Qu’est-ce qu’un signal faible ?
Pour Igor ANSOFF* consultant en stratégie d’entreprise, « le signal faible est une information fragmentaire, rapidement obsolète et largement anticipative ». C’est donc une information précoce, de faible intensité annonciatrice d’une tendance, d’une menace ou d’une opportunité.
La collecte de ces informations s’avère complexe de par la quantité d’information gravitant autour d’une entreprise, que celle-ci soit cliente, fournisseur, partenaire ou concurrente. Croisé avec d’autres informations, le signal faible peut être annonciateur d’un événement important.
Utilité des signaux faibles pour le credit manager
Au-delà des informations légales et financières “traditionnelles”, le credit manager doit également s’approprier des informations de type signal faible et les intégrer dans ses analyses. L’objectif est de mettre en place des mesures préventives dans le process de prises de décision concernant la gestion du crédit interentreprises, le recouvrement de créances, l’amélioration du DSO et du pilotage du taux d’encaissement ainsi que de la sinistralité de ses tiers.
Rendre intelligibles les signaux faibles sur les entreprises
Contrairement au signal fort, le signal faible s’apparente à du « bruit » dont la valeur n’est perçue qu’après un traitement approprié. Une bonne gestion d’un signal faible se passe en deux phases : la collecte et son interprétation pour lui donner un sens.
Son exploitation repose principalement sur une action qualitative d’interprétation (liée à un contexte métier afin de détecter et d’appréhender des tendances ainsi que des mises en perspective positives ou négatives).
| Signal fort | Information sans ambiguïté, explicite et compréhensible. Détermine un fait. |
| Signal faible | Perception – Information fragmentaire de nature anticipative qui dans un premier temps peut s’avérer mineure ou insignifiante. Nécessite d’être croisée et analysée pour en tirer de la valeur. |
Conférer un sens et une utilité à un signal faible sur une entreprise en matière de credit management nécessite une bonne compréhension de l’imbrication des informations légales, économiques, financières et capitalistiques. Tout ceci doit reposer sur l’identification du risque d’insolvabilité d’une entreprise afin de suivre et prévenir le risque d’impayé.
Cette mise en cohérence nécessite de l’expertise dans l’interprétation et dans la détection prédictive d’entreprises en difficulté.
Comment les utiliser dans la prise de décision en credit management ?
Face à l’explosion des données et au volume exponentiel d’informations disponibles sur les entreprises, toute la question pour les credit managers porte sur leur capacité à distinguer puis suivre le signal faible utile, et ce, au fur et à mesure qu’il apparaît.
Toutes les données collectées sur les signaux faibles doivent être de qualité pour en tirer de la valeur. Devant la masse d’informations à disposition, la gestion des signaux faibles justifie le recours à l’automatisation et à l’intelligence artificielle dans les traitements prédictifs. Ces traitements (dits « machine ») se font quasiment en temps réel pour corréler les informations et ainsi créer des alertes.
Le résultat peut se matérialiser sous la forme d’un indicateur ou d’un score.
Si ces impératifs d’exactitude, de fiabilité et de fraîcheur de l’information ne sont pas respectés, les décisions prises sur des signaux faibles erronés ou mal interprétés peuvent nuire gravement aux entreprises. En fait, c’est toute une chaîne d’expertise métier qui est nécessaire pour assurer un résultat à la hauteur des enjeux.
Quels sont les signaux faibles négatifs et positifs utiles en credit management ?
Etre à l’écoute des signaux annonciateurs permet d’adopter une approche proactive dans l’exposition aux risques de crédit et la gestion des impayés en BtoB. Parmi les signaux faibles en credit management on distingue :
Le comportement de paiement. Il se définit par la manière dont un client paie ses fournisseurs (en temps et en heure ou bien en retard).
La recherche de nouveaux financements ou de nouveaux partenaires bancaires.
Les tendances économiques des secteurs d’activité selon des approches macroéconomiques liées aux différentes crises économiques.
Les inscriptions de privilèges Sécurité Sociale U.R.S.S.A.F ou Trésor Public.
L’augmentation de capital social.
Les modifications sur l’actionnariat ou les dirigeants statutaires.
Le DPO-Days Payable Outstanding, comparé au secteur d’activité, correspond au nombre de jours écoulés entre le moment où un fournisseur facture une entreprise et le moment où celle-ci le paye.
La demande inhabituelle d’extension de délai de paiement.
Les sanctions DGCCRF dans le respect des règles du code de commerce relatives aux délais de paiement.
Les décisions de justice en défaveur.
L’anticipation des levées de fonds.
L’analyse des événements légaux comme la non publication des comptes sociaux malgré une obligation de publication, la perte de la moitié du capital social…
La connaissance d’impayés et de contentieux (litiges).
Les procédures collectives : procédures de sauvegarde, redressements judiciaires.
Les différentes tonalités détectées dans des contenus de presse grâce à l’analyse sémantique de la défaillance.
Les nouvelles commandes ou contrats.
Autant d’informations pour améliorer la prise de décision ; encore faut-il correctement identifier puis vérifier ces données afin de pouvoir les exploiter au mieux dans la prédiction de certains comportements.
Les signaux faibles n’obtiennent leur vraie valeur que s’ils sont croisés à d’autres données de sources diverses
La détection des signaux faibles n’est effectivement pas un sujet nouveau. Cependant, devant la masse d’informations à traiter, beaucoup d’entreprises renoncent rapidement, souvent par manque de temps, parfois par absence de savoir-faire. Généralement, peu habituées à manier des informations incertaines, bon nombre d’entreprises se réfugient vers des informations plus stables et plus faciles à analyser, en oubliant le côté prédictif des signaux faibles. Des solutions en credit management existent pourtant afin de surmonter les problèmes inhérents à la collecte et à l’analyse des signaux faibles. Celles-ci passent par les sociétés d’information sur les entreprises qui assurent le traitement des signaux faibles au travers d’indicateurs.
Annonciatrices d’un événement futur, les données dites de “signaux faibles » s’avèrent extrêmement pertinentes dans la gestion du risque de crédit en BtoB. Elles ont assurément un fort potentiel prédictif lorsqu’elles sont mises en perspective dans un contexte précis tel que la défaillance, l’impayé, la fraude.
* Igor Ansoff ( 12 décembre 1918 – 14 juillet 2002 ) est un consultant en stratégie d’entreprise et professeur russo-américain
