millions d’entreprises permet une mesure/observation précise du risque sur les segments à l’origine des règles de l’algorithme Tandis les « seuls » dossiers déposés pendant 2 ans permettent seulement une approximation imprécise du risque On peut ainsi mettre en œuvre une technique statistique simple et fiable, de test de moyenne, sur un grand nombre de critères (plus d’un millier) et la base des 3 millions d’entreprise pondérés pour être représentative de l’ensemble des dossiers O P T I M I S A T I O N D E L ’ A L G O R I T H M E D ’ A C C E P T A T I O N
  • 16. 1616 16 Ensemble des demandes Baisse des demandes en rejet automatique Augmentation de 50%des demandes acceptées en automatique demandes en rejet manuel +50% de dossiers financés No Go GoNEW ALGO Risque –Risque + O P T I M I S A T I O N D E L ’ A L G O R I T H M E D ’ A C C E P T A T I O N + 50 % ISO IMPAYÉ AVANT/APRÈS : objectif rester à 1%
  • 17. 17 R é s u l t a t s e t g a i n s c h i f f r é s
  • 18. 18 S I M U L AT I O N D U R O I : s u i v a n t l e s h y p o t h è s e s d é d u i t e s d e l ’ h i s t o r i q u e + 50 % Retour sur investissement Moins cher qu’un budget de Google Adwords la modification de l’algorithme d’octroi permet d’accroitre le volume d’acceptation tout en maintenant le niveau de risque. 43 705 dossiers reçus 10 926 dossiers étudiés 326 dossiers acceptés 22.8 M€ 2 à 4 Impayés Profit 43 705 dossiers reçus 16 390 dossiers étudiés 489 dossiers acceptés 34.2 M€ 4 à 6 Impayés Profit
  • 19. 19 N E X T S T E P S
  • 20. 2020 PROCHAINES ETAPES Mise en place du nouvel algorithme avec les équipes d’Altares Intégration des données non conventionnelles suite au programme de R&D avec le labo Rexfi (CNAM / ESCP / ENA) Travail avec LINXO pour l’accès aux relevés de comptes bancaires dans le processus octroi Intégration des Fiben dans le score Credit.fr 1 2 3 4
  • 21. 21 Q u e s t i o n s R é p o n s e s # b e d a t a F R A N C E 55, avenue des Champs- Pierreux 92000 NANTERRE +33 (0)825 80 58 02 P A Y S - B A S Otto Reuchlinweg 1032, 3072 MD ROTTERDAM MANAGEO 290 avenue Galilée 13594 Aix en Provence B E L G I Q U E Avenue Charles-Quint 576, 1082 BRUXELLES, M A G H R E B Inforisk Altares Africa 42 Bd Abdelmoumen CASABLANCA w w w . a l t a r e s . c o m