Le dernier bilan déposé est bénéficiaire. Résultat d’exploitation positif, activité en croissance, rien qui alerte au premier regard. Trois ans plus tard, le tribunal de commerce ouvre une procédure.
Ce n’est pas un cas d’école. Sur les 12 924 défaillances d’entreprises observées dans cette étude, près d’une sur quatre frappe une entreprise qui gagnait de l’argent à son dernier exercice publié. Le compte de résultat ne les avait pas désignées. Autre chose, si.
Cette autre chose, c’est le décalage de trésorerie. Et la question qui nous occupe ici, celle que se pose chaque comité devant une cible non cotée, est de savoir si le risque de défaillance d’entreprise se laisse déceler à temps – et si le machine learning ou ici l’IA explicable appliqué aux liasses déposées y ajoute quelque chose que l’analyse classique ne voit pas.
Le non-coté ne laisse qu’une seule trace
Une société cotée prévient. Le cours décroche, les analystes révisent, la notation se dégrade, et tout cela se lit des mois avant que les comptes n’enregistrent quoi que ce soit. Sur un modèle américain équivalent, ce verdict du marché figure parmi les trois signaux dominants.
Une PME française ne prévient pas. Pas de cours, pas de notation, pas d’analyste. Le dépôt des comptes n’est même pas obligatoire pour les plus petites structures, et la déclaration de confidentialité y est fréquente. Il ne reste qu’une trace commune à toutes les cibles d’un vivier : la liasse déposée au greffe.
C’est une contrainte, et c’est aussi ce qui rend l’exercice intéressant. Si le signal existe, il loge dans les comptes ou il n’est nulle part.
Ce qui a été mesuré, et sur quoi
Les données : l’intégralité des comptes annuels déposés au registre national des entreprises, soit 4,85 millions de liasses émanant de près de 1,15 million de sociétés françaises non cotées, croisées avec 648 623 annonces de procédure collective publiées entre 2012 et 2025 – dont nous ne retenons que les ouvertures de redressement et de liquidation judiciaires.
Le périmètre : nous avons volontairement resserré la population. Sur données brutes, l’échantillon français de défaillances de sociétés est écrasé par les microentreprises. Arbitrairement, nous avons donc retenu les seules entreprises dont le bilan atteint au moins 1 million d’euros, en deçà du seuil de bilan de 2 millions que fixe la loi pour la microentreprise, mais suffisant pour sortir de ce tissu et se rapprocher du vivier réellement adressé par un fonds ou un acquéreur industriel. Après ce filtre, l’étude porte sur 1 894 301 bilans déposés par 388 074 entreprises, dont 12 924 défaillances, soit 3,3 % de la population retenue.
Ce taux de 3,3 % sur trois ans est mesuré sur la population complète des entreprises qui publient leurs comptes, sans pondération ni appariement : il se situe dans l’ordre de grandeur des séries publiques de défaillances, ce qui est le premier contrôle de vraisemblance que l’on doit à un tel chiffre.
La question : non pas « cette société fera-t-elle faillite un jour », qui n’aide personne, mais « fera-t-elle l’objet d’un jugement d’ouverture sous trois ans », l’horizon usuel d’une thèse d’investissement. C’est sur cette définition que se mesure le risque de défaillance d’entreprise dans tout ce qui suit. Redressement ou liquidation judiciaire, et seulement le jugement qui ouvre la procédure. La sauvegarde est écartée, parce qu’elle intervient avant la cessation des paiements, quand l’entreprise règle encore ses dettes : la compter reviendrait à ranger parmi les défaillances une société qui a su anticiper. Le jugement arrêtant un plan de redressement est écarté aussi, mais pour une autre raison : il tombe plusieurs mois après l’ouverture, et le retenir daterait la défaillance trop tard, ce qui fausse une mesure conduite dans les trois ans suivant le dernier bilan.
La période : quatorze exercices, jusqu’à 2025. Le modèle a donc traversé la crise sanitaire, les moratoires qui ont suspendu les procédures, puis leur reprise.
