L’intelligence artificielle, un outil prédictif au service des entreprises en difficulté
p. 147-166
Texte intégral
1Malgré l’effort constant du législateur des procédures collectives à remettre sans cesse son ouvrage sur le métier, le constat reste accablant… Plus de 7 entreprises sur 10 se présentent à la barre du tribunal dans une situation trop obérée pour que puisse être explorée une autre issue qu’une liquidation judiciaire directe1. D’ailleurs, l’apparente accalmie annoncée par les chiffres de l’année 2020, lesquels marquent une baisse historique du nombre de procédures, n’est, de ce point de vue, pas significative. Outre une activité judiciaire réduite, elle s’explique par le gel des assignations en redressement et en liquidation judiciaires notamment intervenu sur le fondement de l’ordonnance n° 2020-341 du 27 mars 2020.
2Ainsi, malgré le rêve renouvelé d’un droit venant au secours de l’économie2, ce rêve qui hante le législateur et le conduit à perfectionner la « boîte à outils » mise à la disposition des chefs d’entreprise afin de prévenir, sinon de traiter leurs difficultés, ses efforts ne sont pas récompensés. Or, lorsque l’on sonde les motifs de ce désaveu, un constat s’impose : si la palette des dispositifs n’est pas correctement exploitée, c’est le plus souvent faute de ne l’être que trop tardivement3.
3Comme l’a récemment déploré le rapport Richelme4, les petites entreprises, les commerçants, les artisans, les indépendants, les agriculteurs, les associations, n’ont généralement pas recours aux procédures amiables qui pourraient les protéger lorsque leur situation se dégrade. Différentes raisons sont avancées. Certaines d’entre elles sont bien connues : qu’il s’agisse notamment de la méconnaissance des dispositifs en cause, faute pour eux d’être aiguillés par les mêmes conseils que ceux dont bénéficient les structures de taille plus conséquente (experts comptables, commissaires aux comptes, avocats, conseils, juristes d’entreprises), ou du florilège des dispositifs existants, ce qui entrave la compréhension de leur finalité. Il en est également ainsi en raison du refus ou de l’incapacité des entrepreneurs à se rendre compte de leur situation et à se convaincre de meilleurs lendemains. Ne négligeons pas non plus la persistance de la crainte de l’échec et du caractère infamant des procédures dans l’esprit des débiteurs. Car, malgré le changement des mentalités qui a accompagné le passage « du droit de la faillite au droit des entreprises en difficulté »5, malgré les efforts accomplis afin de développer la culture du « rebond »6, la peur de l’échec continue de paralyser certaines des initiatives consistant à aller solliciter plus précocement l’assistance, sinon « le parapluie de la justice ».
4Or, pour s’engager dans la prévention, la place réservée à l’humain reste déterminante. Preuve en est, depuis que la prévention a percé en cette matière à la faveur de la loi n° 84-148 du 1e mars 1984, pour en devenir l’une des caractéristiques essentielles, le chef d’entreprise en conserve l’initiative. Sous la seule réserve du règlement amiable agricole qui obéit à une autre logique7, qu’il s’agisse du mandat ad hoc, de la procédure de conciliation, sinon des procédures de sauvegarde, comme de ses variantes accélérée ou financière accélérée désormais fusionnées8, chacune de ces mesures ou procédures préventives ressort de la stricte initiative du débiteur. Partant, elles en dépendent, quitte parfois à en souffrir… Il en est notamment ainsi en cas de carence de ce dernier vis-à-vis de difficultés qu’il nie, tait ou ignore… Mais, lorsqu’il les dissimule, il est néanmoins à espérer que la sanction de l’interdiction de gérer l’aidera à retrouver la raison9. Toute autre est en revanche l’hypothèse dans laquelle, de bonne foi, ce dernier méconnaît l’ampleur, l’intensité, comme la gravité de la situation que son entreprise traverse.
5C’est ainsi qu’afin de placer les dirigeants face à leurs responsabilités et les inciter à l’adoption précoce de toute mesure utile avant que la situation ne se dégrade, le rapport de la commission Sudreau10 invitait dès février 1975 à la mise en place de différents « clignotants »11. En marge de la prévention visant à « traiter » les difficultés, le souci de les « détecter » allait ainsi également été exploré dans la loi n° 84-148 du 1er mars 1984. À l’époque, il n’était d’ailleurs point question de divination. La prévention se nourrissait déjà de l’information, dont, principalement, les données comptables12 en confiant à certains acteurs une procédure dite « d’alerte ». D’abord aux commissaires aux comptes, à l’actionnaire ou à l’associé ainsi qu’aux institutions représentatives du personnel, aux groupements de prévention agréés, avant de finir par consacrer la pratique de certains tribunaux de commerce consistant à confier à leurs présidents un rôle singulier13. Il ne s’agissait cependant, là encore, que de mesures incitatives à l’égard des dirigeants ; « toutes les oblige(a)nt à ouvrir les yeux, mais non à tenter d’écarter la menace »14.
6C’est dire si cette « culture de la prévention »15 des défaillances des entreprises est ancienne. Et elle ne s’est jamais démentie depuis. Cette préoccupation a en effet été ravivée par l’article 3 de la directive (UE) 2019/1023 du 20 juin 2019 du Parlement européen et du Conseil dite « Restructuration et insolvabilité »16 qui précise en son alinéa 1er que « les États membres veillent à ce que les débiteurs aient accès à un ou plusieurs outils d’alerte précoce clairs et transparents permettant de détecter les circonstances qui pourraient donner lieu à une probabilité d’insolvabilité et permettant de leur signaler la nécessité d’agir sans tarder ». Or, pour y satisfaire, l’utilisation de nouvelles méthodes reste à explorer.
7Si la démarche consistant à dépister des entreprises en difficulté à l’aide de « clignotants » n’est pas nouvelle, en revanche, le recours à la machine pour y parvenir l’est ! Dernière mouture de ce lent travail de gestation qui occupe le législateur depuis 1975, l’État a en effet développé une action locale portant sur outil prédictif baptisé « Signaux Faibles » avant de la fusionner avec d’autres initiatives afin de parvenir à une meilleure collecte de ces indicateurs et « de sortir du fonctionnement en silos 17 ». Ce dispositif est destiné à explorer les potentialités offertes par le déploiement de l’intelligence artificielle au service de la pérennité des entreprises. Par lui, l’ère numérique est ainsi récemment entrée dans le domaine du droit des entreprises en difficulté afin de permettre une détection encore plus précoce des défaillances des entreprises18, là où les mécanismes d’alerte peinaient parfois à embrasser les préoccupations des petites et moyennes entreprises19, et là où les expérimentations passées n’avaient pas pleinement donné satisfaction20.
