L’apprentissage automatique appliqué au crédit à la consommation
La FinTech américaine Lantern Credit a annoncé l’acquisition d’un nouvel outil (ARC), afin d’améliorer son dispositif de machine learning propriétaire, dédié aux offres de crédit à la consommation. A la clé, une capacité d’analyse accrue, permettant de proposer des offres plus pertinentes en fonction des décisions financières prises par les clients.
Lantern Credit est une FinTech californienne lancée en 2013 qui intervient dans les scores de crédit. La société propose une plate-forme propriétaire, basée sur le cloud, qui aide les consommateurs à mieux gérer leurs finances : ils peuvent en particulier mesurer en temps réel l’impact de leurs décisions et transactions financières quotidiennes sur leur score de crédit. Cette plate-forme est également proposée en marque blanche aux banques et sociétés financières.
Pour ce faire, Lantern Credit s’appuie sur BeamAI, un outil d’apprentissage automatique. Lantern cherche aujourd’hui à améliorer cet outil, grâce à l’utilisation d’un système d’apprentissage hybride (collaboration entre intelligence artificielle et intelligence humaine) pour obtenir des résultats plus fiables. BeamAI pourra par conséquent recommander des offres de crédit de manière pertinente et évolutive, en s’adaptant en permanence en fonction du comportement des clients.
En s’appuyant sur les données liées aux consommateurs et en croisant les données éloignées, ARC est également en mesure de prédire les intentions des emprunteurs et les modèles d’interaction client, pour anticiper la perte de fidélité et améliorer la relation client.
Notre Analyse : L’intelligence artificielle s’intègre toujours plus dans les modèles de scoring
Dans leur quête de la satisfaction client et du maintien de la fidélisation, les institutions financières cherchent à répondre aux attentes de leurs clients avant même que ceux-ci ne les expriment. Une démarche désormais possible grâce aux techniques de machine learning, notamment avec la montée en puissance des capteurs d’informations (smartphone, objets connectés, etc.)
Rien que dans le scoring de crédit, les algorithmes d’apprentissage ont démontré leur utilité depuis de nombreuses années. Mais au fil du temps ces outils se complexifient et deviennent de moins en moins transparents. L’une des forces revendiquées par Lantern pour BeamAI, c’est que ses réseaux sont en « white box » : ses connaissances ne sont pas codées et donc lisibles par l’utilisateur.