Le test : Le modèle apprend sur des exercices passés et n’est jugé que sur des années postérieures, qu’il n’a jamais vues. Le test porte sur 283 118 bilans, dont 5 160 précèdent une défaillance dans les trois ans. Contrôle supplémentaire : sur les seules sociétés dont il n’avait jamais vu le moindre bilan, la performance recule un peu, sans s’effondrer.
Une société défaillante sur quatre gagnait de l’argent
23,6 % des entreprises défaillantes affichaient un résultat d’exploitation positif à leur dernier exercice publié. Trois mille quarante-cinq sociétés, dans un échantillon où la perte est pourtant le signal le plus ordinaire.
Ce qui les sépare des rentables, qui traversent l’épreuve n’est ni leur marge ni leur carnet de commandes. C’est ce que leur activité immobilise en trésorerie : les stocks et les créances clients qu’il faut financer, moins le crédit obtenu des fournisseurs. Le besoin en fonds de roulement.
Sur 151 887 entreprises rentables et 93 978 en perte d’exploitation, la lecture est sans ambiguïté. Chez une société rentable, passer d’un besoin léger à un besoin lourd fait passer le taux de défaillance de 1,1 % à 3,1 % : le risque est multiplié par près de trois.
Chez une entreprise en perte, le même écart n’est que de 1,8 – et la progression n’est même pas régulière. Le résultat a déjà dit l’essentiel ; le reste ne fait qu’ajouter. Autrement dit : le besoin en fonds de roulement n’est pas un indicateur parmi d’autres, c’est celui qui tranche quand le compte de résultat rassure. Exactement la situation d’une cible qui franchit le premier filtre d’un comité.
Une lecture à ne pas précipiter : un besoin en fonds de roulement négatif n’est pas une bonne nouvelle. C’est la signature du commerce de détail et de la restauration, financés par leurs fournisseurs et fragiles pour d’autres raisons. L’optimum se situe juste au-dessus de zéro, pas au plus bas possible.
Ce que le modèle de risque de défaillance d’entreprise regarde vraiment
Le constat précédent sort des données brutes, sans modèle. Reste à savoir si un modèle de machine learning entraîné sans consigne particulière converge vers la même lecture. Il s’en approche, mais la réponse est plus nuancée qu’attendu.
Chaque estimation peut être décomposée en la contribution de chaque poste comptable. Agrégées par famille sur le test, ces contributions donnent le classement ci-dessus : la position d’une entreprise par rapport à son secteur arrive nettement en tête, à 26,0 % du poids explicatif, devant la structure financière (19,5 %) et le cycle de trésorerie (17,3 %). Viennent ensuite la trajectoire (15,0 %), la rentabilité (11,8 %) et les repères bruts de secteur et de taille (7,9 %).
Un détail du tableau mérite qu’on s’y arrête, parce qu’il dit plus que le classement lui-même. La position sectorielle obtient ce premier rang avec huit variables, quand la trajectoire en mobilise vingt-neuf pour n’en tirer que 15 %. Rapporté au nombre d’indicateurs mis en jeu, l’écart d’un ratio à la médiane de son secteur est de très loin le signal le plus dense de l’étude.
Ce resserrement n’est pas anodin, et il tient au périmètre retenu plus haut. Sur la microentreprise, la trésorerie explique presque tout le risque, parce qu’il n’y a souvent rien d’autre à observer : peu de structure financière digne de ce nom, une comparaison sectorielle qui ne dit pas grand-chose à cette échelle. Sur la PME et l’ETI, l’entreprise a déjà une structure, un historique, une place dans son secteur, et ces trois dimensions se mettent à compter presque autant que le décalage de caisse. Trier une cible de cette taille suppose de regarder trois choses à la fois, pas une seule.
La position sectorielle mérite qu’on s’y arrête : elle arrive en tête, alors qu’elle ne pesait presque rien sur la population non filtrée. Le message qu’elle porte est simple à énoncer et facile à négliger en pratique : ce n’est pas le niveau d’un ratio qui compte, c’est son écart à la norme de son secteur. Un besoin en fonds de roulement de 20 % du bilan est un signal d’alarme dans l’édition, un rythme de croisière dans le bâtiment.