8Tel est l’enjeu de cette étude que de faire le point sur la domestication de cette technique innovante au service de la détection des défaillances d’entreprises, sinon de la perception de leurs menaces par la prédiction de leurs risques.
9Car il ne faut pas croire que ce concept de « signaux faibles » soit sorti ex nihilo de l’esprit fécond de l’Administration. Dans le même temps où, en France, émergeait celui de « clignotants » éclairés par le rapport Sudreau, Ansoff introduisait la notion de « signal faible » en le définissant comme une « information fragmentaire, rapidement obsolète et largement anticipative, qui permettrait à l’entreprise qui les identifie de prédire les futures grandes transformations de son environnement économique »21. Cette méthodologie empruntée à la littérature sur la stratégie et le management des entreprises, exploitée dans de nombreux secteurs (dont celui de la veille concurrentielle, mais encore, de façon plus lointaine, en matière de renseignement terroriste ou sur la criminalité), partage donc de nombreuses aspirations avec la discipline puisqu’il s’agit d’offrir aux décideurs la possibilité d’anticiper les conséquences d’événements peu prévisibles qui, en l’occurrence, menacent la continuité de l’exploitation des entreprises. En ce sens, « la prévention des défaillances et leur prévision sont intimement liées »22.
10Rien d’étonnant dès lors à ce que le droit des entreprises en difficulté recourt volontiers aux dispositifs numériques, notamment en raison du traitement des grands jeux de données (« big data ») auxquels ils permettent d’accéder.
11Mais, il ne faut pas se méprendre. De l’aveu même de ses concepteurs, cette écoute anticipative, cette veille qu’autorise ce modèle d’intelligence artificielle, n’ôte en rien à l’intelligence humaine. Simplement, la machine soulage d’abord le veilleur par la technologie en cartographiant la santé des entreprises sous leurs divers aspects financier, économique, juridique et social. En ce sens, elle est d’abord un outil de prédiction (I). Puis, sans s’y substituer, la machine vise ensuite à servir de guide en aidant le chef d’entreprise à participer à l’élaboration de choix prospectifs en vue d’établir une stratégie. Il reste cependant à être prudent, afin que ce modèle n’évolue pas en un outil de prescription (II).
I. Les mérites de la prédiction
12Avant d’en aborder l’étude, il convient de rappeler d’abord le contexte dans lequel s’inscrit ce nouvel outil placé au chevet des chefs d’entreprises, de dresser les étapes de son évolution. Ce projet pilote, dénommé « Signaux faibles », est né en Bourgogne-Franche-Comté à l’initiative de la Direccte23 et des Urssaf24. Après que les premiers résultats algorithmiques aient donné satisfaction en permettant notamment d’identifier une soixantaine d’entreprises qui étaient passées sous les radars des dispositifs de détection existants, ce projet a essaimé. Grâce à l’appui soutenu de la Direction interministérielle du numérique et des systèmes d’information et de communication de l’État (DINSIC) et la fourniture de données par la Banque de France (BDF), il a été l’objet d’un partenariat signé en avril 2019, ce qui a conduit au déploiement progressif de cette expérimentation sur tout le territoire national, région après région, avant d’être perturbé par la crise sanitaire intervenue en mars 2020. L’outil s’est alors perfectionné et a été adapté pour tenir compte des nouveaux paramètres introduits en raison du bouleversement des fondamentaux économiques qui ont pu être observés à cette occasion. C’est dire si, depuis les prémisses de cette initiative locale, « le dispositif ne cesse de s’enrichir, de se transformer par des itérations successives jusqu’à devenir un service numérique national toujours fort de son agilité initiale »25. Rien d’étonnant dès lors à ce qu’il ait été mis en lumière dans le cadre du plan d’action de sortie de crise présenté le 1er juin 2021 pour soutenir la reprise d’activité des entreprises dans une période de désengagement progressif des dispositifs ayant été accordés dans l’urgence de la crise sanitaire afin de soutenir les entreprises (fonds de solidarité, prêts garantis par l’État, recours massif au chômage partiel…)26. Pour ce faire, les services de l’État ont décidé de mettre en commun leurs compétences en fusionnant ce modèle avec celui que la Direction générale des finances publiques avait bâti en 2019.
13Par cet outil, il s’agit d’abord de détecter de manière anticipée les premiers signes de fragilité d’une entreprise en identifiant des signes avant-coureurs des défaillances précédentes ayant conduit au redressement ou à la liquidation judiciaires, pour lui proposer ensuite un accompagnement sur mesure de nature à maintenir son activité dans le temps de manière plus pérenne. Cette prédiction repose ainsi d’abord sur un travail de collecte de données (A) avant leur analyse puisque, comme chacun le sait, en matière de prophétie, l’interprète joue un rôle décisif (B).
A. Le temps des moissons
14« La valeur n’est pas là où l’on croit : elle provient des données (…) bien plus que de l’algorithme »27. Car, pour nourrir l’algorithme, le faire fonctionner, comme le faire progresser, le premier travail à accomplir consiste en une collecte, c’est-à-dire en un recensement le plus complet possible des bases et jeux de données relatifs aux entreprises, qu’elles soient de nature juridique, économique, financière et sociale.
15Or, faute de pouvoir accéder à l’information « interne » à l’entreprise28, dont les évènements devant susciter l’attention peuvent s’étendre dans une liste à la Prévert29, c’est sur l’information en provenance de l’extérieur que cet outil se propose d’œuvrer, à l’appui des données glanées auprès des différents services et organismes publics, dont au principal, les greffes des tribunaux. Car, bien qu’il soit le mieux placé pour avoir une « connaissance personnelle et directe des difficultés de son entreprise »30, le chef d’entreprise ne l’est pas forcément pour en dresser le constat.
16Là est donc le premier enjeu de ce nouvel outil que d’être alimenté par une masse de données fiables, directes, objectives et récentes.
