Et si les réseaux neuronaux pouvaient prédire la chute d'une organisation ? Derrière ces modèles d'intelligence artificielle ( « neurones » ) observés par Philippe du Jardin, professeur à l'EDHEC Business School, se cache une science aux applications bien réelles : la prédiction des risques. Rencontre avec un pionnier de la discipline aujourd'hui membre du club très fermé des 2 % des chercheurs les plus cités au monde.
La saturation récente du paysage médiatique par l'intelligence artificielle nous fait oublier une chose : la discipline ne date pas d'hier. L'essor actuel du phénomène – dans le sillage des grands modèles de langage – s'appuie sur des travaux que l'on fait souvent remonter aux années 1950 et à la figure de Turing. Plus proche de nous, Philippe du Jardin, professeur à l'EDHEC, est également un contributeur important de cette histoire récente de l'IA. Spécialiste des modèles de classification non linéaires – nous y reviendrons –, il nous a accordé de son temps pour faire un peu de pédagogie sur un sujet complexe : la prédiction automatisée par l'IA des faillites d'entreprises.
Une petite leçon d'intelligence artificielle
Lorsque nous prenons place face à Philippe du Jardin, nous savons une chose : son sujet de prédilection concerne la prédiction des trajectoires de faillite grâce à l'utilisation de réseaux de neurones. Heureusement, le chercheur est aussi pédagogue que passionné, et ce point de départ va rapidement s'éclairer. Les réseaux de neurones, nous explique-t-il, « sont des unités de calcul reliées les unes aux autres par des coefficients. Chaque neurone fait un petit bout de calcul en fonction de ce qu'il reçoit avant et transmet – ou non – des données au neurone suivant ». À partir de données d'entrée, ces réseaux sont capables de proposer un résultat.Les réseaux neuronaux ont comme particularité de modéliser des phénomènes non linéaires bien mieux que ne le font des méthodes traditionnelles. En langage profane, ils sont capables de modéliser des relations complexes entre deux objets. Cette modélisation peut prendre différentes formes. Chez ChatGPT, vous obtenez une séquence de mots ; avec Philippe du Jardin, vous êtes capable de prédire l'appartenance d'un objet à une classe. « Cet os appartient-il à un homme ou à une femme ? Ce client est-il un bon payeur ? Cette action est-elle susceptible d'augmenter ? Cette entreprise va-t-elle faire faillite ? », détaille Philippe du Jardin.
Pour parvenir à ces résultats, les réseaux de neurones doivent être entraînés. En phase d'apprentissage supervisé, on force le réseau à aboutir à un résultat attendu. S'il se trompe, les paramètres sont corrigés, et ainsi de suite. « On s'arrête à un moment donné. Il faut calculer l'instant d'arrêt parce que si l'apprentissage est trop court, le réseau généralisera mal et aura une mauvaise capacité à s'adapter. À l'inverse, s'il a trop appris, il sera biaisé par les spécificités de l'échantillon, qui ne correspondent pas toujours à la population totale », précise Philippe du Jardin.
Un outil fantastique au service de la maîtrise du risque
Formé à l'IA au début des années 1980, Philippe du Jardin s'est d'abord intéressé aux faillites par commodité. « Dans tous les pays, les données financières des entreprises sont publiées. Elles sont accessibles, peu chères et normalisées », explique le chercheur. Il fait en réalité son entrée dans un domaine en pleine expansion, aux applications multiples : la notation financière. « Tous les investisseurs de la planète ont besoin de notes de risque pour évaluer les comptes des organisations auxquelles ils prêtent. C'est un sujet qui intéresse l'ensemble des créanciers », poursuit Philippe du Jardin.Mais alors que les modèles de faillites existent depuis les années 1960, ce passionné d'informatique passé par plusieurs business schools parvient à se démarquer en incorporant une véritable connaissance des phénomènes économiques au sein d'une spécialité encore purement algorithmique. « La discipline était une chasse gardée des statisticiens, des mathématiciens. La plupart du temps, ils ne connaissaient rien aux problèmes traités. Classer des fleurs, des entreprises ou des gens revenait un peu au même : seul comptait l'algorithme », explique Philippe du Jardin. Des connaissances issues de la littérature scientifique lui permettent alors d'enrichir les modèles : par exemple, certaines faillites se produisent de manière très graduelle, sur dix ans ; certaines entreprises sombrent en deux ans et d'autres ne cessent de faire le yoyo avant de mettre la clé sous la porte. « On sait donc des choses sur la faillite et ce qui m'a intéressé, c'est d'utiliser ces informations pour améliorer la précision des modèles. J'ai simulé des trajectoires de faillite pour rendre compte du cheminement des firmes vers leur mort et les employer en guise de modèle. En somme, je cherche des régularités dans des données, des patterns*, sur la base de connaissances dont on dispose a priori, et je construis des modèles en fonction de ces régularités », ajoute Philippe du Jardin.
Un futur agentique
Pour l'avenir, Philippe du Jardin parie sur l'IA agentique. Il imagine ainsi un futur proche dans lequel des agents autonomes seront en mesure de collecter les données, de les retraiter, de faire le choix des paramètres, de construire les modèles, mais également d'analyser les résultats et de prendre des décisions. « Pendant longtemps, l'IA a été réservée à des spécialistes, car bon nombre de tâches concourant à la réalisation d'un modèle étaient manuelles ou relevaient d'une sorte de cuisine statistique nécessaire pour réaliser des choix. Des progrès ont été faits récemment qui permettent de créer des modèles sans être un spécialiste, car, d'une certaine manière, l'expertise du spécialiste a pu être en grande partie automatisée. L'étape d'après, ce sont les agents. Aujourd'hui, un modèle crée un résultat, et ce résultat est exploité par une personne qui va l'analyser, prendre une décision puis agir. Cette séquence analyse-décision-action est en passe d'être automatisée, et des agents un peu partout vont se mettre à faire tout ou partie du travail de pas mal d'individus. » Cette capacité à remplacer une partie du travail humain pose des questions éthiques, que Philippe du Jardin préfère renvoyer à l'usage des algorithmes, plutôt qu'aux outils eux-mêmes. « La machine n'est ni mauvaise ni bonne, l'éthique intervient sur l'emploi des algorithmes. Vous pouvez aussi faire du classement pour améliorer la vie des gens. » De l'oracle algorithmique à l'outil agentique, une chose est certaine : l'avenir s'écrit dans une nouvelle forme de collaboration avec la machine, propre à transformer durablement nos organisations.
Participer à la conversation