Sept ratios financiers permettent de prédire les faillites de PME jusqu'à trois ans à l'avance
Il existe un moment singulier dans n'importe quel secteur lorsque les données qui permettraient de résoudre un problème sont disponibles depuis des décennies, mais que personne ne les avait organisées de la bonne manière. C'est, en substance, ce que vient de documenter une étude publiée dans la Global Business and Economics Review : que l'insolvabilité des petites et moyennes entreprises européennes peut être anticipée avec jusqu'à trois ans d'avance en utilisant seulement sept indicateurs comptables standards, les mêmes que tout comptable calcule déjà et que les banques reçoivent depuis des décennies sans savoir exactement quoi en faire lorsqu'ils sont combinés.
L'étude, signée par Sónia Silva, a analysé les données de plus de 24 500 entreprises européennes sur une période de huit ans. Le modèle qui en résulte atteint une précision globale d'environ 82 % et parvient à identifier correctement plus de 70 % des insolvabilités trois ans avant qu'elles ne surviennent, lorsqu'il est appliqué à des données dont les résultats sont connus. Il ne s'agit pas d'un algorithme d'apprentissage automatique entraîné sur des millions de variables. C'est un modèle de prédiction multivarié construit sur sept ratios : le ratio de trésorerie, la contribution par intérêts payés, le ratio de solvabilité, le financement à court terme, l'effet de levier, le ratio dette-actifs et la rentabilité des actifs. Sept chiffres qui existent déjà dans les bilans et qui, ensemble, décrivent avec une fidélité suffisante la liquidité, la charge de la dette, la résilience financière et la rentabilité d'une entreprise.
La question que ce constat pose n'est pas d'ordre technique. Elle est structurelle : si les données étaient là et si les modèles fonctionnent, qu'est-ce qui a empêché que cela se produise plus tôt ?
Le fossé que l'académie a maintenu ouvert trop longtemps
La prédiction des faillites d'entreprises possède une longue histoire académique. Les modèles classiques, conçus dans les années 1960 et 1970, ont été élaborés pour des grandes entreprises cotées en bourse, disposant d'accès à des valorisations de marché, à des données de capitalisation boursière et à des structures financières suffisamment transparentes pour alimenter des modèles statistiques robustes. Les PME ont été exclues de ce cadre, non par négligence, mais parce qu'elles représentaient une catégorie que la finance d'entreprise traditionnelle a traitée comme trop opaque, trop hétérogène et, dans de nombreux cas, trop petite pour justifier l'effort analytique.
Le problème avec cette logique est que les PME ne constituent pas une catégorie mineure. Elles représentent la majorité des entreprises dans les économies de l'OCDE et environ deux tiers de l'emploi dans ces pays. Le risque d'insolvabilité des PME n'est pas un problème de microéconomie gérable à l'échelle individuelle : c'est une variable aux conséquences directes sur le système bancaire, le marché du travail et la stabilité fiscale des gouvernements qui gèrent des programmes de garantie de crédit ou des subventions à l'emploi.
Ce que le travail de Silva accomplit, c'est combler ce fossé avec un ensemble de données suffisamment vaste pour que le modèle soit statistiquement robuste et suffisamment concentré sur des ratios accessibles pour qu'il soit reproductible sans infrastructure extraordinaire. Le constat le plus révélateur n'est pas que le modèle fonctionne avec une précision de 82 % : c'est que ce niveau de précision est atteint trois ans avant l'événement d'insolvabilité, un horizon temporel qui change entièrement la logique de l'intervention.
Trois ans, c'est suffisant pour renégocier des conditions de crédit. C'est suffisant pour qu'un prêteur ajuste ses garanties, modifie ses covenants ou intensifie le suivi d'un portefeuille spécifique. C'est suffisant pour qu'un propriétaire de PME prenne des décisions de restructuration avant que la situation ne devienne irréversible. Ce qui distingue ce modèle des systèmes d'alerte précoce qui existent déjà dans de nombreuses banques européennes, c'est précisément cet horizon étendu combiné à la parcimonie de l'instrument : sept ratios, et non des centaines de variables.
Ce que les sept ratios révèlent sur l'anatomie d'une faillite
Considérer les sept indicateurs du modèle comme un ensemble, plutôt que comme des variables isolées, produit un diagnostic plus intéressant que n'importe lequel d'entre eux pris séparément. La sélection n'est pas arbitraire : chaque ratio capture une dimension distincte du risque, et ensemble ils construisent une image tridimensionnelle de l'entreprise.
