Services
Quelle est la chance d'acquérir un certain client?
Comment repérer à l’avance les mauvais payeurs?
Dispose-t-on d’informations "faibles" pouvant prévenir d’une fraude potentielle?
A quel niveau d'insolvabilité doit-on s’attendre?
En cas d’impayés, quelles actions de recouvrement est-il intéressant d’entreprendre, quand et envers qui?

Nos algorithmes d’analyse fournissent un indice de probabilité fiable, l'élément crucial pour calculer le rapport coût / bénéfice des actions à entreprendre.

 

CONTEXTE

Beaucoup d’entreprises disposent de services ayant pour tâche de surveiller, prévenir et contrer les agissements de sujets externes susceptibles de leur causer des préjudices, notamment de nature économique. Cela afin de se protéger de dommages allant du retard de paiement jusqu’aux tentatives de profiter de façon inappropriée d'offres et de promotions, jusqu'aux abus et à des comportements véritablement frauduleux.

 

PROBLÈME
antifrode

Toutes ces entreprises sont confrontées à des problématiques de coûts-bénéfices afin de comprendre si elles ont intérêt à fournir ou non un service donné, s’il est opportun entreprendre des actions pour récupérer des créances, etc.

Pourtant, très souvent, on se limite encore à constater ce qui est déjà arrivé dans le passé, à essayer d'identifier des tendances et de repérer des séries, à en extrapoler plus ou moins grossièrement des méthodes. Pourtant, de cette manière il est impossible de saisir instantanément les nouvelles tendance ou événements, ou quantifier correctement les variables en jeu. Ainsi, on prend rarement les décisions optimales.

Or, toutes les questions énumérées ci-dessus ont un élément commun: le besoin de connaître la probabilité qu'un sujet appartienne à une catégorie particulière (par exemple celle des "resquilleurs" ou des "mauvais payeurs"). C'est donc une question de profilage.

Si on connaissait cette probabilité il serait bien plus aisé de préciser au cas par cas quelle action maximiserait l'utilité espérée.

 

SOLUTION

L'utilisation des réseaux bayésiens en tant qu'outil d'intelligence artificielle permet d'aborder ces problématiques de manière claire et efficace. Ces réseaux peuvent être "entraînés" avec toutes les informations disponibles (historiques, connaissances d'experts, variables exogènes). Généralement, à partir de seulement quelques centaines de cas, ils sont déjà capables de prédire de nouveaux cas d'intérêt, de mettre en évidence des phénomènes émergents et de soutenir l'analyse de sensibilité pour comprendre quelles sont les caractéristiques du problème qui affectent le plus les variables d'intérêt.

Les Réseaux bayésiens fournissent un indice de probabilité, l'élément crucial pour calculer le rapport coût / bénéfice des actions à entreprendre.

 

SOLUTIONS

Mieux vaut prévoir sans certitude,
que de ne pas prévoir du tout
Henri Poincaré

Ce site web utilise des cookies pour analyser son utilisation et permettre l’accès aux pages réservées. Nos cookies ne permettent pas d’identifier les utilisateurs. Les cookies sont enregistrés dans votre navigateur et sont utilisés pour personnaliser votre expérience sur notre site web. Continuer la navigation sans modifier vos préférences actuelles implique l’acceptation des cookies. Vous pouvez modifier vos préférences d’utilisation de cookies à tout moment.