Kernix a accompagné Codinf dans la création d’un modèle de classification des comportements payeurs des détaillants. L’ambition ? Permettre de prévenir les risques de défaut de paiement.

Le modèle s’appuie essentiellement sur des données issues des grands livres comptables. Ces documents, assez difficiles à exploiter, invitent à la création de features assez élaborées autour des délais de paiements, des encours ou des retards. Des données sur les entreprises y ont également été couplées. Elles permettent de donner un a priori sur le client, telles que sa taille, son secteur d’activité, l’existence d’incidents de paiement et les procédures collectives en cours à son encontre… Après ce travail conséquent de feature engineering et de sélection de variables, une étude de séries temporelles a été réalisée afin de comprendre quel pan de l’historique devait intervenir dans l’évaluation du comportement payeur.

Enfin, un score a pu être construit (vert, jaune orange, rouge, noir, du plus digne de confiance au moins digne) et un modèle XGBoost entrainé. Ce dernier dispose des vertus de complexité et de rapidité de prédiction, tout en maintenant une relative interprétabilité. Le modèle offre ainsi aux grossistes une connaissance de la situation économique et du comportement des clients sur la place avant de choisir ou non de réaliser la vente ou d’autoriser un crédit.

Cette mission s’est effectuée dans le cadre d’un projet PackIA qui, pour rappel, permet aux PME d’Île-de-France de voir leur projet IA, financé à hauteur de 50% dans la limite de 37k€.