De Longueville, PhilippeBarbarin, JérômeTotin, FritzFritzTotin2025-05-142025-05-142025-05-142023https://hdl.handle.net/2078.2/34692Crédal est une coopérative financière qui contribue à une société inclusive et durable, où l’argent est mis au service du bien commun. En tant qu'acteur de la chaine de solidarité en Belgique, elle fournit des services financiers prioritairement aux personnes exclues du système bancaire classique et participe à leur développement socio-économique. Le présent mémoire se focalise sur la modélisation du risque de défaut des emprunteurs et la tarification des prêts octroyés. L'analyse approfondie de ces sujets revêt une importance capitale pour les établissements de crédit, qui sont constamment confrontées au défi de concilier stabilité de l'activité, risque de défaut et fixation adéquate du taux d'intérêt pour leurs clients dans un environnement dans lequel le coût du financement de l'activité est en permanente variation. Ce mémoire débutera par une présentation de Crédal dans laquelle nous aborderons l'étendue des actions de la coopérative, les types de financement accordés et nous finirons par un aperçu des comptes financiers sur les trois dernières années. Nous analyserons ensuite la base de données des crédits de 2009 à 2022, puis nous utiliserons les techniques de prédiction en vue d'élaborer un modèle permettant d'estimer le risque de défaut connaissant le profil d'un emprunteur. L'étude s'appuiera sur les méthodes de machine learning combiné avec les modèles traditionnels de régression, afin de construire un modèle à la fois robuste et facilement interprétable. Ce modèle servira de base à l'élaboration du modèle de tarification. Dans un deuxième volet, nous abordons la tarification des crédits octroyés, en considérant l'approche basée sur le risque. Tenant compte du profil de risque de l'emprunteur et des diverses charges associées à un crédit, nous élaborons un modèle de tarification des crédits. Pour finir, nous construirons, sous Rshiny, une application de tarification déployée en ligne, et basée sur le modèle précédemment décrit. Cette application permettra aux conseillers clientèles de Crédal d'obtenir le taux de référence pour un crédit.Risque de défautRégression logistiqueGLMGBMEmprunteurValidation croiséeModélisation prédictiveRshinytext::thesis::master thesisthesis:42306