Améliorer l’accès au crédit grâce au deep learning

Les spécialistes de l’analyse de données profitent des progrès de l’intelligence artificielle et des réseaux de neurones remis au goût du jour par les géants du numérique. C’est le cas d’Equifax, une agence d’évaluation du crédit, qui exploite le deep learning pour automatiser son processus analytique et améliorer l’accès au crédit.

C’est dans les années 50, alors que l’on cherche à tirer parti de l’informatique dans de nouveaux domaines cognitifs, que l’intelligence artificielle et le machine learning voient le jour. La première, liée à la logique symbolique et aux mathématiques, fait appel à la programmation (algorithmes). Le second, basé sur une approche statistique, implique la notion d’apprentissage : la machine étant « entraînée » à reconnaître les données qui l’alimentent pour dresser des tendances ou réaliser des prévisions. Une recette à l’origine du succès de Google, d’Amazon ou de Netflix dont les modèles sont fondés sur la prévision des comportements des internautes.

 

Deep learning = machine learning + réseaux neuronaux

 

Plus récemment, le « deep learning » (ou apprentissage profond) a donné une nouvelle impulsion au machine learning, en le combinant avec des réseaux neuronaux artificiels. Ces derniers ont connu un retour en grâce avec l’émergence des big data et des algorithmes avancés, et bénéficient aujourd’hui de la puissance de calcul qui leur manquait dans le passé. Sans chercher à créer une machine capable de penser comme un humain, le deep learning est parvenu à élargir le champ des tâches que les robots sont à même d’apprendre et d’accomplir.

 

Dans le domaine de l’évaluation du crédit pourtant, on a longtemps préféré les approches de machine learning classiques (dont la régression logistique) aux réseaux neuronaux qui promettaient, certes, des résultats plus précis, mais plus difficilement auditables. Equifax a relevé le défi en développant une solution basée sur les outils de data mining de SAS, enrichis d’une nouvelle fonctionnalité de deep learning. Celle-ci a permis d’améliorer de 15% la capacité prévisionnelle du modèle, tout en garantissant la conformité réglementaire. A la clé un développement accéléré et un processus désormais semi-automatisé. L’objectif d’Equifax est de disposer prochainement d’une chaîne analytique entièrement automatisée – avec un modèle capable de se réajuster en permanence. Au final, la nouvelle solution d’Equifax a permis de déduire de l’analyse de deux ans de données historiques, que de nombreux prêts ayant été refusés auraient pu être accordés sans crainte. De quoi dynamiser l’accès au crédit et donc la satisfaction et la fidélisation client.

 

 

Lire l’article (en anglais)

 

En complément :

L’intelligence artificielle à la portée des PME,

L’influence du deep learning sur l’économie.