Objective
Developper un modele de scoring credit IA pour evaluer le risque des PME marocaines avec plus de precision que les methodes traditionnelles.
Description
Contexte
Les PME representent 95% du tissu economique marocain mais ont difficilement acces au credit. Les modeles de scoring traditionnels ne captent pas la realite de ces entreprises.
Solution
Un modele de machine learning entraine sur les donnees financieres et comportementales des PME marocaines, integrant des sources alternatives (transactions, reseaux sociaux professionnels, donnees fiscales). Bank Al-Maghrib services financiers
Target Audience
Banques, societes de micro-credit, fintechs
Steps
Collecte et preparation des donnees
Agregation des donnees financieres, fiscales et comportementales de 5000+ PME sur 3 ans.
Feature engineering
Creation de variables predictives specifiques au marche marocain (saisonnalite, secteur, region).
Entrainement du modele
Test de plusieurs algorithmes (XGBoost, Random Forest, Neural Network) et selection du meilleur.
Validation et calibration
Backtesting sur donnees historiques et calibration du seuil de decision.
Deploiement et monitoring
Integration dans le systeme decisionnaire de la banque avec tableau de bord de suivi.
Tools used
Python
Developpement du modele et pipeline de donnees
XGBoost
Algorithme principal de scoring
Scikit-learn
Preprocessing et evaluation
MLflow
Tracking des experiences et versioning du modele
Expected results
Want to implement this use case?
Our team can help you set up this AI solution for your business.
Contact Us