Cycle de préparation à l’agrégation – option - gestion

La méthode des scores

Travail préparé par : Travail encadré par :

AHLALI Fatima Mr. DIBI

EL JAZOULI Inasse

Novembre 2021
Sommaire :

Introduction ................................................................................................................ 2

I. Généralités sur la méthode des scores ................................................................. 3

1. l’historique de la méthode ............................................................................... 3

2. le principe du score .......................................................................................... 4

II. Conception de la méthode des scores ................................................................. 5

1. Méthodologie de construction de la fonction score ......................................... 5

2. Cas d’application ............................................................................................. 7

III. Les modèles de la méthode des scores ............................................................... 12

1. Le modèle Altman .......................................................................................... 14

 Cas d’application ................................................................................ 15

2. Le modèle de la banque de France ................................................................. 16

 Cas d’application ................................................................................ 17

3. Le modèle de Conan et Holder ....................................................................... 18

 Cas d’application ................................................................................ 19

IV. les avantages et les limites de la méthode des scores ...................................... 20

1. Les avantages .................................................................................................. 20

2. Les limites ....................................................................................................... 20

Références ................................................................................................................. 23

1
Introduction :

Les prévisions de risque de défaillance des entreprises sont d'un grand intérêt pour les
régulateurs, les institutions financières et les actionnaires qui cherchent à rationaliser la gestion
du risque de crédit. En tant qu'intermédiaire financier, les banques restent préoccupées par le
risque d'asymétrie de l'information. Par conséquent, prédire la probabilité qu'un prêt soit
remboursé sur une période de temps reste un problème.

Encore plus, pour les PME, constituant la grande majorité du tissu économique marocain. Il
s’avère que les banques prennent en considération dans leurs tarifs le risque de défaut sous
forme de « prime de risque » afin de palier sur le moyen terme les pertes financières qu’elles
risquent. D’un côté, l’État apporte son aide à travers la garantie du risque de crédit vu la
complexité du travail que doivent mener les banques pour garantir un suivi ponctuel et
individuel du risque de chaque client.

Le scoring permet de répondre à plusieurs questions clés du processus d’octroi de crédit,

notamment : quelle est la meilleure méthode d’évaluation des clients ? Quelles sont les
variables pertinentes à intégrer dans le modèle ? Quel est le type d’information qui facilite et
améliore le processus de prise de décision ? Quelle est la meilleure mesure pour prédire le
comportement du client (sain ou défaut) ?

Intérêt du sujet :

De suite, la méthode des scores intervient comme une solution au problème de prédiction de
défaillance.

2
 I. Généralités sur la méthode des scores

1. L’Historique de la méthode

Tableau 1 : L’histoire du credit scoring en 10 dates :

Dates Évènements
2000 AVJC 1ière utilisation du crédit en Assyrie, à Babylone et en Égypte
1851 1ière utilisation de la notation (classement) crédit par John Bradstreet, pour ses
commerçants demandeurs de crédit, USA

1909 John M. Moody publie la 1ière grille de notation pour les obligations
commerciales négociée sur le marché, USA

1927 1ier « crédit bureau » crée en Allemagne

1941 David Durand professeur de Gestion au MIT écrit un rapport, et suggère le
recours aux statistiques pour assister la décision de crédit, USA

1958 1ière application du scoring par American Investments

1967 – 1970 Altman crée le « Z-score » à partir de l’analyse discriminante multivariée.
Réglementation des « crédits bureaux » par le credit reporting act, USA

1995 L’assureur d’hypothèques Freddy Mac & Fannie Mae adopte le crédit-scoring,
USA

2000 Moddy’s KMV introduit le RiskCalc pour le scoring des ratios financiers
(financial ratio scoring – FRS)

2004 Bâle II recommande l’utilisation des méthodes statistiques de prévision du

risque de crédit

Le credit scoring est un domaine relativement jeune qui n'est apparu aux États-Unis que dans
les années 1960. C'était une technique qui est apparue dans le travail de Durant en 1941 et était
une technique de décision révolutionnaire pour distinguer les bons et les mauvais emprunteurs.
Ce n'est qu'au 21e siècle que ces technologies se sont développées de manière significative,
notamment après que John Moody a annoncé sa première grille de notation pour les obligations

3
commerciales. Ces méthodes ont évolué dans les années 90 à mesure que les exigences
réglementaires (Bâle II), en particulier avec les travaux d'Altman (1968).

2. Le principe du score

a. définition

Pour définir le scoring, Anderson (2007) propose de scinder le terme en deux composantes :
credit et scoring. La première vient du terme latin « credo » qui veut dire « je crois » ou « je
fais confiance », la seconde consiste à utiliser des outils numériques pour classer et distinguer
afin de prendre des décisions objectives et cohérentes. De plus, le credit scoring peut être
facilement défini comme la conversion de données qualitatives et quantitatives en indicateurs
numériques d'aide à la décision à l'aide de modèles statistiques. De plus, les modèles statistiques
peuvent aider à déterminer si un emprunteur est susceptible de faire défaut sur un prêt particulier
(ce qui fait ça différence avec la notation). Les analystes de crédit utilisent ces techniques pour
déterminer qui obtient le crédit, l’encours des créances client et les stratégies opérationnelles
qu'ils utilisent pour améliorer la rentabilité des prêteurs et des emprunteurs. (Thomas et al. 2002,
p. 1) Plusieurs explications peuvent être avancées pour définir le rôle de credit scoring, nous
pouvons les synthétiser dans le schéma suivant :

Figure 1 : Processus du credit scoring

Prédiction
• Prêts • Nouvelles
précédents • Modèle de demandes
scoring de prêts
Construction Décision

4
Presque toutes les institutions financières et banques utilisent le modèle de scoring en raison de
ses avantages évidents. L'utilité de ces méthodes dans ce contexte peut être justifiée par les
éléments suivants :

 Uniformisation des procédures d'évaluation des demandes de crédit.