17Principalement, seront exploités les paramètres financiers qui sont déposés, ou à tout le moins qui doivent l’être, auprès des greffes des tribunaux de commerce, même s’il peut être déploré que les greffes des tribunaux judiciaires ne collectent pas les mêmes informations relatives aux justiciables qui leur sont rattachés et ne sont pas organisés pour exploiter celles-ci31. À ce titre, pourra être rapportée toute une batterie d’événements tels que : le report renouvelé d’échéances, le non paiement des cotisations fiscales, dont des arriérés dans les paiements de TVA, l’omission des publications légales ou l’irrespect des délais, la notification d’un incident de paiement, l’inscription au tableau des protêts, une inscription de privilège, la citation en paiement devant le tribunal de commerce ou le tribunal judiciaire, un jugement de condamnation, des difficultés pour recourir au crédit telles que matérialisées par la saisine du médiateur du crédit… autant d’éléments qui pourront s’avérer précieux. À ces critères classiques, pourront, le cas échéant, désormais s’ajouter l’ensemble des aides sollicitées, voire octroyées aux entreprises ayant été affectées par la pandémie actuelle et les restrictions sanitaires : qu’il s’agisse d’avoir eu accès aux fonds de solidarité, prêt garanti par l’État, report des échéances fiscales et sociales, activité partielle, mais également aux avances remboursables, aux prêts à taux bonifiés… Ce d’autant que des données existent quant à leur attribution32.
18Mais, si l’information financière constitue un très bon signal, les clignotants sociaux ne doivent pas être négligés. Au contraire, il est acquis que les données sociales peuvent être plus intéressantes et significatives que les précédentes33. Aussi, devront être sondées les informations en provenance des URSAFF, tels que des changements significatifs survenus dans les effectifs, des requêtes de chômage partiel ou encore d’éventuels impayés de cotisations sociales. On pense également à l’évolution du nombre d’intérimaires, sinon au niveau d’éducation du personnel.
19Plus récemment, de nouvelles données y ont été intégrées, depuis que la DGFIP a rejoint le dispositif « Signaux faibles » et que les deux outils de prédiction des fragilités des entreprises ont été fusionnés au 15 octobre dernier en vue d’une meilleure coordination des services de l’État. Il faut savoir en effet que la DGFIP a une connaissance intime des entreprises au gré des différents canaux d’informations dont elle dispose. Ceci l’avait d’ailleurs conduite, elle-même, à mettre en place un modèle prédictif qui alimentait les CODEFI depuis 2019. Ainsi, la base de données de la liasse fiscale, le ratio financier, les déclarations de TVA, les déclarations sociales nominatives (DSV), les données des douanes ou encore le chiffre d’affaires de l’entreprise pourront dorénavant être versés au dispositif « Signaux faibles ». Désormais, cet ensemble de données sera hébergé dans le « lac de données » de la DGFIP afin d’y développer un modèle prédictif commun, plus perfectionné que l’ancien dispositif, ce dernier « ayant montré ses limites du fait de la crise »34.
20Assurément ces indicateurs sont complémentaires. Tandis que les paramètres sur l’emploi donnent un signe rapide de l’évolution de l’activité et des projections de bons de commande, celles sur les cotisations sociales et autres impayés, notamment de TVA, alertent sur des tensions de trésorerie. Quant aux données financières (chiffre d’affaires, fonds propres, ratios financiers, endettement…), elles renseignent sur les tendances de moyen et long termes de l’entreprise35. C’est dire si les points d’attention sont multiples et variés. Il est d’ailleurs à noter que face à la diversité des éléments et événements pouvant être compilés pour avoir une exacte connaissance de la santé d’une entreprise, et alors que l’informatique balbutiait encore, il était déjà évoqué qu’un jour cette « liste méritera d’être tenue grâce à un ordinateur ! »36. Nous y sommes. Ou presque ! Car, pour l’instant, le dispositif expérimental demande encore à être amélioré, et son périmètre étendu. Mais il semble certain que les nouveaux paramètres en cours d’élaboration, notamment afin de prendre en compte les dispositifs de soutiens déployés par l’État pendant la crise sanitaire et au-delà, permettront de perfectionner le profilage des fragilités. Assurément, il est désormais acquis que les difficultés d’une entreprise ne se réduisent pas toujours à des variables comptables et financières. Dans cette quête de données, lesquelles seront plus tard les garanties de bon discernement, d’autres pistes méritent encore d’être explorées, telle que la notation d’entreprise par exemple37, afin de renforcer la robustesse des indicateurs.
21Malgré les mérites attachés à l’amélioration de l’information économique des entreprises, sa teneur, sa fiabilité, – puisque l’on sait les nombreuses évolutions accomplies en ce sens par le législateur depuis 1984 – il n’en demeure pas moins que leur collecte ne porte pas en soit grand intérêt. Les signaux faibles, en tant que tels, n’enseignent rien. Ils n’ont de sens que lorsqu’ils sont inscrits dans un processus d’interprétation, ce qui suppose leur sélection et une analyse poussée.
B. Le temps du dépouillement
22Après la collecte des données, le second temps de la démarche consiste à les analyser en vue de les exploiter. Grâce à elles, la santé de l’entreprise va alors pouvoir être confrontée à un modèle de prédiction des défaillances d’entreprises qui a pu être dressé en s’appuyant sur un « apprentissage supervisé ».
23Ces données, qualifiées d’« entrées » ou « inputs », ont en effet été compilées avant d’être traitées en un temps record par le biais d’algorithmes, c’est-à-dire une suite de formules mathématiques et de traitements statistiques.
24La valeur du dispositif se poursuit donc dans l’algorithme employé pour les valoriser.
25Ces algorithmes ont été construits au sein de la communauté beta.gouv.fr qui est une startup d’État interministérielle. Elle est désormais pilotée par le Ministère de l’économie, des finances et de la relance (Direction générale des entreprises - DGE) en partenariat avec le Ministère du Travail, de l’Emploi et de l’Insertion (DGEFP), la Banque de France, l’Agence centrale des organismes de sécurité sociale (ACOSS), la Direction interministérielle du numérique (DINUM) et, depuis le 15 octobre 2021, la Direction générale des Finances Publiques (DGFIP).
