Comparaison des approches classiques et des modèles d'intelligence artificielle dans la prévision de la défaillance des petites entreprises : Revue de littérature

Résumé

Les très petites entreprises, essentielles à l'économie mondiale, font face à des risques de défaillance importants en raison de leur vulnérabilité structurelle et de leurs ressources limitées. Dans un environnement économique de plus en plus complexe et incertain, les méthodes traditionnelles de gestion des risques montrent leurs limites, ce qui a conduit à l'exploration de solutions innovantes comme l'intelligence artificielle. Cet article examine comment des technologies avancées telles que les réseaux neuronaux et les forêts aléatoires peuvent aider les TPE à identifier de manière plus précise et proactive les signes avant-coureurs de défaillance. La méthodologie repose sur une revue approfondie de la littérature, avec une collecte de données issues de bases de données académiques. Après avoir filtré les sources pertinentes, une analyse détaillée des méthodologies et résultats a permis de comparer les modèles d'IA et les modèles classiques, en mettant en évidence les avantages et les limites de chaque approche. L’étude a révélé que l'IA offre de nouvelles opportunités pour anticiper les risques en analysant des données complexes que les méthodes traditionnelles ne sauraient exploiter. Cependant, des défis demeurent, notamment en matière de qualité des données, d'interprétabilité des modèles et d'accès aux technologies, limitant ainsi l’intégration pleine et entière de ces outils dans les processus décisionnels des TPE. Néanmoins, l’IA représente un levier potentiellement transformateur pour renforcer la résilience et la compétitivité des TPE face aux incertitudes économiques.