 Amélioration de la cohérence et de la traçabilité du processus de décision de crédit.
 Réduit le coût et le temps requis pour examiner une demande de prêt.
 Réduction des préjugés dans le jugement humain.

En plus du scoring, il existe plusieurs modèles d'aide à la décision pour l'évaluation du risque
de crédit, tels que les systèmes experts et les réseaux de neurones. (Rosenberg et Gleit, 1994)*

b. Jugement humain VS scoring

De nombreuses études ont suscité un débat sur le jugement humain et le scoring depuis la
création de ces méthodes. Dans les deux cas, la logique de décision est la même. L'important
est de comparer les caractéristiques d'une nouvelle demande de prêt avec celles qui ont déjà été
remboursées et celles qui ont échoué. Dans le cas de Sullivan (1981) et de Bailey (2004), le
jugement humain repose sur l'expertise et les compétences des analystes crédit. Cependant,
cette méthode a certaines restrictions sur la subjectivité et les incohérences dans les résultats.

Dans le processus de scoring, les analystes utilisent leur expérience pour évaluer les cas qui ont
déjà été traités. Le but de cette analyse est de dériver un modèle quantitatif pour distinguer les
bons et les mauvais clients en fonction de variables à fort pouvoir prédictif. Malgré les limites
inhérentes à cette approche, le scoring offre des avantages importants, notamment en termes
d'automatisation et de cohérence des résultats. Cela justifie l'utilisation exponentielle de ces
modèles dans les banques et la finance.

c. Le risque de défaillance

Selon l’article L. 631-1 du code de commerce français, une entreprise défaillante est une
entreprise qui ne peut plus faire face à son passif exigible avec son actif disponible. Autrement
dit, c’est une entreprise qui n’arrive plus à rémunérer ses engagements financiers envers des
tiers. Ceci, fait référence à l’un des risques les plus identifiés et les plus supportés notamment
par les établissements bancaires qui est le risque de crédit. Ce dernier peut être défini comme

5
étant le risque de perte inhérent au défaut d’un emprunteur par rapport au remboursement de
tout ou d’une partie de son crédit aux échéances prévues par le contrat signé.

II. Conception de la méthode des scores

1. La méthodologie de mise au point d’une fonction score

La fonction score résulte d’une analyse statistique discriminante entre entreprises défaillantes,
ayant fait l’objet d’une procédure judiciaire, et entreprises non défaillantes. L’analyse
discriminante a été utilisée pour la première fois en matière financière par Altmann en 1968 ;
d’autres modèles ont suivi : modèle de Collongues (en 1976), modèle de Conan et Holder (en
1978), puis les différents modèles de la Banque de France depuis 1982. Les principes
garantissant la performance de la méthode des scores ont systématiquement été mis en œuvre :

 Vérification de la qualité des données,

 Veille sur l’acuité des méthodes,
 Ré-estimations régulières des résultats.

L’analyse discriminante permet de classer les entreprises en deux catégories : les entreprises
saines et les entreprises défaillantes. La méthodologie de mise au point de l’indicateur est
toujours la même :

 Construire un échantillon d’entreprises défaillantes et un échantillon d’entreprises

saines ;

Cette étape consiste à constituer deux échantillons d’entreprises en se basant d’une part sur les
informations fournies par les bilans des entreprises, et d’autre part, sur les informations liées à
l’ouverture des procédures judiciaires. Ceci permet de distinguer entre les entreprises qui ont
fait défaut et celles qui n’ont pas fait défaut. Les premières sont alors regroupées dans un
échantillon et les deuxièmes sont regroupées dans un autre.

 Identifier les ratios qui constituent les indicateurs d’une prochaine défaillance ;

Cette étape consiste à choisir l’ensemble des ratios servant comme variables explicatives du
phénomène étudié qui est dans ce cas le défaut de paiement ou non d’une entreprise donnée.
Ces variables doivent être non corrélés pour éviter la redondance de l’information retenue. Ceci
nécessite l’utilisation des tests statistiques appropriés permettant à la fin de retenir un certain

6
nombre de ratios non corrélés et capable de discriminer entre les entreprises saines et celles
défaillantes.

 Combiner et pondérer les ratios au sein d’une fonction discriminante ;

La combinaison des ratios dans la fonction discriminante s’exprime sous forme suivante :

Z = a1 R1 + a2 R2 + … + an Rn+ B

Où B est une constante, a1 le coefficient de pondération, R1, la valeur du premier ratio, etc.

 Etablir une corrélation entre la valeur de cette fonction et la probabilité de défaillance.

Cette étape consiste à la construction proprement dite de la fonction score la plus efficace sur
laquelle sera basée la décision d’affectation. Autrement dit, la fonction établie va permettre de
classer une nouvelle entreprise soit comme étant une entreprise défaillante soit comme étant
une entreprise saine. A ce niveau, intervient la méthode de l’analyse discriminante qui sur la
base des échantillons et des ratios retenus va définir une fonction score. Il est nécessaire par la
suite d’analyser la capacité prédictive de la fonction en faisant appel à des tests statistiques.

2. Cas d’application :

Afin d’illustrer pratiquement les différentes étapes de conception des fonctions scores que nous
avons évoqués auparavant, nous allons présenter l’exemple de mise en place d’une fonction
score par la banque populaire Rabat-Kenitra dans le but de la gestion du risque du crédit.