26Les algorithmes en cause sont basés sur des mécanismes d’apprentissages automatiques, via un algorithme dit « de machine learning » ou « solution auto-apprenante » qui imite le traitement de l’information par le système neurologique humain38. En ce sens, il fonctionne par analogie, en procédant à des rapprochements successifs, en dégageant des corrélations, en faisant émerger des normes à partir des régularités et des coïncidences qu’ils identifient.
27Seront ainsi sondés, en fonction de chaque secteur d’activité, les éléments constatés de manière récurrente et qui, ce faisant, deviennent des indicateurs caractéristiques de l’entrée d’une entreprise en procédure collective. Ces résultats précis sont obtenus grâce au data mining qui, par des outils d’exploration, de fouille et d’analyse, parvient à identifier des facteurs significatifs.
28Une sorte de « portrait-robot type » d’entreprise en difficulté a ainsi pu être créé grâce à la collecte de ces données, leur échantillonnage puis à leur croisement. Comme le révèlent les porteurs de ce projet « À partir de l’analyse statistique des données passées et des trajectoires d’entreprises ayant fait défaut, “Signaux Faibles” signale un risque d’entrée en procédure collective. L’outil permet de repérer rapidement des tendances et des fragilités, en tâchant de mettre en valeur les signes avant-coureurs de difficultés des entreprises »39. « L’algorithme est capable de mettre en lumière des liens que l’humain ne fait pas, pour mieux repérer une situation à risque »40. Partant, par la modélisation de données opérée grâce à cet algorithme, ce risque pourra être évalué, les entreprises susceptibles de connaître un même sort repérées, et une réaction entamée.
29Or, au fur et à mesure de son utilisation, ce modèle algorithmique dit de machine learning, c’est-à-dire d’« apprentissage statistique supervisé »41 s’améliore, se perfectionne, s’affine par lui-même, sans qu’il soit besoin de recourir à une intervention humaine42. Puisque les données communiquées au modèle ont été « étiquetées », c’est-à-dire que les indicateurs ayant nourri l’algorithme ont été clairement identifiés comme des facteurs de fragilité ou non, ce dernier peut se nourrir de nouvelles entrées afin de se perfectionner ce qui permettra, à terme, de cibler davantage encore l’action de l’État sur les entreprises qui en ont besoin en les affectant dans l’un des deux groupes prédéterminés : sur une liste rouge, les entreprises à risque ; sur une liste jaune, celles n’ayant pas été identifiées comme telles.
30À l’issue de son entraînement, il est ainsi à espérer que le modèle se comportera correctement face à de nouvelles situations, en faisant de bonnes prédictions après avoir développé sa capacité de généralisation grâce aux exemples les plus instructifs, par recoupements, par rapprochements successifs, par corrélations, mais aussi par discrimination. Il faut cependant garder à l’esprit que l’algorithme n’est pas un outil de science exacte. Mais le veilleur, l’était-il davantage face à une profusion de données difficiles à compiler et délicates à exploiter ?
31L’enjeu, qui avait été clairement affiché dès 2019 par Bruno Le Maire, ministre de l’Économie et des Finances, dans le cadre du plan d’action pour la croissance et la transformation des entreprises était de pouvoir fournir une prédiction statistique de défaillance à 18 mois pour les entreprises qui disposent d’établissements avec plus de 10 salariés. Ce choix d’un horizon de prévisions à 18 mois est classique dans la mesure où il permet de parvenir à une prévision précise, tout en laissant suffisamment de temps pour prendre les décisions qui s’imposent. Quant au périmètre d’action, il peut être regretté que toutes les entités n’y soient pas conviées. La raison est pourtant ordinaire. Les données des entreprises plus petites ont été jugées trop erratiques pour se prêter à une analyse algorithmique, à tout le moins en l’état de sa programmation. Simplement, à l’origine, le dispositif était orienté vers les entreprises du secteur industriel, ainsi que celles qui gravitent autour de ce secteur, car ce sont celles qui sont davantage exposées au risque de délocalisation en cas de fermeture de site. D’où l’enjeu crucial de pouvoir agir en amont.
32Assurément, cette préoccupation, initiée hors le cadre de la crise sanitaire, s’est révélée d’autant plus vive lorsque les premières mesures de confinement ont été prononcées. Il n’en demeure par moins que, pendant cette période troublée, les mécanismes étatiques ont pris le relais de telle sorte que les méthodes statistiques récemment mises en place ont été perturbées par le jeu des différentes aides instaurées dès les premiers instants de la pandémie. De la même manière, le recours massif au chômage partiel a brouillé ces signaux ainsi que le modèle identifié. Ce dispositif retrouve en revanche toute sa vigueur en cette nouvelle période qui s’offre aux entreprises, autrement dénommée période de « sortie de crise », quoique le contexte reste encore incertain. En les repérant rapidement, il est d’évidence qu’il permettra d’éviter, sinon de limiter, le fait que les entreprises ayant été placées sous perfusion depuis plus d’un an soient brutalement acculées à la ruine, aussitôt la thérapeutique désengagée43.
33Il s’agit donc par ce nouvel outil placé au chevet des chefs d’entreprise de brasser un large panel de données, en les passant au peigne fin, pour déceler au plus tôt un « signal faible ». Ce dernier, une fois capté, sera amplifié afin d’anticiper les défis à venir. Pour autant, d’autres risques sont à prévenir. Un tel instrument ne doit pas être dévoyé.
II. Les dangers de la prescription
34Certes, le recours de plus en plus massif aux algorithmes pose question44, même si en ce domaine, ils sont perçus avec une grande mansuétude. Appliquée à la détection des difficultés des entreprises, cette méthode n’a pas en effet à être considérée avec hostilité dès lors qu’elle a pour principale vertu d’inciter le chef d’entreprise à se saisir d’une réalité qu’il méconnaît ou qu’il méprise afin de provoquer les solutions qui s’imposent en réduisant le risque que la situation ne s’enlise ou ne s’envenime.
35Le chef de l’entreprise qui était jusqu’à alors esseulé, démuni, sans connaissance des options qui s’offraient à lui, sera alors informé, avisé, éclairé sur la fragilité de son entreprise ainsi que sur la thérapeutique à administrer (A). Mais encore faut-il que cet instrument reste étroitement cantonné dans sa fonction. Car il nous appartient encore de déterminer comment l’intelligence artificielle va s’épanouir en ce domaine et de choisir les finalités qui lui sont assignées (B).
