La prédiction des défaillances : vers une perspective de l’intelligence artificielle

Authors

  • Amina GUENNOUN Laboratoire Etudes et recherche en Management des organisations et des territoires (ERMOT) Faculté des sciences juridiques, économiques et sociales Université Sidi Mohamed Ben Abdellah FES, MAROC
  • Souad Habbani Laboratoire Etudes et recherche en Management des organisations et des territoires (ERMOT) Faculté des sciences juridiques, économiques et sociales Université Sidi Mohamed Ben Abdellah FES, MAROC

DOI:

https://doi.org/10.5281/zenodo.7458038

Keywords:

Prévention, défaillance, méthodes traditionnelles de prévention, méthodes fondées sur l’intelligence artificielle.

Abstract

La défaillance des entreprises est un risque qui peut surgir dans le cycle de vie de chaque entreprise, elle peut commencer par des difficultés imperceptibles et se transformer en épouvantables difficultés qui auront pour conséquence la mortalité de l’entreprise en absence de mesures préventives. De ce fait, il est nécessaire d’intervenir précocement et d’anticiper les éventuelles difficultés avant l’aggravation de la situation de l’entreprise. Plusieurs modèles statistiques ont été conçues pour prévenir la défaillance des entreprises. Néanmoins, malgré leurs efficacités, les modèles traditionnels de prévention des défaillances ont été critiqués par plusieurs chercheurs et d’autres méthodes ont apparue pour y faire face. Ces nouvelles méthodes relèvent de l’intelligence artificielle qui présente de nombreuses opportunités et privilèges pour les entreprises en difficulté. Donc, afin d’explorer l’état des lieux portant sur les méthodes de prévention de la défaillance des entreprises nous avons opté pour une comparaison théorique permettant de rapprocher les méthodes traditionnelles de prévention aux nouvelles méthodes fondées sur l’intelligence artificielle.

Published

2022-12-21

How to Cite

GUENNOUN , A., & Habbani , S. (2022). La prédiction des défaillances : vers une perspective de l’intelligence artificielle. International Journal of Economic Studies and Management (IJESM), 2(6), 1300–1309. https://doi.org/10.5281/zenodo.7458038