Lors de la construction de sa fonction score, la banque a suivi les quatres étapes à savoir : la
construction de l’échantillon initial, le choix des ratios, l’élaboration de la règle de décision, et
l’analyse de la capacité prédictive de la fonction score obtenue.

En ce qui concerne la première étape, la banque a constituée deux échantillons par tirage
aléatoire. Le premier échantillon est composé de 23 entreprises défaillantes alors que le
deuxième échantillon est composé de 23 entreprises saines. Ces entreprises sont des petites et
moyennes entreprises commerciales ou industrielles opérant dans la région Rabat-Salé.
Concernant leur forme juridique, l’échantillon contient 20 sociétés anonymes et 26 sociétés à
responsabilité limitée.

Pour la deuxième étape, la banque s’est basée sur les informations comptables et financières
des entreprises exprimées par un ensemble de ratios calculés un an avant la défaillance. Les
ratios qui ont été retenus sont regroupés dans le tableau ci-dessous :

7
 l’intitulé du ratio la Formule du ratio

Autonomie financière (Capitaux propres / capitaux

permanents)

Les ratios de Trésorerie immédiate (Disponibilités / Dettes à court terme)

structure
Equilibre financier
Part des frais financiers
dans la valeur ajoutée
(Capitaux permanents / Actif immobilisé
net)
(Charges financières / Valeur ajoutée)

Les ratios d’activité Crédits fournisseurs en (Dettes financières / achats TTC +

mois Autres charges
externes TTC) ×12

Crédit clients en mois (Créances clients / Chiffre d’affaires

TTC) × 12
Ratio de rentabilité Rentabilité financière (Résultat net de l’exercice / capitaux
propres)

La banque a mené à ce niveau deux études statistiques : une première étude pour tester la
diversité des valeurs des ratios en faisant appel aux statistiques descriptives (calcul de la valeur
minimale, la valeur maximale, la moyenne, et l’écart type pour chaque ratio dans chaque
échantillon), et une deuxième étude statistique pour tester la capacité discriminante des ratios
en utilisant le test de différence des moyennes de Student. La banque a conclu par la suite que
les ratios prennent des valeurs diversifiées et statistiquement significatives. Ils ont été alors tous
retenus.

Concernant la troisième étape, la banque a utilisé l’analyse discriminante de Fisher afin de

monter sa fonction score qui est la suivante :

8
Z = 2,071 𝑹𝟏+ 0,036 𝑹𝟐 + 0,070 𝑹𝟑 +1,662 𝑹𝟒 +0,706 𝑹𝟓+1,219 𝑹𝟔+8,224 𝑹𝟕+ 2,772

La discrimination entre les groupes se fait en se basant sur une frontière de discrimination
appelée (score critique). Puisque les groupes sont de dimensions égales, ce score est égal à la
moyenne des moyennes des scores obtenues pour chaque groupe. Notons que la moyenne des
scores pour chaque groupe est donnée en remplaçant chaque ratio dans la fonction par sa
moyenne dans l’échantillon. La banque a pu déduire les valeurs suivantes :

 Le score moyen discriminant du groupe des entreprises saines : 1,343

 Le score moyen discriminant du groupe des entreprises défaillantes : -1,343
 Le score critique discriminant : (1,343 – 1,343) / 2 = 0

La règle de décision sur laquelle la banque va se baser pour affecter une nouvelle entreprise
dans l’un des groupes est alors la suivante :

Si Z ≥ 0, l’entreprise est considérée comme étant saine, et si Z ≤ 0, l’entreprise est considérée

comme étant défaillante.

La banque a également identifié une zone d’incertitude (entre - 1,343 et 1, 343) qui ne permet
pas de trancher définitivement sur la défaillance ou non de l’entreprise. Ces entreprises
constituent les dossiers nécessitant plus d’analyse.

En ce qui concerne la quatrième et dernière étape, la banque a testé la capacité prédictive de sa

fonction ou encore sa pertinence en utilisant des tests statistiques à savoir : la corrélation
canonique, le lambda de Wilks, et la matrice de confusion. Les résultats de ces tests ont permis
de déduire que la fonction score obtenue est pertinente à hauteur de 84,78%.

9
 III. Les modèles de la méthode des scores

1. Le modèle d’ALTMAN

Depuis 1968, Altman est arrivé à la conclusion que l'analyse unidimensionnelle n'est pas
suffisante pour résoudre le problème de la complexité de la prédiction de défauts. De plus, il a
été la première personne à analyser plusieurs ratios en même temps à l'aide d'une analyse
discriminante multidimensionnelle. Une mise en œuvre de cette méthode a été utilisée dans
l'étude de Fisher et Mahalanobis (1936) en 1930. Altman a utilisé un échantillon de 66
entreprises sur la période 1946 à 1965. 33 de ces entreprises ont déclaré faillite durant cette
période alors que les autres 33 n'ont pas fait faillite. Ses résultats sont plus pertinents que ceux
de Beaver (1966), avec un taux de bonne classification global de 95 % par rapport à l'ensemble
de l'échantillon. Les méthodes d'analyse discriminante sont utilisées par les banques pour
prédire ou classer des phénomènes dans le processus d'évaluation du crédit.

L'analyse discriminante ou l'analyse factorielle discriminante vous permet de décrire, décrire et

prédire l'affiliation d'un ensemble d'observations à un groupe prédéfini en fonction d'un
ensemble de variables prédictives. Cette procédure nécessite que les données soient
indépendantes et distribuées normalement. D'un point de vue pratique, l'analyse discriminante
permet des combinaisons linéaires optimales entre les variables prédictives pour faire la
distinction entre les entreprises saines et en défaut. En analyse discriminante, les variables
doivent être indépendantes et distribuées selon une distribution normale.