La rentabilité, elle, n’arrive qu’en avant-dernière position, à 11,8 %. Ce n’est pas qu’elle soit sans importance, c’est qu’elle est largement redondante avec le reste, et surtout qu’elle ne discrimine pas là où l’on en a besoin. Une entreprise en perte est repérée par n’importe quel filtre sommaire. C’est l’entreprise rentable qu’il faut départager, et le résultat n’y sert à rien par construction.
La construction, cas d’école
Le mécanisme se lit à l’œil nu sur un secteur. Les travaux de construction spécialisés forment le contingent le plus nombreux de l’étude, et le profil financier le plus caractéristique.
| Construction | Tous autres secteurs | |
|---|---|---|
| Besoin en fonds de roulement / bilan (médiane) | 24,7 % | 9,1 % |
| Créances clients / actif (médiane) | 24,5 % | 15,1 % |
| Entreprises défaillantes sous 3 ans | 7,5 % | 3,0 % |
Un besoin de trésorerie presque triplé par rapport au reste de l’économie, des créances clients supérieures de plus de moitié. Le métier l’explique entièrement : les travaux sont avancés avant d’être payés, les situations se règlent avec retard, les retenues de garantie immobilisent une part du marché pendant un an après la réception. L’entreprise finance son client.
Le résultat compte parmi les plus parlants de l’étude. Une société de construction rentable a 5,2 % de risque de défaillance à trois ans, contre 1,8 % pour une rentable de tout autre secteur. Près du triple, à rentabilité comparable. Un carnet plein et une marge positive ne compensent pas un cycle d’encaissement qui ne tourne pas.
Quels secteurs cassent vraiment
Nous cherchions un classement des secteurs qui cassent. Les données en donnent un, et elles donnent mieux qu’un classement : une ligne de partage. Cinq divisions dépassent 9,9 %, soit trois fois la moyenne de 3,3 %. Cinq autres restent sous 1,2 %, au moins trois fois en dessous. D’une bande à l’autre, le rapport est de l’ordre de dix à un. À l’intérieur du peloton de tête, en revanche, l’ordre exact se discute : quelques centaines d’entreprises par division suffisent à établir qu’une division est exposée, dans le cas présent pas à départager la deuxième des deux suivantes. Ce qu’il faut retenir n’est donc pas qu’une activité soit première ou troisième, mais qu’elle appartienne au groupe autour de 10 % ou à celui autour de 1 %.
| Les plus exposés | Défauts | Les plus résistants | Défauts | |
|---|---|---|---|---|
| Dépollution et décontamination | 14,0 % | Activités vétérinaires | 0,2 % | |
| Habillement | 11,9 % | Activités juridiques et comptables | 0,4 % | |
| Fabrication de meubles | 11,8 % | Énergie | 0,4 % | |
| Enquêtes et sécurité | 11,3 % | Activités immobilières | 1,1 % | |
| Imprimerie | 9,9 % | Autres industries extractives | 1,1 % |
Cette ligne ne suit pas la frontière que l’on attendrait, entre industrie et services. Elle sépare les activités dont la marge se renégocie chaque année – à chaque commande, à chaque appel d’offres – de celles dont le revenu est protégé, par la réglementation ou par un actif. D’un côté l’habillement, le meuble, l’imprimerie, la sécurité ; de l’autre le vétérinaire, le juridique, l’énergie, l’immobilier. Les entreprises du premier groupe casseent dix fois plus souvent que celles du second.
Les plus exposés
Dépollution et décontamination. Ce sont les entreprises qui nettoient après coup : désamiantage, décontamination de sols et de nappes, remise en état de sites industriels. Un métier de chantier, vendu au forfait à des donneurs d’ordre publics ou industriels, avec des obligations réglementaires à financer d’avance et un solde encaissé à la réception. Quatorze pour cent d’entre elles ont fait l’objet d’un jugement d’ouverture dans les trois ans suivant leur dernier bilan : quatre fois la moyenne générale, et le taux le plus élevé des soixante-douze divisions retenues. L’explication tient probablement à la structure plutôt qu’au métier : peu d’immobilisations, un besoin en fonds de roulement qui absorbe la trésorerie entre deux marchés, une marge qui se renégocie à chaque appel d’offres. Une préçision : la collecte, le tri et le traitement des déchets relèvent d’une division voisine, peuplée d’opérateurs bien plus grands, et ne sont pas concernés.