A. Un outil d’orientation
36La mécanique est simple. Une fois les données brassées, les comparaisons et les analogies accomplies, l’algorithme fait apparaître en deux listes distinctes telles que précédemment évoquées : en rouge, les entreprises à risque, et, en jaune, celles qui ne sont pas considérées comme telles.
37Une fois la prédiction établie par la machine, la liste des entreprises détectées sera alors livrée mensuellement aux différentes administrations partenaires, et accompagnée, le cas échéant, de « la cotation du niveau de risque »45. Ceci conduira à l’activation de leviers d’accompagnement propres, dans le respect d’une confidentialité stricte, mais également en toute confiance, afin d’amener les chefs d’entreprise à prendre conscience des difficultés rencontrées, sinon du risque de sinistralité. Il s’agit donc là d’initier une discussion entre les chefs d’entreprises et les institutions concernées, afin de les orienter au mieux.
38À ce titre, en plus de l’entourage classique des entreprise – auprès desquels gravitent notamment les experts-comptables, les commissaires aux comptes, les administrateurs et les mandataires judiciaires, qui ont été par ailleurs sollicités pour accomplir des diagnostics « flash » de sortie de crise simples et rapides d’ici la fin de l’année 2021, sans oublier l’accompagnement des greffes des tribunaux de commerce, sans compter également la mobilisation des chambres de commerce et d’industrie et des métiers et de l’artisanat, de Bpifrance, Business France, ainsi que des partenaires régionaux (conseils régionaux, médiations des entreprises et du crédit) – et en complément au dispositif d’alerte développé par la DGFIP pour le Comité départemental d’examen des problèmes de financement des entreprises (CODEFI) en renforçant son expertise, ce seront désormais les comités départementaux et conseillers départementaux à la sortie de crise qui seront les interlocuteurs privilégiés des entreprises pour les guider vers les dispositifs les plus adaptés, de même que les cellules régionales de veille et d’alerte précoce (CVAP) animées par les commissaires aux restructurations et à la prévention des difficultés des entreprises (CRP)46, voire encore les chargés de mission des Directions régionales de l’économie, de l’emploi, du travail et des solidarités (DREETS, anciennement Direccte), mais aussi les correspondants entreprises de la Banque de France, ainsi que ceux des services des URSSAF.
39Une vraie synergie se dessine : combinant l’action des agents publics, y compris les préfets, à celle des acteurs privés. « Se profile ainsi une armée en ordre de marche »47.
40Plus concrètement, ces acteurs se répartiront les prises de contact avec les entreprises (par contact téléphonique ou par mail) afin de leur proposer un accompagnement individualisé qu’il s’agisse d’identifier les mesures les plus adaptées à leur situation, en amont de toute procédure collective, comme de les orienter vers l’interlocuteur le plus approprié à leurs besoins. À cette occasion, pourront être mobilisées des solutions de trésorerie, pourront être recherchés des investisseurs ou des repreneurs, voire pourront être entamées des négociations auprès des créanciers privés comme publics.
41Mais, en toute hypothèse, le risque, pour le chef d’entreprise de perdre son libre arbitre est absent. Il restera maître du déclenchement des mesures qui s’imposent. D’ailleurs, le modèle de prédiction pourra alors être enrichi par d’autres informations dont lui seul dispose.
42Il n’est donc pas ici à craindre un périmètre d’investigation trop étendu, à l’image des doutes qui avaient pu, à l’époque, être exprimés devant la commission Sudreau48 et qui ont conduit à refuser de considérer pour « clignotants » certains faits, tels les ratios, c’est-à-dire les rapports entre deux postes de bilan, en raison de leur caractère variable en fonction du secteur d’activité et de la période concernée, par crainte d’une intervention sans borne des titulaires de l’alerte. En ce cadre, tout signal, tout signe, toute information portant indication sur l’importance de l’endettement et corrélativement sur la capacité de remboursement d’une entreprise pourra être compilé afin d’être valorisé. Aucune ingérence n’est à craindre. Même s’il restera à éviter que le dispositif n’effraye les entreprises concernées, inquiètes d’être ainsi cataloguées au rang d’entreprises funestes.
43De l’aveu même des concepteurs du projet et de l’algorithme, ce modèle d’intelligence artificielle, auquel peut être préféré celui de modèle statistique augmenté, n’ôte en rien à l’intelligence humaine. La machine est ici placée en humble servante de choix managériaux. Car, prévenir les difficultés, c’est avant tout amener les dirigeants à prendre conscience de la situation actuelle et de l’évolution de leur entreprise.
44Il ne s’agit donc pas de remplacer la décision humaine par une décision informatique, mais, dans une moindre mesure, de mettre les préconisations, les orientations issues du modèle informatique au service de la décision humaine.
B. Un outil de soutien
45Malgré sa pertinence et son évidente légitimité en ce domaine, l’outil algorithmique interpelle cependant en raison des données des entreprises qu’il collecte, fouille et analyse. Certes, il procède de la banalisation des pratiques statistiques et des corrélations de données. Mais, quoique placé entre des mains bienveillantes, la Commission Nationale de l’Informatique et des Libertés reste particulièrement alerte, notamment face au risque de réidentification que suggère le croisement des données.
46Déjà, le dispositif n’a été validé par la CNIL qu’une fois assurée que les données collectées demeurent confidentielles au sein des administrations concernées49. Il est ainsi rappelé que « cette démarche, initiée dans l’intérêt des entreprises afin de leur donner les moyens d’agir le plus tôt possible face à de possibles fragilités, est conduite dans le respect le plus strict du secret des affaires et du secret fiscal»50. Et d’ajouter que « le partage de la nouvelle liste des entreprises détectées et de leur score ne restera possible qu’aux seuls membres du CODEFI restreint »51.