Son modèle appelé Z-score retient cinq variables dans la fonction score optimale :

Z = 0,012 R1 + 0,04 R2 + 0,033 R3 + 0,0006 R4 + 0,999 R5

(Z) représente le score de l’entreprise

z <1,23 = Zone I - Zone de détresse - Probabilité élevée de la faillite de l'entreprise;

1,23 <z <2,90 = Zone grise - zone incertaine ;
z > 2,90 = Zone II - Zone de sécurité - Faible probabilité de faillite de l'entreprise.

Altman, parmi une sélection de ratio, adopte les suivants :

 Ratio 1 (R1) = Fond de roulement/ Actif circulant :

10
Fréquemment trouvé dans les études financières des entreprises, c’est une mesure de besoin en
fond de roulement de l'entreprise par rapport au total de l’actif circulant. Le fonds de roulement
est défini comme la différence entre les actifs immobilisés et le financement permanent. Les
caractéristiques de liquidité et de taille sont explicitement prises en compte au niveau de ce ratio
et permet de conclure sur la liquidité de l’entreprise.

 Ratio 2 (R2) = Réserves / Actif total :

Cette mesure de la rentabilité cumulative au fil du temps a été introduit comme nouveaux ratios.
L'âge d'une entreprise est implicitement pris en compte dans ce calcul. Par exemple, une
entreprise relativement jeune montre probablement un faible ratio car il n'a pas eu le temps de
construire ses réserves.

 Ratio 3 (R3) = EBE/ Actif total :

Ce ratio dispose d’un caractère très général et permet des comparaisons entre entreprises du
même secteur, est calculé en divisant l'actif total d'une entreprise par ses bénéfices avant intérêts
et réductions d'impôts. Essentiellement, il s'agit d'une mesure de la productivité réelle des actifs
de l'entreprise, en faisant abstraction de tout facteur fiscal ou de levier, ce rapport semble
particulièrement approprié pour les études traitant de la faillite des entreprises.

 Ratio 4 (R4) = Valeur nette de marché / Valeur comptable de dette totale :

Ce ratio ajoute une dimension de valeur marchande, qui est souvent absente au niveau des autres
analyses financières, Il semble également être un prédicteur plus efficace de faillite qu'un autre
ratio, plus couramment utilisé : valeur nette / dette totale.

 Ratio 5 (R5) = Chiffre d'affaires / Total des actifs :

C'est une mesure de la capacité à réaliser des ventes en employant ses actifs et à faire face aux
conditions de concurrence. Ce rapport final est assez important car, comme indiqué ci-dessous,
il s'agit du rapport le moins significatif sur une base individuelle. En fait, le ratio Ventes / Total

11
des actifs se classe au deuxième rang pour sa contribution à la capacité globale de discrimination
du modèle.

Dans le modèle d’Altman (1968), la faillite de l’entreprise est corrélée négativement aux 5
ratios financiers. En effet, il permet d’avoir des taux de bons classements des entreprises une
année à l’avance de 95%.

 Cas d’application

La société AGROMETAL est une société anonyme implantée depuis 15 ans dans le centre
Bretagne. Son activité principale est la conception et la fabrication d’outillage et de pièces
spécifiques pour l’industrie agroalimentaire. Le dirigeant désirerait disposer à court terme
d’outils simples lui permettant de pallier rapidement un risque éventuel de défaillance. Vous
lui proposez de calculer le score par le modèle d’Altman et celui de Conan et Holder, les
comptes annuels de l’entreprise sont communiqués au niveau des annexes.

Travail à faire :

Calculer le score pour les exercices N-1 et N selon le modèle d’Altman et interpréter le
résultat, sachant que la fonction est la suivante :

Z = 0.012R1 + 0.014R2 + 0.033R3 + 0.006R4 + 0.999R5

 R1 = Fond de roulement/ Actif circulant

 R2 = Réserves / Actif total
 R3 = EBE/ Actif total
 R4 = Valeur nette de marché / Valeur comptable de dette totale
 R5 = Chiffre d'affaires / Total des actifs

La règle de décision se présente comme suit :

 Z <1,23 = Zone I - Zone de détresse - Probabilité élevée de la faillite de l’entreprise ;

 1,23 < Z <2,90 = Zone grise - zone incertaine ;
 Z > 2,90 = Zone II - Zone de sécurité - Faible probabilité de faillite de l'entreprise.

12
 2. Le modèle de la banque de France

La méthode des scores, mise au point par la Banque de France, permet de mesurer rapidement
le degré de vulnérabilité, le risque de défaillance au cours des trois prochaines années de
l’entreprise appartenant à un secteur donné et de la classer, au sein de son secteur, parmi les
entreprises saines ou vulnérables.

Cette analyse financière de la Centrale de bilans s’appuie sur quatre principes :

 Le regroupement fonctionnel des comptes : les opérations et les éléments du patrimoine

sont regroupés selon un classement par fonction (exploitation, répartition,
investissement et financement) adapté à l’étude du comportement économique et
financier de l’entreprise.
 La primauté donnée à l’étude dynamique : l’analyse en termes dynamiques est
privilégiée grâce à l’observation pluriannuelle des opérations et des flux financiers.
 L’analyse comparative des performances et des structures : à l’aide de ratios,
l’entreprise est située dans son environnement économique.
 La mesure du degré de vulnérabilité de l’entreprise : elle est évaluée notamment grâce
à un score.

La méthode des scores constitue, pour les adhérents FIBEN (Fichier bancaire des entreprises),
un instrument complémentaire pour le diagnostic de l’entreprise. Elle permet ainsi d’affiner
l’analyse du risque de crédit et d’anticiper les risques de défaillance d’une entreprise.