Habillement, meuble, imprimerie : de 9,9 % à 11,9 %, soit trois à quatre fois la moyenne. Ces trois divisions racontent la même histoire, celle de l’industrie de main-d’œuvre exposée à la concurrence par les prix. Un outil de production à amortir, des séries courtes, une clientèle qui arbitre au centime, et en face des importations qui fixent le prix de marché sans supporter les mêmes coûts. La marge se renégocie à chaque commande et il n’existe ni actif liquide ni pouvoir de négociation pour absorber un à-coup. Ce ne sont pas des secteurs mal gérés : ce sont des secteurs dont le modèle économique ne laisse aucune marge d’erreur.
Les plus résistants
Les taux les plus bas se tiennent entre 0,2 et 0,4 % : activités vétérinaires, activités juridiques et comptables, énergie.
Chacun est mesuré sur plusieurs centaines à plusieurs milliers d’entreprises pour une poignée de défaillances seulement – non parce que l’échantillon serait trop mince, mais parce que la défaillance d’entreprise y est réellement rare : professions réglementées, demande peu élastique, ou activité adossée à des actifs et à des contrats longs.
Ces trois-là sont trop proches pour qu’on prétende les classer l’un devant l’autre ; ce qui est solide, en revanche, c’est qu’ils se situent tous très en dessous de la moyenne de 3,3 %.
Juste au-dessus, un secteur vaut qu’on s’y arrête – moins pour son rang que pour ce qu’il enseigne.
Activités immobilières : 1,1 %. Une entreprise sur quatre-vingt-dix, contre une sur treize dans la construction de bâtiments. L’actif est lourd, mais il est aussi le collatéral : un immeuble se refinance, se cède, se loue, quand une machine-outil spécialisée ne trouve preneur qu’à un prix cassé. La rente foncière absorbe des chocs qu’un cycle industriel encaisserait de plein fouet.
Le contraste le plus instructif n’est pourtant pas entre le haut et le bas du classement, mais à l’intérieur d’une même chaîne de valeur. Les activités immobilières perdent une entreprise sur quatre-vingt-dix ; la construction, qui produit l’actif que les premières détiennent ensuite, en perd près de sept fois plus. Même immeuble, même cycle économique, deux positions opposées : l’une détient un actif refinançable et encaisse des loyers, l’autre avance la trésorerie du chantier et attend d’être payée. Ce n’est pas le secteur qui protège, c’est la place occupée dans le cycle d’encaissement.
Ce constat voyage au-delà du bâtiment. Capital lourd, revenu renégocié à court terme, trésorerie avancée par le prestataire : ce triplet décrit une bonne part des actifs industriels et de services aux entreprises qui passent sur un bureau de transaction. Ce n’est pas un effet de secteur, c’est une signature de bilan, et elle appelle la même prudence sur une cible dont le secteur, lui, paraît tranquille.
Fonds propres négatifs : l’alarme la plus fiable est aussi la plus rare
Les mesures de trajectoire pèsent moins, en moyenne, que la structure ou la position sectorielle. Prises une à une, certaines séparent pourtant les deux populations mieux que n’importe quel niveau.
Se trouver en fonds propres négatifs multiplie par 3,4 la fréquence dans la population d’entreprises défaillantes : 27,4 % d’entre elles sont dans ce cas, contre 8,1 % des entreprises saines. Y basculer d’un exercice à l’autre la multiplie par 7,0, le rapport le plus élevé de toute l’étude.
Il faut lire ce chiffre pour ce qu’il est. Le basculement ne concerne que 11,3 % des défaillantes : quand il survient, il est presque décisif ; il ne survient qu’une fois sur neuf. C’est une alarme très fiable et peu fréquente, et c’est précisément pour cela qu’elle pèse peu dans le classement moyen tout en méritant une réaction immédiate lorsqu’elle se déclenche.
Le contraste avec le bas du tableau dit le reste. « Trois ratios ou plus en dégradation » concerne 47,4 % des défaillantes, presque une sur deux – mais aussi 33,2 % des saines, et ne vaut donc qu’un rapport de 1,4. Un signal fréquent et peu discriminant d’un côté, un signal rare et presque décisif de l’autre : ce qui sépare vraiment, c’est le franchissement d’un seuil, pas la dégradation diffuse.
