AFINIT obtient un brevet pour l'évaluation de crédit par IA générative

Le problème visé

L'IA générative sait interpréter des données structurées, comme le revenu ou le score de crédit, mais aussi des informations non structurées telles que des relevés financiers ou des notes d'entretien. Pourtant, lorsqu'un modèle se contente de répondre « approuvé » ou « refusé », il ne distingue pas les écarts de risque entre clients tous acceptés. Or fixer un plafond de prêt ou moduler les taux exige un indicateur numérique continu.

Le fonctionnement

Selon l'entreprise, une requête d'évaluation est construite à partir des données du client, et l'IA répond par approbation, refus ou examen. Le système extrait ensuite la log-probabilité du jeton, c'est-à-dire la probabilité mathématique de générer ce mot, et la convertit en probabilité de refus. Cette valeur est associée aux données historiques d'impayés de l'établissement pour entraîner une fonction de calibration statistique, qui sépare la simple probabilité de génération de texte de la probabilité réelle de défaillance.

Les établissements peuvent ainsi trier approbations, refus et examens manuels, ou différencier taux et plafonds par client. Si le marché ou la réglementation évolue, seule la fonction de calibration, légère, doit être réentraînée, et non tout le modèle, ce qui réduirait fortement coûts et délais, d'après l'entreprise.

Cap sur l'international

Pour des pays aux langues, cadres juridiques et produits de prêt différents, il suffit d'optimiser la fonction avec les données d'impayés locales. Lee Chul-won affirme que ce brevet fournit la base technique pour relier réponses qualitatives de l'IA et indicateurs de risque quantitatifs, et qu'AFINIT compte accélérer son expansion mondiale.