Cette méthode s’applique aux entreprises du secteur industriel et aux sociétés dont les effectifs
sont inférieurs à 500 salariés. Huit fonctions scores sectorielles ont été développées : industrie
(BDFI), commerce de détail et réparation automobile (BDFCD), commerce de gros (BDFCG),
transports (BDFT), construction (BDFBTP), hôtels, cafés et restaurants (BDFH), restaurants
(BDFR), services aux entreprises (BDFS). La Banque de France utilise pour chaque fonction
des ratios discriminants différents.

Pour le score BDFCD (commerce de détail et réparation automobile), six ratios sont utilisés :

 R1 = poids des dettes fiscales et sociales ;

 R2 = délai de crédit fournisseurs ;
 R3 = importance des concours bancaires courants ;
 R4 = frais financiers/résultat brut d’exploitation ;
 R5 = poids de l’endettement financier ;

13
  R6 = poids du fonds de roulement net global (FRNG).

La contribution au score est positive lorsque le FRNG s’améliore. Pour les cinq autres ratios,
plus ils sont faibles, plus leurs contributions au score sont élevées.

Pour le secteur du commerce de gros, les huits ratios suivants sont retenus :

 R1 = Intensité capitalistique
 R2 = Solvabilité à court terme
 R3 = Rendement des fonds propres
 R4 = Taux du poids des créances douteuses
 R5 = Couverture des dettes à court terme
 R6 = Importance des autres créances
 R7 = Trésorerie
 R8 = Poids des dettes fiscales et sociales

À chaque valeur du score est associée la probabilité de défaillance de l’entreprise au cours des
trois années à venir. Dans ce sens le score est considéré comme un indicateur de gestion
synthétique ; il apporte une aide au diagnostic individuel mais ne peut suffire à lui seul à
l’établir.

Pour le secteur de l’industrie, la banque de France a longtemps utilisé une fonction « Score Z »
comportant une combinaison linéaire de 8 ratios pris parmi 36 :

 R1 = Part des frais financiers dans le produit économique

 R2 = Couverture des capitaux investis
 R3 = Capacité de remboursement
 R4 = Taux de marge brute
 R5 = Crédit fournisseurs
 R6 = Délai de règlement des clients
 R7 = Délai découvert clients
 R8 = Taux d’investissement.

Ce qui donne :

100 Z = - 1,25 R1 + 2 R2 – 0,82 R3 + 5,22 R4 – 0,68 R5 – 1,16 R6 + 0,70 R7 + 1,40 R8 –

85,44.

14
La probabilité de défaillance est forte pour les entreprises dont le facteur Z est inférieur à 0,25.
Les 3 premiers ratios expliquaient plus de 70 % du score total.

L’interprétation du score se base sur la classification suivante :

 Z< -0.25 : La situation de l’entreprise est très risquée ; la probabilité qu’elle connaisse
de graves difficultés est élevée.
 Z< 0.125 : La situation de l’entreprise est saine et la probabilité qu’elle connaisse des
difficultés est faible.
 0,25 < Z < 0.125 : Zone d’incertitude dans laquelle il est difficile de trancher uniquement
par le score.

La banque de France est désormais plus discrète, avec la fonction « Znew » qui a succédé au «
Score Z », ses ratios ont légèrement changé, la banque utilise :

 R1 = Part des frais financiers dans le résultat économique brut

 R2 = Couverture des capitaux investis
 R3 = Capacité de remboursement
 R4 = Taux de marge brute d’exploitation
 R5 = Délai crédit fournisseurs
 R6 = Taux de croissance de la valeur ajoutée
 R7 = Délai de découvert clients
 R8 = Taux d’investissement physique.

Ces dernières versions des scores de la banque de France sont tenues secrètes. Il faut se
contenter de la constatation de Mireille Bardos, « Dans tous les cas sont particulièrement
significatifs :

 les indicateurs de rentabilité : la rentabilité économique mais surtout la rentabilité

globale et la rentabilité financière ;
 les taux de marge ;
 les coûts de production et les coûts de financement ;
 la contrainte de solvabilité mesure par les frais financiers rapportés à l’excédent brut
d’exploitation et aussi la capacité de remboursement ;
 Enfin un dernier ratio très synthétique et très significatif : l’effet de levier, tel qu’il est
utilisé par la Centrale de bilans : effet de levier = taux d’endettement x (rentabilité nette
du capital financier - taux d’intérêt apparent) ».

15
  Cas d’application :

La SA « Les routiers bretons », située dans la région de Rennes, est une entreprise de transport
spécialisée essentiellement dans l’acheminement des denrées alimentaires. Elle a connu ces
dernières années une assez forte progression de son chiffre d’affaires grâce à une politique
commerciale très agressive. Le CA de l’année N est de 34 457 000 £. Le dirigeant désirerait
disposer à court terme d’outils simples lui permettant de pallier rapidement un risque éventuel
de défaillance compte tenu du fait que ses frais financiers se sont élevés en N à 1 615 000 £.
Vous lui proposez de calculer le score par la méthode de la Banque de France.