47Mais qu’en est-il du consentement des entreprises à leur collecte ? Ne devraient-elles pas en être informées52 ? La question n’est pas encore résolue, ce d’autant que le traitement des données à caractère personnel qui concernent les personnes morales est écarté du champ d’application du Règlement RGPD et, partant, de sa protection53. Il semble en effet tout à fait légitime qu’une entreprise puisse contester l’utilisation de ses données dans le cas où elle ne serait pas informée de leur collecte. Il n’est dès lors guère surprenant que la DGFIP ait pris soin, dans son dernier communiqué, d’indiquer que les données ne seront utilisées « à aucune autre fin que celle de soutien interministériel des entreprises »54. Assurément, la transparence quant à l’utilisation des données est requise. D’ailleurs, à l’image des personnes physiques, à l’endroit desquelles la commission a rappelé dans une décision du 30 août 201755 que, conformément à l’article 10 de la loi du 6 janvier 1978, « Aucune autre décision produisant des effets juridiques à l’égard d’une personne ne peut être prise sur le seul fondement d’un traitement automatisé de données destiné à définir le profil de l’intéressé ou à évaluer certains aspects de sa personnalité », l’utilisation de cet outil mérite d’être encadrée. L’État doit garantir aux entreprises la finalité de cette collecte et ainsi éviter une réutilisation non souhaitée ou non acceptée, sauf à offrir aux entreprises un droit de recours.
48Par exemple, si le modèle algorithmique devait évoluer de la détection des entreprises qui connaissent de simples difficultés passagères, afin de les aider à les surmonter, vers la détection des entreprises « zombies », c’est-à-dire de celles qui, en raison d’un effet pervers, ont profité des dispositifs déployés pendant la crise sanitaire alors que leur activité était moribonde et qu’il conviendrait, à l’inverse, d’accompagner vers une sortie du marché, aucune décision ne sera prise sur le seul fondement de cet outil. Pourtant, à l’appui des données recensées, une telle automatisation reste envisageable. Elle n’est cependant pas souhaitable.
49Soyons rassurés. À tout le moins pour l’instant… Car, si la finalité est partagée, puisqu’il s’agit d’accroître l’efficacité des procédures collectives et, ce faisant, de contribuer à une meilleure allocation des ressources dans l’économie, la programmation de l’algorithme ne permet pas d’être à l’origine d’une procédure collective, pas plus qu’elle ne l’est d’ailleurs d’une éventuelle mesure ou procédure amiable.
50À la faveur de poussées anthropomorphiques, acceptons une nouvelle fois que l’entreprise puisse connaître des mêmes approches que tout être humain et emprunter au registre médical lorsque sa santé vacille. On compare alors intuitivement l’entreprise au patient et ses difficultés aux symptômes d’une pathologie ou d’un dysfonctionnement.
51Pour lui administrer la thérapeutique qui s’impose, à l’instar de la démarche observée par tout médecin placé au chevet de son patient lors de la préparation d’un protocole de guérison, il doit être procédé à l’examen scrupuleux des causes de sa pâmoison, en les détachant de leurs conséquences. Dans cette tâche, la machine devient une nouvelle sentinelle apte à explorer, dès l’amont, l’ensemble des événements et indices révélés par les données compilées et confrontées aux modèles de fragilité existants, avant de s’en remettre aux agents de l’État pour alerter, prévenir, éveiller les chefs d’entreprise et, le cas échéant, mais toujours avec leur appui, entamer un protocole de guérison.
52La machine, l’outil, l’algorithme ne se placent donc qu’en humbles servants de choix managériaux qui restent empreints de liberté. Gageons que cet outil de prédiction participe de l’éveil des consciences à l’heure ou les chefs d’entreprises sont trop souvent accusés d’imprévoyance ou d’impéritie !
53Assurément, il permet de restaurer la prévention dans sa temporalité, là où le code de commerce l’assimile encore trop tardivement au temps des difficultés56. Partant, en déplaçant son curseur, ce nouvel outil invite à repenser le seuil de déclenchement de l’intervention du droit57.
54Il convient cependant de rester prudents afin que l’oracle ne dissimule pas l’embaumeur… Si, en cette matière, les opportunités offertes par les algorithmes semblent vertueuses, il ne faut pourtant pas tout leur abandonner. Il convient ainsi de prendre garde à ce que ce modèle prédictif ne se transforme pas en modèle prescriptif en automatisant l’ouverture des procédures de prévention comme de traitement des difficultés.
Notes de bas de page
1 Rapport de la mission « Justice économique », G. Richelme (sous la dir.), févr. 2021, spéc. p. 15.
2 M.-A. Frison Roche, « La compliance », in Le Droit économique du XXIème siècle, dans la collection Droit & Economie, sous la dir. J.-B. Racine, LGDJ-Lextenso, 2020.
3 H. Poujade, « L’essor de la prévention », in Le droit des entreprises en difficulté après 30 ans : droit dérogatoire, précurseur ou révélateur ? Presses Université Toulouse 1 Capitole / LGDJ. Série “Colloques de l’IFR : 30” p. 271-286.
4 Rapport de la mission « Justice économique », G. Richelme, op. cit., p. 13.
5 J. Paillusseau, « Du droit des faillites au droit des entreprises en difficulté (ou quelques réflexions sur la renaissance (?)... d’un droit en dérive) », in Études offertes à R. Houin, D. Sirey, 1985, p. 109.
6 L’ordonnance n° 2014-326 du 12 mars 2014 (C. com., art. L. 645-1) en ayant introduit la procédure de « rétablissement professionnel » avait anticipé l’objectif affiché par la Directive européenne (UE) n° 2019/1023 du 20 juin 2019 « Restructuration et insolvabilité » consistant à faciliter le rebond des entrepreneurs honnêtes en permettant aux débiteurs personnes physiques insolvables d’avoir accès à au moins une procédure de remise de dettes totale (article 20) dans un délai de trois ans maximum. Cette procédure n’a eu de cesse d’être retouchée pour en faciliter le recours, tout d’abord par la loi Pacte du 22 mai 2019, puis par l’ordonnance 2020-596 du 20 mai 2020 qui avait rehaussé à titre temporaire le seuil d’actif de 5 000 à 15 000 euros, avant d’être pérennisé par le décret n° 2021-1218 du 23 septembre 2021 pris en application de l’ordonnance 2021-1193 du 15 septembre 2021.
7 Ceci tient au fait que l’assignation par un créancier en ouverture d’un redressement ou d’une liquidation judiciaire d’un agriculteur doit être précédée par la demande d’ouverture d’un règlement amiable (C. rur., art. L. 351-1).