Le ratio de trésorerie et le financement à court terme décrivent la liquidité immédiate et la manière dont l'entreprise gère ses obligations les plus urgentes. Une entreprise peut être rentable sur le papier et étouffer par manque de trésorerie disponible. Ce n'est pas un paradoxe rare dans les PME : c'est l'un des mécanismes de faillite les plus courants, notamment dans les entreprises avec de longs cycles de recouvrement et des fournisseurs qui exigent des paiements rapides.
Le ratio de solvabilité, l'effet de levier et le ratio dette-actifs capturent la structure du capital et la capacité à absorber des pertes sans s'effondrer. Une entreprise fortement endettée peut survivre tant que les flux de trésorerie sont stables, mais sa marge de tolérance face à une baisse des revenus est minimale. Ces trois ratios, vus ensemble, décrivent combien d'oxygène il reste à l'entreprise avant que la dette ne cesse d'être soutenable.
La contribution par intérêts payés ajoute une dimension opérationnelle : elle mesure si l'activité génère suffisamment de marge de contribution pour couvrir son coût financier. Une entreprise qui ne peut pas couvrir ses intérêts avec sa marge opérationnelle consomme des capitaux propres ou un crédit supplémentaire pour rester en activité, ce qui constitue un signal de détérioration structurelle qui peut demeurer invisible pendant plusieurs trimestres si l'on observe seulement le résultat net.
La rentabilité des actifs complète le modèle en mesurant l'efficacité avec laquelle l'entreprise convertit ses actifs en résultats. Une baisse soutenue de cet indicateur, combinée à un effet de levier croissant et à une liquidité déclinante, produit le schéma que le modèle apprend à reconnaître comme précurseur d'insolvabilité.
Ce qui est significatif du point de vue de la proposition de valeur, c'est qu'aucun de ces sept ratios n'exige d'informations qui ne soient pas déjà disponibles dans les états financiers de base d'une entreprise. Il n'est pas nécessaire d'avoir accès à des données de marché, à des évaluations externes ni à des projections managériales. Le modèle fonctionne avec ce qui existe déjà, ce qui a des implications directes sur qui peut l'adopter et à quel coût.
Le goulot d'étranglement que le modèle ne peut pas résoudre seul
L'étude elle-même soulève une limitation qui mérite une attention particulière : le modèle s'améliorerait grâce à une plus grande divulgation financière de la part des PME, mais les auteurs estiment que cela est « hautement improbable étant donné la nature des entreprises les plus petites ». Cette phrase concentre une tension qui n'est pas nouvelle, mais que ce constat remet sur la table avec plus d'urgence qu'auparavant.
Les PME ont des incitations structurelles à maintenir l'opacité de leurs données financières. Une partie de cette opacité est défensive : partager des informations détaillées avec des prêteurs ou avec le marché peut affaiblir la position de négociation d'un propriétaire, exposer des vulnérabilités concurrentielles ou simplement générer une charge administrative qu'une petite entreprise n'a pas la capacité de gérer. Il en résulte un marché où les instruments de prédiction fonctionnent mieux précisément dans les cas où l'information est la plus abondante, qui sont généralement les entreprises qui en ont le moins besoin.
Ce déséquilibre a des conséquences directes pour les prêteurs. Les banques et les institutions de microcrédit qui opèrent dans les segments des petites PME — non pas les moyennes bien documentées, mais les micro et petites entreprises à comptabilité simplifiée — ont accès à une fraction des informations que le modèle requiert pour fonctionner avec son niveau documenté de précision. Dans ces cas, le modèle peut encore être utile comme référence de risque relatif, mais sa capacité prédictive se dégrade de manière proportionnelle à la qualité de la donnée disponible.
Pour les programmes publics de garantie de crédit, le défi est différent mais tout aussi concret. Beaucoup de ces programmes fonctionnent sous la pression politique de maximiser l'accès au crédit, ce qui signifie en pratique financer des entreprises avec des profils de risque qu'une banque privée refuserait. Un modèle avec la précision documentée par Silva pourrait être utilisé pour mieux distinguer entre les entreprises viables ayant des problèmes temporaires de liquidité et les entreprises en détérioration structurelle irréversible, ce qui améliorerait l'efficacité des dépenses publiques. Mais cela exige que les entreprises bénéficiaires reportent avec le niveau de détail que le modèle nécessite, et cette exigence entre directement en conflit avec la logique de simplification qui justifie les programmes en premier lieu.