La fonction score du Transport, s’obtient selon la formule suivante :

Z = + 0,0259X1 + 0,0184X2 + 0,0529X3 + 3,2934X4 – 0,3945X5 + 0,0085X6 + 0,4467X7-

7,6017

 X1 : indépendance financière = fonds propres/ressources durables * 100

 X2 : fonds de roulement = FDR net/CA HT * 360
 X3 : rentabilité économique = excédent brut d’exploitation/CA HT + subventions
d’exploitation
 X4 : taux de croissance du CA HT = CA HT de l’année en cours – CA HT de l’année
précédente/CA HT de l’année précédente
 X5 : taux d’intérêt financier = frais financiers * 100/CA HT
 X6 : rotation du capital = immobilisations brutes * 360/CA HT
 X7 : Log CA HT

Les ratios de la société sont les suivants pour l’exercice N :

Indépendance financière 23,6986 %

Fonds de roulement 131,1931 jours

Rentabilité économique 5,2787 %

Taux de croissance du CA 0,0193
Taux d’intérêt financier 1,2 %
Rotation du capital 45,0196 jours
Log CA HT 7,5373

16
 La contribution du second ratio est la plus forte (30,72 %) à la note obtenue par le score. Les
contributions de chaque ratio au score apparaissent dans la première colonne. Les valeurs pivots
correspondent aux ratios moyens de l’échantillon ayant servi à construire la fonction. Les ratios
moyens des entreprises défaillantes ou non de l’échantillon apparaissent dans les deux dernières
colonnes :

Fonction de score Contributions Valeurs pivots Ratios des Ratios des non
Transports en % défaillants défaillants

Indépendance 22,9200 0,1205 – 0,0761 0,3171

financière
Fonds de 30,7200 0j – 37,1 j 37,2 j
roulement
Rentabilité 11,5100 0,0205 – 0,0278 0,0689
économique
Taux de 8,4900 0,0030 – 0,0550 0,0600
croissance du CA
Taux d’intérêt 7,1100 0,0130 0,0171 0,0090
financier
Rotation du 14,4000 128,9 j 91,1 j 166,7 j
capital
Log CA HT 4,8400 15,8800 15,6400 16,1200
En fonction des notes obtenues, on peut dresser le diagnostic suivant :

Probabilité pour une entreprise d’être Diagnostic

Score Défaillante Fragile Saine

inférieur à – 2 15,4 82,6 2,0 Défaillance
de – 2 à – 1 8,4 77,8 13,8 Fragilité ++
de – 1 à – 0,5 3,4 62,0 34,4 Fragilité +
de – 0,5 à 1 2,4 45,2 52,4 Fragilité
de 1 à 2,5 1,8 19,2 79,2 Sain
plus de 2,5 0,4 3,2 96,4 Sain +

17
 3. Le modèle de Conan et Holder

L’idée est la même que celle de la Banque de France, elle a d’ailleurs été empruntée à
l’américain E. Altman, pionner de l’analyse discriminante appliquée à la prévision des faillites.
Le modèle de Conan et Holder, encore utilisé aujourd’hui par des analystes financiers, prend la
forme suivante :

100 Z = 24X 1 + 22X 2 + 16X 3 – 87X 4 – 10X5

X1 = EBE/endettement global

X2 = capitaux permanents/passif total

X3 = réalisable et disponible/actif total

X4 = frais financiers/chiffre d’affaires

X5 = frais de personnel/valeur ajoutée

La méthode est adaptée aux PME et traduit le risque de faillite selon les résultats obtenus :

Score Probabilité de défaillance (en

%)

- 0.210 100
- 0.048 90
+0.002 80
+0.026 70
+0.068 50
+0.087 40
+0.107 30
+0.131 20
+0.164 10

En effet, La probabilité de défaillance fournit une mesure de l’intensité du risque. Elle est
beaucoup plus informative qu’un seuil de décision, on remarque que plus la valeur de Z
diminue, plus la vulnérabilité de l'entreprise augmente. Sachant que le résultat est très sensible
au quatrième ratio qui définit l’importance des charges financières par rapport à l’activité.

18
Une fois le score établi et les probabilités définies, Conan et Holder ont testé le pouvoir prédictif
de leur fonction discriminante, à la base d’un échantillon construit de 46 entreprises, cette
dernière a permis de classer les entreprises défaillantes un an avant la défaillance dans 86% des
cas, deux ans avant pour 68% de l’échantillon, et trois ans dans 75% des cas.

 Cas d’application :

Présente au Maroc depuis plus d’un siècle, la Société générale est résolument engagée dans une
stratégie de développement pérenne et durable, menée au service de l’économie nationale pour
contribuer à la croissance du pays et accompagner la dynamique de bancarisation. La société
générale est un intermédiaire au service du financement de l’économie, elle propose à ses clients
des solutions globales de financement grâce à son savoir-faire reconnu. Dans le cadre de l’étude
d’une demande de financement, la société générale vous confie le dossier d’un client pour
lequel elle désirerait connaitre le risque de défaillance avant de se prononcer sur la possibilité
de lui accorder le crédit demandé. Vous proposez de recourir à la méthode des scores en utilisant
le modèle de la banque de France et celui de Conan et Holder. ( Voir le Bilan et le CPC en
annexes )

a. le score de Conan et Holder

La fonction : Z = 0,24 X1 + 0.22 X2 + 0.16 X3 - 0.87 X4 - 0.10 X5

 X1 = EBE/endettement global
 X2= capitaux permanents/passif total
 X3= réalisable et disponible/actif total
 X4= frais financiers/chiffre d’affaires
 X5 = frais de personnel/valeur ajoutée

19
La règle de décision :
Score Probabilité de défaillance (en %)

- 0.210 100
- 0.048 90
+0.002 80
+0.026 70
+0.068 50
+0.087 40
+0.107 30
+0.131 20
+0.164 10

b. Le score de la banque de France

La fonction de score est la suivante :

100 Z = - 1,25 R1 + 2 R2 – 0,82 R3 + 5,22 R4 – 0,68 R5 – 1,16 R6 + 0,70 R7 + 1,40 R8 –

85,44.

