Résumé:
Ce mémoire s’intéresse à la prévision du risque de défaut des emprunteurs particuliers à
travers l’analyse des déterminants individuels du crédit. En prenant comme cas pratique des
données relatives aux clients de la Banque Extérieure d’Algérie (BEA), l’étude vise à identifier
les facteurs socio-économiques et financiers influençant la survenance du défaut, en s’appuyant
sur des techniques de modélisation prédictive issues de l’apprentissage automatique,
notamment l’algorithme XGBoost. Après une préparation rigoureuse des données et une
analyse empirique, les résultats montrent que le modèle développé présente de très bonnes
performances, avec une accuracy de 91,88% et un coefficient Kappa de 0,7421, traduisant une
forte capacité de prédiction et une bonne qualité de classification. Le modèle permet ainsi de
distinguer efficacement les emprunteurs à risque des emprunteurs solvables. Cette approche
contribue à améliorer les outils d’aide à la décision en matière d’octroi de crédit au sein de la
BEA.
