Jour 1

L’IA dans le cycle du risque financier

• Évolution des méthodes de scoring et de gestion du risque
• Du scoring expert aux modèles de machine learning
• Sources de données internes et externes
• Défis réglementaires et opérationnels (Bâle, IFRS 9)

Atelier : cartographie des données de risque

• Identification des sources de données pour une PME
• Classement par pertinence, disponibilité et coût
• Construction d’une matrice de données risques

Étude de cas SCOREPME : construction d’un score de crédit

• Présentation du cas et des données synthétiques
• Exploration et compréhension des variables
• Gestion des valeurs manquantes et des outliers
• Identification des variables discriminantes

Feature engineering et sélection des variables

• Création de ratios financiers pertinents
• Importance des variables et corrélations
• Atelier : conception de nouveaux indicateurs de risque

Évaluation et interprétation des modèles

• Comparaison de modèles : régression logistique, Random Forest, XGBoost
• Métriques métier : recall, précision, ROC/AUC
• Explicabilité des modèles avec XAI
• Lecture et interprétation d’explications de score

Atelier : le comité de crédit augmenté

• Analyse de dossiers clients simulés
• Décision d’octroi ou de refus basée sur le score et son explication
• Débat sur les cas limites et arbitrages risques

Au-delà du scoring : scénarios et surveillance continue

• Stress tests et scénarios macroéconomiques
• Early Warning Systems et signaux faibles
• Données transactionnelles et comportementales
• Apports du NLP pour la détection précoce

Atelier final : concevoir un système de surveillance des risques

• Définition d’un tableau de bord risques
• Vision statique, dynamique et sous stress
• Sélection des indicateurs clés de surveillance

Synthèse et clôture

• Récapitulatif des apprentissages
• Checklist projet IA risques financiers
• Ressources et pistes d’approfondissement

À qui s’adresse cette formation ?

Risk managers et analystes risques.
Analystes crédit et chargés d’affaires entreprises.
Responsables financiers et contrôle des risques.
Data analysts et data scientists intervenant en finance.
Consultants en gestion des risques et conformité.

Quels sont les prérequis pour suivre cette formation ?

Connaissances de base en finance d’entreprise et analyse financière.
Notions générales de statistiques ou de data analysis recommandées.
Aucune expertise avancée en programmation obligatoire.