La conséquence pratique tient en une phrase : une entreprise durablement médiocre est un modèle économique, pas une alerte. C’est celle qui était confortable il y a trois ans et qui n’est plus qu’acceptable aujourd’hui qui justifie la semaine de travail supplémentaire.
Est-ce que ça marche
Deux façons de répondre, une technique et une opérationnelle.
La réponse technique. Présenté à deux entreprises, une qui a fait défaut et une qui n’en a pas fait, le meilleur modèle place la bonne en tête 85 fois sur 100.
| Modèle | Justesse de classement | Défaillances d’entreprises captées dans les 20 % les plus risqués |
|---|---|---|
| Arbres de décision optimisés | 85,2 % | 72 % |
| Forêt aléatoire | 84,1 % | 70 % |
| Régression logistique | 81,6 % | 67 % |
Avec 12 924 défaillances de sociétés observées, la marge d’erreur tombe à trois dixièmes de point. Les écarts sont donc réels, et cette fois nettement établis – mais ils restent modestes : une régression logistique reste à moins de quatre points du meilleur modèle. Le choix de la méthode ne fait pas le résultat. La qualité de la donnée, oui. Le machine learning n’apporte donc pas ici une rupture de méthode : il apporte une lecture systématique du risque de défaillance d’entreprise sur un vivier que personne n’a le temps d’ouvrir dossier par dossier.
La réponse opérationnelle. Examinez les 20 % de dossiers classés les plus risqués et vous captez 74 % des entreprises qui feront défaut, pour une précision de 6,7 % dans ce cinquième examiné, contre 1,8 % en ouvrant les dossiers au hasard : près de quatre fois la touche.
La courbe est plus utile encore à son extrémité. Sur les 5 % de dossiers les mieux notés, un dossier sur sept se dégrade effectivement, près de huit fois la fréquence observée au hasard. À ce niveau de rareté d’événement, une concentration de huit fois la référence est précisément ce que peut offrir un premier tri : c’est le régime dans lequel travaille un comité qui doit trancher en quelques jours.
Peut-on écrire ces chiffres dans une note
Avec prudence, et seulement si le modèle a été recalé pour cela – étape facile à sauter, et fréquemment sautée. Un score brut classe, il ne chiffre pas : il dit que cette société est plus risquée que celle-là, rien de plus.
Après recalage, l’ordre de grandeur se vérifie sur les observations, mais avec un biais qu’il vaut mieux énoncer soi-même que laisser découvrir : le modèle sous-estime le risque, et il le sous-estime davantage à mesure qu’on monte dans le portefeuille. Dans la tranche la plus exposée du test, un risque annoncé de 7,2 % se réalise à 10,3 %.
La conséquence pratique est simple. Un pourcentage issu de ce modèle se cite comme un plancher, pas comme une valeur exacte : la réalité observée est au-dessus, particulièrement sur les dossiers les plus risqués – ceux, précisément, qui arrivent en comité. Le modèle classe mieux qu’il ne chiffre, et c’est ainsi qu’il faut l’employer : pour ordonner un vivier et concentrer l’attention, pas pour inscrire une probabilité de défaut au dernier chiffre près dans une note.
Un dossier, ouvert facteur par facteur
Un classement moyen indique ce qui compte en général. Un conseil d’administration a besoin d’autre chose : pourquoi ce dossier, et sur quelles pièces. Un modèle qui répond « risqué » sans dire pourquoi n’est pas faux, il est inutilisable, parce qu’aucun comité n’approuve une décision qu’il ne peut examiner.
Cela se lit comme une note de crédit et non comme une sortie de modèle. Chaque barre rose est un fait qui a poussé l’entreprise vers le défaut, chaque barre bleue un fait qui plaidait en sens inverse, et la longueur en indique le poids.
Ce dossier illustre exactement le propos de cet article, et il illustre aussi la réserve du paragraphe précédent : le modèle ne lui attribuait que 3,5 % de risque, un niveau modeste, et la défaillance est pourtant survenue dans les trois ans. Son résultat courant positif, la taille de son bilan et son actif immobilisé plaidaient en sa faveur, pendant que des fonds propres très en retrait de la norme de son secteur, un poids excessif des créances clients et une trésorerie insuffisante l’emportaient. Un tableau de bord fondé sur la rentabilité l’aurait laissé passer sans un regard.
