Intelligence artificielle et modélisation du risque de crédit

Le risque de cr dit est au coeur des pr occupations des emprunteurs. Dans une conomie impr visible et incertaine, les individus, les m nages, les entreprises, mais aussi les tats sont soumis au stress du taux d'int r t, des traites rembourser... de la charge de la dette. L'intelligence artificielle peut-elle rendre pr visible l'inconstant, l'al atoire, l'improbable ? L'auteur tudie, value et claire la performance de plusieurs m thodes bas es sur l'intelligence artificielle dans la mod lisation du risque de cr dit. Pour ce faire, une vari t de m thodes classiques et modernes ont t compar es en termes de capacit pr dire la solvabilit des clients bancaires. Parmi ces m thodes figurent le K-plus proches voisins (KNN), l'Arbre de D cision (DT), la R gression logistique (RL), le R seau de Neurones artificiels (ANN), les machines vecteurs de support (SVM) et Na ve Bayes (NB). l'issue de cette tude, les performances de chaque mod le ont t compar es en utilisant des m triques d' valuation telles que la courbe ROC, le taux AUC, l'Accuracy, la pr cision et d'autres ratios d'erreur issus de la matrice de confusion.