Évaluer le risque d’un crédit et suivre le portefeuille
Mon premier projet complet, du modèle à l’outil : huit algorithmes comparés, un score de risque, une application d’évaluation des demandes et un tableau de bord.
Bridge Bank Group Côte d’Ivoire

- 01Données
- 02Modèle
- 03Risque de crédit
- 04Score
- 05Suivi
Le projet
Pendant mon stage d’analyste crédits chez Bridge Bank Group Côte d’Ivoire, une question revenait pour chaque dossier : ce client remboursera-t-il son prêt ?
Pour mon mémoire, j’ai exploité l’historique de 828 crédits accordés à des particuliers (15 variables, de 2008 à 2022). J’ai corrigé le déséquilibre entre bons et mauvais payeurs, comparé huit modèles (régression logistique, forêts aléatoires, XGBoost, LightGBM, SVM, réseau de neurones, entre autres) et retenu une forêt aléatoire, la plus performante des huit sur l’échantillon de test. J’ai ensuite fixé le seuil de probabilité de défaut qui équilibre le mieux performance et erreurs.
Le modèle est devenu une application : on saisit une demande, on obtient un score et un niveau de risque, et un tableau de bord suit le portefeuille. C’est là que j’ai compris qu’un modèle prend toute sa valeur quand quelqu’un peut s’en servir.
La démonstration en ligne utilise des données entièrement fictives, générées par script.
Contexte
J’étais stagiaire analyste crédits chez Bridge Bank Group Côte d’Ivoire, de mai à septembre 2023. Le stage servait aussi de terrain à mon mémoire de fin de cycle à l’ENSEA.
Stagiaire Analyste Crédits · Bridge Bank · Mai à septembre 2023
Le problème
Pour chaque demande, il faut vérifier que le dossier tient la route et estimer le risque. Ensuite, il faut suivre dans le temps comment se comporte l’ensemble du portefeuille.
L’approche
J’ai commencé par l’analyse classique des états financiers et du risque de crédit, puis comparé huit algorithmes de machine learning, avec validation croisée et optimisation des hyperparamètres. Le modèle retenu a ensuite été intégré dans une application Streamlit.
Ce que j’ai construit
- 01Une application d’évaluation de crédit basée sur le machine learning
- 02Un tableau de bord interactif de suivi du portefeuille
- 03Un mémoire de master, consultable en ligne
Technologies
Mon rôle
J’ai conçu et développé l’application et le tableau de bord.
Captures d’écran
cliquez pour agrandir, puis encore pour zoomer