8 Ord. n° 2021-1193 du 15septembre 2021.
9 C. com., art. L. 653-8, al. 3.
10 Le Comité d’études pour la réforme de l’entreprise présidé par M. Sudreau (V. Rapport, La documentation française, Paris, 1975, p. 138, 139).
11 R. Brunois, « Les entreprises en difficulté : Les solutions préconisées par le Comité d’Études présidé par P. Sudreau et leur influence sur l’évolution de la législation, in Aspects contemporains du droit des affaires et de l’entreprise, Études à la mémoire du doyen P. Azard, Éd. Cujas, 1980, p. 47.
12 Sur la prévention par l’information comptable, voir : P.-M. Le Corre, Droit et pratique des procédures collectives, D. Action, spéc. n° 121.00 et s. Sur le développement d’une « information économique », voir : C. Saint-Alary-Houin, M.-H. Monsèrié-Bon et C. Houin-Bressand, Droit des entreprises en difficulté, 12ème éd. 2020, LGDJ, spéc. n° 131.
13 C. com, art. L. 611-2, II. Comp. : CE, 6e et 1re ch., 22 févr. 2017, n° 396364 : Gaz. Pal. 2017, n° 11, p. 41, obs. Ph. Graveleau (Cons. const. 1er juill. 2016, n° 2016-548 QPC).
14 F. Pérochon, Entreprises en difficulté, LGDJ, 10ème éd. 2014, spéc. 70.
15 C. Saint-Alary-Houin et M.-H. Monsèrié-Bon, Prévention des difficultés des entreprises, 2018, LGDJ, Lextenso, spéc. n° 1 ; C. Saint-Alary-Houin, op. cit., spéc. 177.
16 JOUE L171/18, 26/6/2019.
17 G. Richelme, « Procédures de prévention : alerte précoce ou ultime protection avant le redressement judiciaire ? », BJE mai 2021, n° 200b6, p. 1.
18 La presse s’en fait largement l’écho. Voir not. : « Comment un algorithme de Bercy va passer au peigne fin les données des entreprises en difficulté », Le Figaro, 3 juin 2021 ; « L’algorithme de Bercy pour détecter les entreprises en difficulté », Le Point, 21 mai 2021 ; « Comment Bercy veut détecter les entreprises à bout de souffle », L’Express, 1er juin 2021.
19 Selon l’INSEE, 95 % des entreprises françaises ont moins de 9 salariés (TPE). Elles représentent 26 % de la valeur ajoutée nationale et 22 % des salariés. Néanmoins, elles réalisent 40 % du chifffre d’affaires du secteur de l’hébergement et de la restauration et 30 % des secteurs de la construction et des services aux particuliers (comp. : Rapport Richelme, p. 16).
20 C. Refait, « La prévision de la faillite fondée sur l’analyse financière de l’entreprise : un état des lieux », La documentation française, Économie et Prévision 2004/1, p. 139, ainsi que l’ensemble des études référencées.
21 I. H. Ansoff, « Managing strategic surprise by response to weak signals », California management review, 1975, 18(2), 21-33. Par opposition au « signal fort » qui consiste en une information explicite, facilement accessible et dont le sens stratégique est facilement déductible.
22 E. Mouial Bassilana, Entreprise en difficulté : avant-propos, Rép. droit commercial, spéc. 59.
23 Direccte (direction régionale des entreprises, de la concurrence, de la consommation, du travail et de l’emploi) devenue DREETS (Directions régionales de l’économie, de l’emploi, du travail et des solidarités) depuis le 1er avril 2021.
24 Comme le révèlent E. Quezel, Directrice opérationnelle de Signaux faibles et Emmanuel Lemaux, Commissaire aux restructurations et à la prévention des difficultés des entreprises du Centre Val de Loire, in « La détection précoce des entreprises en difficulté », Revue française de comptabilité, avr. 2021, n° 552, ce programme « a été lancé en 2016 par la Présidence de la République afin d’accélérer la transformation numérique des administrations. L’objectif : permettre à des agents publics désireux d’innover et à des citoyens aux compétences numériques pointues de mener ensemble des projets autour du numérique et des données. Pour cela, le programme constitue chaque année une promotion d’experts et expertes du numérique : data scientists, designers, développeurs et développeuses. Ils intègrent diverses administrations, en l’occurrence la Direccte, pour y relever, en 10 mois, des défis d’intérêt général.
25 https://beta.gouv.fr/startups/signaux-faibles.html
26 Plan d’action sur l’accompagnement des entreprises en sortie de crise, signé le 1er juin 2021 – Circulaire interministérielle du 6 août 2021, NOR : ECOE2123415C ; BOFIP-GCP-21-0039 du 19/08/2021.
27 R. Hindi et L. Janin (sous le co-pilotage), Stratégie nationale en intelligence artificielle, « Anticiper les impacts économiques et sociaux de l’intelligence artificielle », France stratégie, Mars 2017, www.strategie.gouv.fr, spéc. p. 10.
28 Ph. Peyramaure, « Droit des entreprises en difficulté : le bilan économique et social dans la loi du 25 janvier 1985 », JCP E 1986, I, 15167, spéc. n° 11.
29 Pourront notamment être relevés : une vulnérabilité financière liée à une sous-capitalisation et à l’insuffisance sinon à une diminution des fonds propres, la diminution du fonds de roulement ce qui indique une mauvaise politique de financements et risque d’entraîner une situation conflictuelle tant auprès des fournisseurs à l’encontre desquels des délais de paiement devront être négociés, auprès des clients auxquels le règlement des factures sera sollicité avec moins de souplesse, avec les établissements financiers auprès desquels les conditions de crédit seront durcies, dès lors qu’il sera plus délicat de renouveler à leur échéance les crédits nécessaires à l’exploitation ou d’obtenir des lignes de crédit supplémentaires. Plus largement, le comportement de paiement d’une entreprise, notamment lorsqu’elle rencontre des difficultés à respecter les délais conventionnels ou légaux de paiement, est un indice d’un risque de discontinuité. Mais il pourra en être également ainsi d’un dysfonctionnement dans la vie de l’entreprise, tel que révélés par la démission des dirigeants, la demande de sortie du capital de la part d’associés importants, l’abandon de la politique de distribution des dividendes au profit d’une mise en réserve systématique, l’irrespect des dates de convocations statutaires et de tenues des assemblées, du comité d’entreprise devenu comité social et économique (CSE), du conseil d’administration ou de surveillance, le refus de certification des comptes par le CAC ou le refus d’approbation des comptes par l’assemblée générale, la perte d’une large part du capital social, une rentabilité négative sur plusieurs années consécutives, une rotation des stocks très lente, des licenciements massifs des effectifs, des conflits sociaux graves et répétés, des difficultés à recruter, un contentieux avec un fournisseur, un employé, un concurrent, un cocontractant, la résolution d’un contrat de bail commercial, la fin d’un contrat de franchise, la perte d’une licence ou d’un brevet, la destruction de l’outil de production, un manquement d’initié…
30 Y. Chaput, Droit des entreprises en difficulté et faillite personnelle, PUF (coll. Droit Fondamental), 1996, p. 321, spéc. n° 372.
