Conclusion
L'application de la classification : Analyse discriminante a
abouti à une fonction SCORE simple à exploiter qui permettra
à distinguer les entreprises saines, des entreprises défaillantes
dès le premier contact avec le chargé clientèle. Ce score
permettra de classer la clientèle et d'avoir une réponse
immédiate à la demande de crédit.
La construction de ce modèle nous a mis en relief les
variables les plus pertinents : Qualitatifs et quantitatifs, qui
reflètent bel et bien la situation de solvabilité de
l'entreprise.
Les résultats que nous avons obtenus sont
satisfaisants, malgré les obstacles que nous avons rencontrés :
La carence des données, l'inadaptation du système d'autorisation
et de garanties et la confidentialité des données.
Le taux de bon classement trouvé est
élevé ce qui montre que le système est fiable et
crédible et il peut, désormais, être appliqué
à la clientèle de l'Amen Bank.
Les objectifs de l'analyse discriminante sont achevées
: le traitement d'un nombre plus important de dossiers dans un temps record et
améliorer donc la rentabilité de la banque en minimisant les
coûts de gestion.
Pour conclure, la méthode réalisée permet
l'automatisation du calcul de la fonction dès l'introduction d'une
nouvelle donnée ou d'une nouvelle demande de crédit par un client
: un suivi continu et rapide sera donc assuré.
72
Conclusion générale
Depuis la révolution Tunisienne de 2011, la Tunisie est
caractérisée d'une conjoncture économique exceptionnelle
et complexe.
Le paysage de l'économie n'est plus comme celui d'avant
et ceci a fait naître plusieurs nouveaux risques que les entreprises
tunisiennes n'ont pas confrontés avant tel que les chaumages techniques,
les grèves, les attentats terroriste etc. Les banques se sont
confrontées à plusieurs complications, dont principalement les
risques de non recouvrement des crédits sur les particuliers mais aussi
sur les entreprises en difficulté.
Malgré les efforts des autorités de tutelle, la
gestion des risques demeure l'un des points faibles des banques tunisiennes.
Leurs importances comme source principales de financements, leur imposent le
développement des modèles internes fiables et robuste pour
atteindre une tarification efficiente en fonction du niveau de risque. C'est
ici que l'importance majeure de la méthode scoring règne, objet
de notre étude.
`Le choix de cette méthode : Scoring par le
système bancaire est une véritable opportunité pour la
gestion et la prévision du risque de crédit. Il aide à la
fois, la direction du risque de crédit, la direction des crédits,
les chargés de clientèle.
La mise en place de ce modèle de risque de
crédit nécessite des investissements en matière de
communication, de formation et principalement de système
d'informations.
Cependant, l'utilisation de ce score peut s'avérer
audacieuse car il est peu ajusté et adapté à certains
secteurs d'activité, d'une part. Et d'autres parts, il est couteux et
nécessite une base de données d'une taille importante, mise
à jour, et complète, en évitant au maximum d'avoir des
éléments à caractère subjectives car cela agit sur
la crédibilité des résultats, que certaines banques ne
peuvent pas posséder.
Généralement, les banques affectent un score
estimatif aux entreprises qui demandent la première fois un
crédit. Une période de 6 mois est la période d'essayage et
de contrôle des mouvements bancaires pour pouvoir tranchée sur le
score « exact » de la clientèle.
L'étude que nous avons réalisée à
l'AMEN BANK sur les données recueillies a conduit aux terminaisons
suivantes :
? Le modèle qu'on a trouvé grâce à la
méthode STEPWISE Lambda Wilks est sans variables qualificatives. Ces
variables ont montré leur manque de significativité dans ce
73
modèle. C'est une alerte aux analystes de
crédits de bien fouiller les données informatives qualitatives
des entreprises.
? Le modèle dégage un taux d'erreur de 13% sur
l'échantillon, ceci montre qu'il a pu identifier le risque de
défaillance des entreprises.
? La fonction Score construite montre un pouvoir discriminant
entre les groupes : Entreprises saines et entreprises défaillantes ceci
est justifié du taux important de bonne classification, et du test de
Khi-deux.
Quel que soit la performance de ce modèle, il ne faut
pas perdre de vue ses limites. C'est pourquoi, on ne peut pas l'utiliser d'une
manière exclusive, il peut être mis en stand-by jusqu'à ce
que ça soit perfectionné et un système d'information
efficace soit exploité.
En guise en conclusion, le Crédit Scoring est un
modèle d'aide à la décision qui permet de fournir, alors,
des indicateurs très performants aux analystes de crédit afin de
les orienter vers la « zone de certitude » de leurs réponses
aux demandes de crédits.
Dans le cadre de notre formation en 3ème année
de la licence appliquée en Economie : Ingénierie Economique et
Financière, nous avons effectué un stage au sein de l'AMEN BANK
sous la responsabilité de Mr SOUGUIR SALEM : Risk Manager à la
division Risque de Crédit.
La mission qui nous a été confiée
consistait à élaborer un modèle de gestion de risque de
crédit. Et nous avons choisi le modèle Crédit Scoring.
Durant la période de stage, on a pu exercer les
connaissances théoriques et pratiques acquises durant 3 années
d'études à l'ISG. Nous avons énormément appris et
nous pouvons confirmer que cette étude a été pour nous
l'opportunité de comprendre plus en profondeur le secteur bancaire, son
organisation et ses intervenants, ainsi que le fond de la gestion de risque de
crédit.
| 