 R1 = Part des frais financiers dans le produit économique

 R2 = Couverture des capitaux investis
 R3 = Capacité de remboursement
 R4 = Taux de marge brute
 R5 = Crédit fournisseurs
 R6 = Délai de règlement des clients
 R7 = Délai découvert clients
 R8 = Taux d’investissement.

20
La règle de décision :

score interprétation
Z< -0.25 La situation de l’entreprise est très risquée
; la probabilité qu’elle connaisse de graves
difficultés est élevée.
Z< 0.125 La situation de l’entreprise est saine et la
probabilité qu’elle connaisse des
difficultés est faible.
0,25 < Z < 0.125 Zone d’incertitude dans laquelle il est
difficile de trancher uniquement par le
score.

IV. les avantages et les limites de la méthode des scores

1. les limites

L’utilisation de la fonction score obtenue est conditionnée par la nature et la taille des
entreprises qui constituent l’échantillon de base sur lequel on s’est basé pour construire
la fonction score. Autrement dit, l’application de la méthode doit être limitée aux
entreprises ayant des caractéristiques similaires aux entreprises de l‘échantillon initial
notamment en ce qui concerne la taille et l’activité. Les autres limites de la méthode des
scores sont les suivantes :

 D'un point de vue technique, cette méthode nécessite une méthode statistique complexe
pour déshumaniser le processus de gestion du crédit.
 La mise en œuvre des techniques de notation de crédit ne peut être mise en œuvre que
par de grandes institutions financières disposant de processus complets et pertinents,
d'outils de gestion formalisés et de bases de données (clients, incidents et pertes).
L'établissement de ces bases est important pour la gestion des historiques de prêts
individuels importants et de la coordination des risques, des perspectives comptables et
financières.
21
  Le scoring se base sur le passé pour prédire l'avenir, qui est en soi une limite. Dès que
les tendances du marché changeront, cette approche ne répondra plus aux mêmes
critères.
 Il existe peu de critères qualitatifs car il est difficile d'obtenir l'information et de la coder.
 La nécessite une base de données importante.

2. Les Avantages

L’utilisation de la méthode des scores permet d’effectuer des traitements de masse en un

temps réduit. En fait, elle permet de diminuer le temps nécessaire pour traiter les dossiers
et facilite par conséquence la prise de décision. Ce qui a des répercussions positives tant
au niveau de l’organisation interne de l’établissement qu’au niveau commercial. En effet,
la charge du travail sera plus légère dans la mesure où la tâche ‘traitement des dossiers’
sera effectuée plus rapidement. En plus, le client va recevoir la réponse concernant
l’acceptation ou le refus de son dossier en très peu de temps. Les autres avantages sont :

 La facilité l'analyse initiale, le suivi des risques, les prêts et leur renouvellement.
 l’économise du temps et de l'argent dans le processus de gestion du crédit. À mesure
que le score calculé approche du seuil, les analystes de crédit effectuent une analyse
plus détaillée.
 En assumant la prime de risque de chaque exposition, il permet une meilleure évaluation
du risque, réduisant ainsi l'allocation de crédit.
 La méthode permet d’ajuster les taux d'intérêt en fonction de la qualité de l'emprunteur.

22
Conclusion :

La méthode des scores a pour objectif de dresser une synthèse des principaux aspects du
comportement des entreprises face au risque de défaillance en utilisant une combinaison de
ratios comptables. Elle est destinée à diagnostiquer préventivement les difficultés des
entreprises. Le score permet de donner une note financière et d’évaluer les risques potentiels de
défaillance. C’est un instrument de mesure des performances et de prévention.

Le score auquel est associée une probabilité de défaillance ou de risque est en fait un révélateur
de situation et n’a pas de caractère déterministe. Il indique seulement que l’entreprise présente,
avec un certain degré de vraisemblance, des analogies avec telle ou telle catégorie de firmes.
En même temps que le degré de gravité de la situation, il précise, par les ratios qui le composent,
les principales causes immédiates de celle-ci.

L’appréciation de cette situation est améliorée par l’examen de l’évolution du score Z sur
plusieurs exercices. Celle-ci peut en outre être comparée à la trajectoire des entreprises
appartenant au même secteur d’activité que la firme étudiée. Une entreprise peut, par exemple,
présenter un score défavorable, mais son secteur également ; dans ce cas, il est évident que le
jugement porté sur la firme concernée et sur la nature des mesures de redressement éventuelles
sera différent de celui que justifierait une entreprise à haut risque de défaillance appartenant à
un secteur sain.

Cependant, l’analyse discriminante opère une réduction de l’information de base en

sélectionnant les ratios les plus pertinents. Elle ne peut donc rendre compte de la totalité des
phénomènes car, en privilégiant l’aspect financier, elle néglige les fonctions économiques et
commerciales. Utilisée à mauvais escient, la méthode peut même accélérer la défaillance
d’entreprises auxquelles les banques refuseraient des crédits pour cause de mauvais score. Ce
risque n’est pas négligeable sachant que la Banque de France par exemple diffuse les scores des
entreprises aux établissements de crédit dans une optique de prudence.

Malgré les avantages de diverses procédures d'évaluation du crédit, les systèmes de scoring se
sont imposés au fil du temps comme la méthode préférée des institutions financières
internationales. De plus, les nouveaux accords de Bâle et le développement des systèmes
informatiques ne font que confirmer leur préférence pour cette méthode.

