Entreprises & Marchés  >  Etudes de cas  >  Comment Credit.fr a optimisé son algorithme d’acceptation avec Altares

Comment Credit.fr a optimisé son algorithme d’acceptation avec Altares



Grâce à l’appui de l’équipe data science d’Altares, la plateforme de crowdlending a extrapolé la mesure du risque des 40 000 demandes reçues depuis son lancement en 2014 vers son marché potentiel. mind Fintech revient sur la méthode retenue et les moyens mis en oeuvre pour augmenter le taux d’agrément automatique.

La tendance est positive en matière de défaillances des PME et ETI. Selon un rapport de l’Observatoire des PME (Bpifrance) publié en mars 2018, 3 803 défaillances ont été comptabilisées en 2016, sur un total de plus de 3,8 millions de sociétés. Il s’agit du meilleur résultat sur les huit dernières années. Les PME et ETI ont représenté 6,5% de l’ensemble des défaillances, contre 8,5% au plus fort de la crise.

Des disparités apparaissent toutefois selon le profil des sociétés. Près de la moitié des entreprises en difficulté dégagent moins d’un million d’euros de chiffre d’affaires ou ne publient pas de documents comptables et 40%

[998 mots]
Vous avez déjà un compte ?
Connectez-vous
Créez un compte

Inscrivez-vous et bénéficiez d'une offre de découverte gratuite de 15 jours de mind Fintech

Créez un compte
Abonnez-vous

Souscrivez à une licence pour accéder à l'intégralité des contenus et supports mind Fintech

Abonnez-vous