Le big data permet de prédire la fraude ou le burn-out

©BELGA

Désormais, les spécialistes de l’information financière collaborent avec les instances judiciaires pour prédire la fraude ou la croissance des entreprises. Graydon défriche ce terrain.

Dans le film futuriste de Steven Spielberg "Minority Report", la Justice traque les criminels avant qu’ils ne passent à l’acte. Ce qui semblait une fable gratuite, voire une gentille plaisanterie à sa sortie sur les écrans en 2002, ne l’est plus aujourd’hui suite à l’avènement du big data. On songe notamment aux enquêtes sur les personnes susceptibles de commettre un attentat terroriste, mais pas seulement: dans le monde de l’entreprise aussi, les modèles prédictifs de comportement sont beaucoup plus précis qu’avant. Au point que des spécialistes puissent désormais détecter des signaux indiquant une faillite ou une fraude future possible.

"Notre métier a changé il y a un peu moins de dix ans, explique Eric Van den Broele, qui dirige le département recherche et développement du bureau d’informations commerciales Graydon. Jusqu’alors, nous étions concentrés sur les données officielles disponibles, qui nous permettaient de documenter l’évolution des entreprises au plan financier. Un nouvel univers s’est ouvert à nous avec le big data. En recourant aux données non classiques désormais accessibles et en les combinant avec de l’intelligence artificielle, nous avons vu qu’on pouvait aboutir à d’autres conclusions que purement financières et à répondre à des questions plus générales."

Objet social kilométrique

Jusqu’alors, le bureau classait les entreprises

  • en leur attribuant des scores d’activité (telle société est-elle réellement active ou non, ou plus ou moins…?), 
  • de discontinuité (risque-t-elle de fermer? De voir son dirigeant prendre sa retraite sans succession?), 
  • en prédisant leur risque de faillite
  • en déterminant leur potentiel de croissance ou leur croissance. 

Avec les nouvelles technologies à sa disposition, il est à même de détecter un large éventail de comportements. Un risque de fraude, par exemple: quand l’objet social d’une entreprise est kilométrique et qu’il allie le métier de coiffeur et celui de poissonnier, il y a des chances que le but de l’entrepreneur soit tout autre. Idem quand un même mandataire est nommé gérant d’une société A, puis deux ans plus tard d’une société B, puis d’une C après l’écroulement des précédentes: un profil de serial entrepreneur qui fait peur. Récemment, il a repéré des fraudes à la prise en leasing de voitures: des entreprises dormantes sont rachetées par des individus qui placent à leur tête des hommes de paille. Ils reconstituent de manière fictive leurs capitaux et leurs comptes annuels, puis sur cette base, ils contactent des sociétés de leasing, auprès desquelles ils acquièrent de petites flottes de véhicules, par dix ou par vingt. Quelques semaines plus tard, les voitures ont disparu, de même que les personnes impliquées. Ne restent que les hommes de paille, qui ne sont au courant de rien…

Pas valeur de preuve

Et cela va bien plus loin: "Nous collaborons avec différentes instances judiciaires, ainsi qu’avec des services de police et l’administration fiscale qui nous demandent de développer des modèles pour les aider à identifier des entreprises susceptibles d’être impliquées dans des dossiers de blanchiment, de trafic humain, de trafic de drogue ou d’autres affaires criminelles", poursuit Eric Van den Broele. Qui nuance aussitôt: "En combinant les données, on exprime des probabilités, en calculant toujours une marge d’erreur. Nous aidons les services compétents à comprendre où ils doivent chercher. Nous leur indiquons un chemin. En revanche, nos analyses ne pourront jamais être utilisées comme preuves."

"La question n’est pas: peut-on éviter l’utilisation de modèles prédictifs? Mais de déterminer comment les utiliser."
Eric Van den Broele
senior manager R & D chez Graydon

Logique, puisque tout cela renvoie à des combinaisons et analyses d’algorithmes… "Pas si évident que ça! objecte le chercheur. Nombre d’études ont comparé l’utilisation des algorithmes au fonctionnement humain. Le prix Nobel Daniel Kahneman a par exemple analysé le fonctionnement du jugement humain dans une série d’affaires criminelles aux Etats-Unis. Il a démontré que pour un criminel, il vaut mieux passer en jugement en début d’après-midi qu’en fin de matinée. Il a également montré qu’aucun juge ne se prononce de la même façon sur une même affaire. Autrement dit, on peut développer aujourd’hui des algorithmes qui, sur la base d’éléments d’observation, arriveront à produire des jugements avec plus de consistance et de cohérence que ne le fera l’homme."

Ces techniques peuvent aussi contribuer à résoudre des problématiques dans de tout autres domaines, comme le burn-out. "On peut prédire quelles entreprises risquent d’enregistrer une forte augmentation du nombre de cas de burn-out." Plusieurs clients recourent déjà à ce service. Comment ça marche? Eric Van den Broele cite une des voies possibles pour y arriver: avec le concours de l’université d’Anvers, Graydon a mis au point une typologie des entrepreneurs selon huit profils, allant aux deux extrémités du dictateur au démocrate. Le modèle a été testé auprès de 1.500 dirigeants. L’université a observé une corrélation entre ces styles de management et l’expérience de paiement des entreprises: en résumé, les patrons dictateurs paient moins bien que les autres! Pourquoi? Par hypothèse, parce qu’ils se soucient moins de leur environnement et de leurs fournisseurs. "Cela pourrait indiquer que les mêmes dictateurs se soucient tout aussi peu de leur politique de ressources humaines, lance le chercheur. Il est donc prossible qu’en combinaison avec d’autres éléments, l’étude des expériences de paiement des entreprises permette de prédire le taux plus ou moins élevé de burn-out en leur sein." Précisons que c’est un sujet sur lequel Graydon et ses partenaires continuent de plancher actuellement.

Régions intéressées

©Imaginechina

Autre programme très concret: Graydon collabore avec la Région flamande et l’Unizo dans le cadre du plan Road to Growth. La Région a remarqué qu’un certain nombre d’entreprises semblent capables de croître, mais se montrent réticentes à le faire, se contentant du statu quo. Elle a dès lors mandaté le bureau d’informations pour identifier celles-ci. Elle les contacte ensuite pour les encourager à passer à l’action. Le même programme sert à diagnostiquer les entreprises en difficulté, en problème de financement ou en voie de reprise, ce qui permet dans chaque cas de leur proposer une aide adaptée. Ce processus a déjà donné des résultats, au point que les deux autres Régions du pays ont commencé à s’y intéresser. Des discussions sont en cours notamment avec des sociétés publiques d’investissement.

Reste une question de fond. Avec le big data, est-on en train de dériver vers une sorte de Big Brother dans l’économie et plus largement la vie sociale? "La question n’est pas: peut-on éviter l’utilisation de modèles prédictifs, répond Eric Van den, Broele, mais de déterminer comment les utiliser? Par qui? Et pourquoi? À la société de définir sa vision, ce qu’elle accepte et ce qu’elle refuse."

Lire également

Publicité
Publicité

Echo Connect