On notera que les trois facteurs aggravants les plus lourds sont tous des écarts au secteur ou des postes de cycle, jamais un niveau de résultat. C’est la démonstration, sur un cas, de ce que le classement des familles dit en moyenne.
C’est aussi ce qui rend la conclusion réfutable sur le terrain. Si la décomposition s’appuie sur un poste que la data room révèle exceptionnel, elle peut être écartée sur pièces plutôt qu’à l’intuition. Chaque barre est une ligne de la liasse, vérifiable par quiconque la détient : rien ne repose sur l’autorité du modèle.
Ce que cela change à chaque étape d’une opération
Origination et recherche de cibles : le vivier français non coté est vaste et opaque, sans notation, sans couverture, sans cours. La liasse déposée est la seule information dont on dispose sur toutes les cibles à la fois. En faire un premier tri par risque de défaillance d’entreprise ne remplace aucun jugement ; cela fixe l’ordre dans lequel les dossiers s’ouvrent. Sur une liste de quatre-vingts noms, cela seul décide de l’emploi des semaines d’une équipe.
Analyse d’opportunité : deux cibles affichées au même multiple d’EBITDA ne sont pas le même actif. Celle dont le cycle immobilise un quart du bilan devra financer sa croissance avant d’en encaisser le produit ; l’autre non. Cet écart ne se lit pas sur un multiple, il se lit sur le bilan, et il change la thèse d’investissement, pas seulement le prix.
Due diligence acquéreur : une data room contient rarement plus de trois exercices. Les comptes déposés, eux, sont publics et coûtent quelques minutes à obtenir : deux exercices supplémentaires suffisent souvent à changer la lecture, et à vérifier que la trajectoire présentée correspond à celle qui a été déposée. Sur les cibles à cycle long, deux points méritent une question écrite : la saisonnalité du besoin en fonds de roulement, car un arrêté au point bas de l’année flatte le bilan, et le sort des retenues de garantie.
Évaluation, structuration et closing : c’est là que le sujet devient un montant. Un besoin en fonds de roulement structurellement lourd n’est pas un ajustement de prix à la date d’arrêté, c’est un besoin permanent de capital, qui appartient à la valeur d’entreprise et non au calcul de trésorerie nette. Trois points de négociation en découlent : le déterminer sur une moyenne pluriannuelle plutôt que sur la dernière photo, indexer un complément de prix sur l’encaissement réel plutôt que sur le chiffre d’affaires facturé, et adosser la garantie d’actif et de passif aux postes clients. Chacun se défend bien mieux avec la trajectoire sur la table.
Ce que cette étude ne dit pas
Elle ne porte que sur les entreprises dont les comptes sont déposés et exploitables. Deux pertes s’additionnent en amont, de natures différentes. La première se dénombre : une partie des sociétés déposent sous déclaration de confidentialité, que l’INPI signale explicitement – les chiffres existent, mais restent scellés. La seconde tient à la lecture : beaucoup de comptes pourtant publics ne s’exploitent pas ligne à ligne en l’état. Reste ce qu’aucune donnée ne restitue, le risque des sociétés qui ne déposent rien : faute de bilan à lire, elles sont hors du champ du modèle. Le taux de 3,3 % est donc celui des entreprises aux comptes lisibles, non de l’ensemble des entreprises françaises – réserve que nous préférons nommer que taire.
Elle ne porte que sur les sociétés dont le bilan dépasse 1 million d’euros. C’est un choix assumé, motivé par la cible visée, mais il exclut de fait l’essentiel du tissu entrepreneurial français. Rien dans ces chiffres ne renseigne sur la microentreprise.
La sauvegarde est exclue du périmètre. C’est cohérent avec la définition retenue – une procédure préventive n’est pas une cessation des paiements – mais cela signifie qu’une entreprise entrée en sauvegarde puis redressée n’apparaît pas comme défaillante ici.