31 Rapport Richelme, op. cit., spéc. p. 16.
32 Doit à ce titre être signalé le tableau de bord interactif mis en place par la direction interministérielle du numérique (DINUM) pour le compte du ministère de l’Economie, des Finances et de la Relance afin de suivre l’attribution des aides apportées aux entreprises ayant été affectées par la pandémie actuelle et les restrictions sanitaires. Les graphiques sont publiés en open data sur https://www.data.gouv.fr/
33 V. not. l’expérience belge du « Projet Graydon », initié en 2013.
34 G. Teboul, « Le plan d’action du gouvernement sur la sortie de crise », D. actualité 21 juin 2021.
35 C. Refait, op. cit., p. 129 s. ainsi que les nombreuses références bibliographiques citées.
36 Y. Chaput, Droit de la prévention et du règlement amiable des difficultés des entreprises, PUF, 1986.
37 « La notation d’entreprise : un outil pertinent pour prédire les défaillances d’entreprises ? », Communiqué Infogreffe / Nota-PME, 25 mai 2021 : BJE mai 2021, n° 200c1, p. 6.
38 C. Refait, op. cit., p. 139.
39 « Prévenir pour mieux guérir. Un algorithme pour lutter contre la faillite », Présentation du dispositif « Signaux faibles », https://beta.gouv.fr/
40 « Comment un algorithme de Bercy va passer au peigne fin les données des entreprises en difficulté », Entretiens avec E. Quezel, Le Figaro, 3 juin 2021.
41 Harry Surden. « Machine Learning and Law », Washington Law Review, 2014, n° 1.
42 B. Barraud, « Les algorithmes au cœur du droit et de l’état postmoderne », International Journal of Digital and Data Law [2018 – Vol 4], p. 37.
43 Voir not. : Loi n° 2021-689 du 31 mai 2021 relative à la gestion de la sortie de crise sanitaire.
44 B. Barraud, « Les algorithmes au cœur du droit et de l’état postmoderne », International Journal of Digital and Data Law [2018 – Vol. 4], p. 38.
45 Loi n° 2019-486 du 22 mai 2019 relative à la croissance et à la transformation des entreprises, art. 70, I créant l’article L. 135 ZM du Livre des procédures fiscales au titre des dérogations à la règle du secret professionnel au profit de certaines administrations. Le texte est ainsi formulé : « Aux seules fins de la détection et de la prévention des difficultés des entreprises, et au vu de la cotation qu’elle établit pour l’exercice de sa mission de détection des difficultés des entreprises, l’administration fiscale peut communiquer au représentant de l’État dans le département, au commissaire aux restructurations et à la prévention des difficultés des entreprises et aux responsables territoriaux de la direction régionale des entreprises, de la concurrence, de la consommation, du travail et de l’emploi, des unions de recouvrement des cotisations de sécurité sociale et d’allocations familiales et de la Banque de France la liste des entreprises susceptibles de connaître des difficultés de financement ainsi que la cotation du niveau de risque ».
46 S. Schaer, « Signaux faibles » : un outil prédictif au profit des entreprises fragilisées, BJE juill. 2019, n° 117 a1, p. 13.
47 M.-H. Monsérié-Bon, « Entre crise et sortie de crise… », BJE juill. 2021, n° 200d7, p. 1.
48 Y. Chaput, Droit de la prévention et du règlement amiable des difficultés des entreprises, PUF, 1986, p. 15.
49 Communiqué de presse du Ministère de l’Action et des Comptes Publics du 30 janvier 2019, n° 582.
50 DGFIP, Circulaire interministérielle du 6 août 2021, NOR : ECOE2123415C, BOFIP-GCP-21-0039 du 19 août 2021, spéc. p. 4.
51 Ibid.
52 Comp. : La loi n° 2016-1321 du 7 octobre 2016 pour une République numérique a créé un principe de communication des règles définissant un traitement algorithmique lorsque celui-ci a permis à une administration de prendre une décision individuelle (Code des relations entre le public et l’administration, art. R. 311-3-1-2).
53 Règlement UE n° 2016/679 du 27 avril 2016 relatif à la protection des personnes physiques, à l’égard du traitement des données à caractère personnel et à la libre circulation de ces données (RGPD), Considérant 14.
54 DGFIP, Circulaire interministérielle du 6 août 2021, op. cit., loc. cit. Comp. : BJE mars 2019, n° 116v4, p. 7.
55 CNIL, Décision n° MED 2017-053 du 30 août 2017 mettant en demeure le ministère de l’Enseignement Supérieur, de la Recherche et de l’Innovation (plateforme APB).
56 H. Poujade, « L’essor de la prévention », op. cit., loc. cit.
57 En ce sens : E. Mouial Bassilana, op. cit., spéc. 59.
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Qu’en est-il du code du commerce 200 ans après ?
États des lieux et projections
Corinne Saint-Alary-Houin (dir.)
2008
Qu'en est-il de la simplification du droit ?
Frédérique Rueda et Jacqueline Pousson-Petit (dir.)
2010
La réorientation européenne de la TVA à la suite du renoncement au régime définitif
Francis Querol (dir.)
2014
Regards critiques sur quelques (r)évolutions récentes du droit
Tome 1 : Bilans et Tome 2 : Réformes-Révolutions
Maryvonne Hecquard-Théron et Jacques Krynen (dir.)
2005