La donnée que les banques européennes devraient déjà être en train de calculer
La recherche arrive à un moment où le contexte macroéconomique européen amplifie sa pertinence. Des études antérieures sur l'impact de la pandémie de COVID-19 sur les PME européennes ont documenté des augmentations du risque d'insolvabilité de l'ordre de 21 % durant cette période, mesurées en fonction des baisses de rentabilité, de chiffre d'affaires et de fonds de roulement. Les mêmes variables que le modèle de Silva identifie comme prédicteurs centraux.
Pour les banques disposant de portefeuilles significatifs de crédit aux PME, l'argument économique en faveur de l'adoption d'un cadre de suivi basé sur ces sept ratios est direct. Le Fonds monétaire international a documenté que la détérioration massive des PME peut réduire les ratios de capital Tier 1 des systèmes bancaires jusqu'à 2 points de pourcentage dans les pays les plus exposés. Ce n'est pas un risque abstrait : c'est une variable que les régulateurs européens surveillent avec une attention croissante depuis 2020 et que les équipes de gestion des risques de toute banque disposant d'un portefeuille PME significatif devraient quantifier en permanence.
L'adoption pratique du modèle dans les systèmes de suivi bancaire ne nécessite pas de grands investissements technologiques. Elle exige de la rigueur dans la collecte des états financiers périodiques des débiteurs, une standardisation dans le calcul des sept ratios et un processus clair d'alertes internes lorsqu'une entreprise franchit des seuils de risque sur plusieurs indicateurs simultanément. C'est davantage un problème de processus que de technologie, ce qui abaisse sensiblement la barrière à l'implémentation pour les institutions de taille intermédiaire ne disposant pas du budget nécessaire pour des modèles d'apprentissage automatique propriétaires.
Ce qui rend le modèle de Silva particulièrement utile dans ce contexte, ce n'est pas seulement sa précision mais son interprétabilité. Un modèle à sept ratios est auditable. Un analyste de crédit peut expliquer à un comité des risques pourquoi une entreprise spécifique a déclenché une alerte : « le ratio de trésorerie a chuté de 40 % sur deux exercices consécutifs tandis que l'effet de levier augmentait de 15 points de pourcentage et que la rentabilité des actifs devenait négative ». C'est un diagnostic qui génère de l'action. Un modèle boîte noire avec 200 variables peut avoir une précision statistique plus élevée, mais produit des conversations plus difficiles aux niveaux où se prennent les véritables décisions de crédit.
Le signal que personne ne lisait dans son ensemble
L'apport le plus durable de ce travail n'est pas le modèle en lui-même. C'est la démonstration que l'information pour anticiper la faillite d'une PME était déjà disponible, qu'elle résidait dans les bilans que les banques reçoivent périodiquement, et que ce qui manquait était la structure analytique pour la lire en combinaison avec suffisamment d'anticipation.
Cela décrit un schéma qui apparaît fréquemment dans les marchés où les données existent mais sont fragmentées ou mal interprétées : la solution n'arrive pas avec de nouvelles informations, mais avec une réorganisation des informations existantes qui rend visible quelque chose qui était déjà là. Dans ce cas, la réorganisation est statistiquement documentée, reproductible et suffisamment parcimonieuse pour que toute institution financière disposant d'un accès à des bilans de base puisse l'adopter sans infrastructure extraordinaire.
Les PME représentent la majeure partie du tissu entrepreneurial des économies avancées et une part disproportionnée du risque de crédit non géré. Un modèle capable d'anticiper plus de 70 % de leurs insolvabilités avec une marge de trois ans, en utilisant seulement sept ratios standards, n'est pas une curiosité académique. C'est un outil aux conséquences opérationnelles concrètes pour les prêteurs, les régulateurs et les propriétaires d'entreprises qui préfèrent intervenir plutôt que gérer une crise. La limite de son utilité ne réside pas dans sa précision : elle se trouve dans la qualité et la cohérence des données que les PME elles-mêmes sont prêtes à déclarer, et cela dépend d'incitations que le modèle seul ne peut pas modifier.
