{"id":100613,"date":"2022-05-17T09:16:09","date_gmt":"2022-05-17T07:16:09","guid":{"rendered":"https:\/\/www.jedox.com\/?p=100613"},"modified":"2026-03-10T19:40:33","modified_gmt":"2026-03-10T18:40:33","slug":"analyse-predictive-finance","status":"publish","type":"post","link":"https:\/\/www.jedox.com\/fr\/blog\/analyse-predictive-finance\/","title":{"rendered":"Analyse pr\u00e9dictive : opportunit\u00e9s et limites pour l’avenir de la finance"},"content":{"rendered":"

L’analyse pr\u00e9dictive est une discipline qui existait d\u00e9j\u00e0 sous une forme ou une autre d\u00e8s l’av\u00e8nement du mesurage. De tout temps, en effet, l’humain n’a cess\u00e9 de vouloir pr\u00e9dire l’avenir. Pour preuve, les pronostiqueurs tels que Nostradamus, et bien d’autres proph\u00e8tes, abondent dans l’histoire. On peut faire remonter la pratique sp\u00e9cifique de l’analyse pr\u00e9dictive au moment o\u00f9 quelqu’un a pos\u00e9 pour la premi\u00e8re fois sa r\u00e8gle sur un graphique lin\u00e9aire pour tenter d’estimer les tendances \u00e9volutives de son commerce.<\/strong><\/p>\n

Bref historique de l’analyse pr\u00e9dictive<\/h2>\n

Nul secteur n’a davantage tent\u00e9 d’exploiter le potentiel de l’analyse pr\u00e9dictive que celui des services financiers. D\u00e8s l’ouverture du Lloyd’s Coffee House en 1686, les professionnels de la finance cherchaient d\u00e9j\u00e0 \u00e0 savoir de quoi l’avenir serait fait. Des planificateurs, directeurs et analystes financiers de tous bords se sont efforc\u00e9s d’\u00e9laborer des m\u00e9thodes pr\u00e9cises pour mesurer la probabilit\u00e9 des \u00e9v\u00e9nements.<\/p>\n

Avant l’arriv\u00e9e de l’analyse statistique avanc\u00e9e et du Machine Learning, les travaux d’analyse pr\u00e9dictive se divisaient globalement en quatre cat\u00e9gories :<\/p>\n

    \n
  1. L’hypoth\u00e8se<\/strong>, qui est l’option \u00e0 laquelle la plupart des gens se r\u00e9f\u00e8rent par d\u00e9faut. Pour cela, ils tentent de deviner le d\u00e9roulement probable des \u00e9v\u00e9nements sur la base de donn\u00e9es qualitatives et quantitatives, auxquelles s’ajoute une expertise sp\u00e9cialis\u00e9e. Le fait que les r\u00e9sultats de ces pr\u00e9visions proc\u00e8dent ou non du hasard d\u00e9pend en r\u00e9alit\u00e9 tr\u00e8s fortement des comp\u00e9tences de l’expert concern\u00e9.<\/li>\n
  2. La pr\u00e9diction visuelle<\/strong>, qui correspond ni plus ni moins \u00e0 sortir une r\u00e8gle et tracer des courbes sur un papier. Cette technique est fort r\u00e9pandue depuis plusieurs d\u00e9cennies, non sans raison : chaque fois que des donn\u00e9es pr\u00e9sentent des mod\u00e8les lin\u00e9aires r\u00e9guliers, il est possible de dessiner des courbes sur un graphique. Cette technique s’emploie encore aujourd’hui dans l’analyse des actions financi\u00e8res, notamment dans les m\u00e9dias audiovisuels. Les analystes repr\u00e9sentent le plancher et le plafond du cours des actions par des lignes afin de d\u00e9terminer si leur achat se justifie ou non.<\/li>\n
  3. La pr\u00e9vision additive<\/strong> est une m\u00e9thode de budg\u00e9tisation populaire qui consiste \u00e0 reprendre les donn\u00e9es d’une p\u00e9riode ant\u00e9rieure, \u00e0 les r\u00e9ajuster selon un pourcentage, puis \u00e0 d\u00e9clarer le r\u00e9sultat comme \u00e9tant une pr\u00e9vision. Cette d\u00e9marche suppose que la p\u00e9riode \u00e0 venir soit identique \u00e0 la pr\u00e9c\u00e9dente en termes de pr\u00e9visions, ce qui ne se v\u00e9rifie que dans des conditions bien d\u00e9finies. \u00c0 une \u00e9poque marqu\u00e9e par les pand\u00e9mies et l’instabilit\u00e9 politique, cette strat\u00e9gie est valable uniquement si elle s’accompagne d’une agilit\u00e9 et d’une souplesse exceptionnelles permettant de s’adapter \u00e0 l’\u00e9volution des circonstances.<\/li>\n
  4. Enfin<\/strong>, l’invention est la m\u00e9thode de pr\u00e9vision la moins utile, mais cependant celle \u00e0 laquelle un nombre surprenant d’organisations et de parties prenantes ont recours en l’absence de toute autre technique de pr\u00e9vision.<\/li>\n<\/ol>\n