23
 ANNEXES : 1. Bilan actif en milliers de dirham

EXERCICE
EXERCICE N PRECEDENT
Amortisseme
Brut nts et Net Net
provisions
Immobilisations en non valeurs [A]
Charges à répartir sur plusieurs exercices 2 062 1 430 632 1 043

Immobilisations incorporelles [B] 0

Brevets, marques, droits et valeurs similaires 1 134 1 114 20 13

Fonds commercial 65 988 65 988 65 988

Immobilisations corporelles [C] 0
Terrains 66644 66 644 66 644
Constructions 30 317 22 433 7 884 9 856
Installations techniques, matériel et outillage 456 277 426 669 29 608 36 773
Matériel de transport 6 682 6 535 147 227
Mobilier, Mat. de bureau, Aménagement divers 11 648 11 263 385 536
Autres immobilisations corporelles 669 669 0 0
Immobilisations financières [D] 0
Autres créances financières 1 536 1 536 1 536
Titres de participation 101 101 101
TOTAL I (A+B+C+D+E) 643 058 470 113 172 945 182 717
Stocks [F] 0
Matières et fournitures consommables 16 975 16 975 18 186
Produits en cours 147 147 373
Produits finis 15 595 15 595 17 865
L’actif circulant 0

Fournis. débiteurs, avances et acomptes 882 882 372

Clients et comptes rattachés 106253 30 043 76 210 79 148
Personnel 9 9 12
Etat 8 530 8 530 9 807
Autres débiteurs 47 899 47 899 47 918
Comptes de régularisation- Actif 7 7 27
Ecarts de conversion actifs [I] E. circulants 502 502 211
TOTAL II (F+G+H+I) 196 799 30 043 166 756 173 919
Trésorerie-Actif 0
Chèques et valeurs à encaisser 149 149 1 848
Banques 347 347 106
caisse 8 8 5
TOTAL III 504 0 504 1959
TOTAL GENERAL I+II+III 840 361 500 156 340 5 358 5

24
 2. Bilan passif en milliers de dirhams :

EXERCICE N EXERCICE N-1

Capital social ou personnel 258256 258256
Prime d’émission, de fusion, d’apport 150156 150156
Réserve légale 4573 4573
Autres réserves 42581 42581
Report à nouveau -454844 -434563
Résultat net de l’exercice -29149 -20280
Total des capitaux propres (A) -28427 723
Capitaux propres assimilés (B)
Dettes de financement (C)
Autres dettes de financement 125400 128711
Provisions durables pour risques et charges (D)
Ecarts de conversion-passif (E)
TOTAL I (A+B+C+D+E) 96973 129434
Dettes du passif circulant (F)
Fournisseurs et comptes rattachés 37373 35607
Personnel 3594 3507
Organismes sociaux 8157 6149
Etat 27657 23838
Comptes d’associés 7962 8781
Autres créanciers 510 259
Comptes de régularisation passif 12111 8837
Autres provisions pour risques et charges (G) 502 211
Ecarts de conversion - passif (Eléments circulants) (H) 45 127
TOTAL II (F+G+H) 97911 87316
TRESORERIE PASSIF
Crédits d’escompte 46442 38706
Crédits de trésorerie 55798 56108
Banques (solde créditeur) 43081 47031
TOTAL III 145321 141845
TOTAL GENERAL I+II+III 340205 358595

25
 3- CPC en milliers de dirhams :

Nature N N-1

Produits d’exploitation
Ventes de biens et services produits 83335 101631
Variation de stocks de produits -2496 -14509
Reprises d’exploitation ; transferts de charges 7582 78048
Total I 88421 165170

Charges d’exploitation
Achats consommés(2) de matières et fournitures 57724 61666
Autres charges externes 10055 11762
Impôts et taxes 848 877
Charges de personnel 20907 23877
Autres charges d’exploitation 7711 77093
Dotations d’exploitation 13403 16129
Total II 110648 191404
-II) -22227 -26234
PRODUITS FINANCIERS
Produits des titres de participations. Et autres titres immobilisés 8 8
Gains de change 169 81
Reprises financières : transfert charges 211 188
Total IV 388 277
CHARGES FINANCIERES
Charges d’intérets 9431 10755
Pertes de change 337 589
Dotations financières 502 211
Total V 10270 11555
RESULTAT FINANCIER (IV-V) -9882 -11278
RESULTAT COURANT (III+VI) -32109 -37512
PRODUITS NON COURANTS
Produits de cession des immobilisations 0 0
Autres produits non courants 3427 18330
Total VIII 3427 18330
CHARGES NON COURANTES
Autres charges non courantes 32 497
Total IX 32 497
RESULTAT NON COURANT (VIII-IX) 3395 17833
RESULTAT AVANT IMPOTS (VII+X) -28714 -19679
IMPOTS SUR LES BENEFICES (XIII) 435 601
RESULTAT NET (XI-XII) -29149 -20280

26
Références :

 Introduction à la comptabilité financière, Jean-Guy Degos (Professeur des universités,

Université Montesquieu-Bordeaux IV)
 Maxi fiches - Gestion financière de l'entreprise Ed. 4 Auteur: Ogien, Dov ; Editeur:
Dunod Année de Publication: 2018
 Analyse financière, Béatrice et Francis Grandguillot éd : 18 ; 2021/2022
 Altman, E, I. 1968. « Ratios, discriminant analysis, and the prediction of corporate
bankruptcy ». Vol 13. Pp 589-609.
 Beaver, W, H. 1966. « Financial ratios as predictors of failure ». Journal of accounting
research. Vol 4. Pp 71-111.
 Charreaux, G. 2014. Finance d’entreprise. EMS éditions.
 El Hamma, A.2009. « La gestion du risque crédit par la méthode du scoring : cas de la
banque populaire de Rabat-kénitra ». Revue marocaine de recherche en management
et marketing. Pp 291-299.
 « Les scores de la banque de France : leur développement, leurs applications, leur
maintenance ». Bulletin de la banque de France. N° 144. Décembre 2015.

27