Les années 2020 et 2021 sont atypiques. Les ordonnances ont suspendu les procédures collectives : environ 25 000 jugements d’ouverture en 2021 contre 40 000 à 50 000 une année ordinaire. Le creux est réel, mais des entreprises non viables ont été maintenues, et le modèle a appris sur cette anomalie.
Les taux sectoriels sont des fréquences historiques sur une fenêtre donnée, pas des constantes. Quinze divisions, trop étroites pour un compte fiable, n’ont pas pu être classées du tout. Nous aurions aimé vérifier que la ligne de partage résiste à un seuil de taille plus élevé : la donnée ne l’a pas permis – au-dessus de deux millions d’euros de bilan, il reste trop peu de défaillances pour un test lisible. De même, l’horizon de trois ans n’est pas un choix mais une contrainte : la profondeur du registre ne permet pas d’en tester d’autres proprement.
Ce qui manque compte. Qualité du management, gouvernance, litiges, concentration client, dépendance à un donneur d’ordre, engagements hors bilan : souvent décisifs, entièrement absents des comptes.
Conclusion
Un fil traverse toute l’étude : en France, dans le non-coté, la rentabilité ne suffit pas à trancher, dès lors qu’on regarde des entreprises assez grandes pour avoir autre chose à montrer. Près d’une défaillance sur quatre frappe une entreprise bénéficiaire, et le besoin en fonds de roulement y multiplie le risque par près de trois. Mais chez la PME et l’ETI, ce cycle de trésorerie ne domine plus seul : il partage l’explication avec la structure financière et la position de l’entreprise face à son secteur, trois lectures qu’il faut désormais croiser plutôt qu’en privilégier une seule.
Les secteurs disent la même chose sous un autre angle – non pas quels métiers cassent, mais lesquels partagent la même structure. Ce ne sont pas les plus capitalistiques qui tombent, ce sont ceux dont la marge se renégocie sans qu’aucun actif ne vienne amortir le choc : l’habillement, le meuble, l’imprimerie, la sécurité. À l’autre bout, les activités réglementées ou adossées à un actif traversent, de l’ordre de dix fois moins exposées – un écart que ne laissera jamais paraître un multiple d’EBITDA.
Pour un fonds, un directeur M&A ou un conseil, l’implication est directe. Le compte de résultat départage mal les dossiers rentables, c’est-à-dire précisément ceux qui arrivent en comité. Le bilan, lu contre son secteur, départage.
L’apprentissage automatique, ici l’IA explicable ne remplace pas l’analyse crédit : il hiérarchise le risque de défaillance d’entreprise et rend chaque conclusion traçable jusqu’à une ligne des comptes. Ce dernier point n’est pas accessoire, c’est ce qui sépare un outil qu’un comité utilise d’un outil qu’il écoute poliment avant de décider autrement.
En parler sur un dossier en cours
Ce que nous apportons à une opération tient en trois gestes : rendre une série d’exercices réellement comparable avant d’y lire une tendance, situer une cible face à son secteur plutôt que dans l’absolu, et transformer une fragilité de bilan en montant défendable au moment de négocier.
Une liste de cibles à hiérarchiser par risque de défaillance de société, un besoin en fonds de roulement normatif contesté en négociation, ou une cible dont les comptes paraissent sains sans que le dossier ne convainque, c’est le genre de conversation que nous avons volontiers.
Note sur la méthode. Le découpage est chronologique, la calibration ajustée hors période de test, et chaque étape refuse de produire un résultat si un contrôle échoue. D’autres choix de seuil de taille, d’horizon ou de découpage donneraient d’autres chiffres, et un usage en conditions actuelles imposerait un recalage. Rien de tout ceci ne constitue un modèle de crédit de production, un conseil en investissement ni une recommandation.
Cette étude a été construite de façon itérative avec l’assistance de l’IA, sur de nombreuses versions. Plusieurs ont été écartées dès qu’une vérification échouait, et il s’est avéré que c’était plus souvent en raison d’un défaut dans les données que d’une faiblesse du modèle. Ce qui est publié ici est ce qui a survécu à ces contrôles.
À propos de LJ Advisory
Fusions-acquisitions et réallocation de capital pour les fonds mid-market, les acteurs de l’énergie et de l’industrie, et les actionnaires transfrontaliers.