    Les trois premi\u00e8res techniques partagent un point commun, qui est de se fonder sur des donn\u00e9es pr\u00e9existantes pour tenter de b\u00e2tir des mod\u00e8les orient\u00e9s vers l’avenir. Parmi les \u00e9volutions majeures apparues depuis 25 ans, et notamment au cours de la derni\u00e8re d\u00e9cennie, figure le fait que l’on utilise aujourd’hui des logiciels de statistiques et de Machine Learning avanc\u00e9s pour g\u00e9n\u00e9rer des pr\u00e9visions plus solides, sur le plan math\u00e9matique, que ces approches initiales.<\/p>\n

    \"\"<\/a><\/p>\n

    \n

    Qu’est-ce que l’analyse pr\u00e9dictive\u202f?<\/h2>\n

    Comme son nom l’indique, il s’agit de l’utilisation de donn\u00e9es analytiques et d’algorithmes afin de pr\u00e9dire ce qui est susceptible d’arriver. Pour fonctionner correctement, l’analyse pr\u00e9dictive s’appuie sur deux mod\u00e8les contenus dans les donn\u00e9es : la cyclicit\u00e9<\/strong> et la saisonnalit\u00e9.<\/strong><\/p>\n

    La saisonnalit\u00e9<\/strong> fait r\u00e9f\u00e9rence \u00e0 la d\u00e9tection de tendances dans les donn\u00e9es annuelles. Lorsque l’on pense aux saisons au sens litt\u00e9ral du terme (printemps, \u00e9t\u00e9, automne, hiver), il s’agit d’\u00e9v\u00e9nements qui reviennent chaque ann\u00e9e en \u00e9tant en quelque sorte programm\u00e9s par une horloge. Dans le domaine financier, nous savons que certains \u00e9v\u00e9nements annuels tels que la date limite de d\u00e9p\u00f4t des d\u00e9clarations fiscales ont un impact consid\u00e9rable sur nos donn\u00e9es. D’autres \u00e9v\u00e9nements li\u00e9s \u00e0 la consommation, notamment les f\u00eates de fin d’ann\u00e9e, ont \u00e9galement une incidence sur l’activit\u00e9 \u00e9conomique.<\/p>\n

    La cyclicit\u00e9<\/strong> d\u00e9signe tout mod\u00e8le r\u00e9p\u00e9titif qui est pr\u00e9sent de mani\u00e8re r\u00e9guli\u00e8re dans les donn\u00e9es. \u00c0 titre d’exemple, la plupart des informations financi\u00e8res ob\u00e9issent \u00e0 un cycle tr\u00e8s commun qui se caract\u00e9rise par une abondance de donn\u00e9es et d’activit\u00e9 du lundi au vendredi, mais un volume consid\u00e9rablement r\u00e9duit le week-end. De m\u00eame, les d\u00e9clarations d’imp\u00f4ts trimestrielles sont une r\u00e9currence courante qui joue sur les donn\u00e9es et leur pr\u00e9visibilit\u00e9.<\/p>\n

    Le point essentiel ici est que les donn\u00e9es pr\u00e9sentant un caract\u00e8re cyclique ou saisonnier sont, par essence, pr\u00e9visibles. Les donn\u00e9es qui pr\u00e9sentent cette caract\u00e9ristique dans une certaine mesure peuvent \u00eatre d\u00e9duites gr\u00e2ce \u00e0 l’analyse pr\u00e9dictive.<\/strong><\/p>\n<\/div>\n

    Ce que l’analyse pr\u00e9dictive ne peut pas pr\u00e9voir<\/h2>\n

    Par extension, les donn\u00e9es totalement exemptes de saisonnalit\u00e9 ou de cyclicit\u00e9 ne peuvent \u00eatre ni pr\u00e9dites, ni pr\u00e9vues. Ce dernier point est crucial pour comprendre les limites d’une telle discipline. Il existe quatre cat\u00e9gories de donn\u00e9es g\u00e9n\u00e9riques qui sont impossibles \u00e0 pr\u00e9voir avec le moindre degr\u00e9 de pr\u00e9cision :<\/p>\n