Introduction générale

Depuis le début de la décennie, 1990, les applications de l’intelligence artificielle en finance se sont multipliées. Elles concernent trois principaux domaines : la prévision, l’optimisation et la classification. La finalité d’utilisation de ces nouvelles et de fournir une information fiable au moment opportun et au moindre coût.
Parmi les techniques de l’intelligence artificielle est la logique floue qui a pour objectif de proposer des concepts , des techniques et des méthodes formellement rigoureuses pour recueillir, représenter et traiter des connaissances et des données floues c’est-à-dire contenant de l’imprécision, de l’incertitude ou de la subjectivité.
La logique floue est appliquée dans les systèmes experts qui sont un peu plus "humain" dans le raisonnement et dans leur compréhension du monde extérieur. Ils ont pour but de capturer l’imprécision du processus de raisonnement humain sans utiliser une analyse quantitative.
Dans le cadre de ce mémoire, nous allons concevoir et réaliser un système expert flou pour l’analyse du risque de crédit. Nous avons organisé ce mémoire en quatre chapitres.
Le premier chapitre sera consacré aux notions de base de la logique floue et du système expert.
Dans le deuxième chapitre, nous aborderons le thème de « l’analyse théorique de risque de crédit ».
Puis, dans le troisième chapitre nous allons présenter la mise en place du Système Expert Flou pou l’Analyse du Risque de Crédit (SEF_ARC).
Finalement, le dernier chapitre consiste à effectuer des jeux d’essai sur notre système pour pouvoir comparer les résultats obtenus avec la méthode classique d’ALTMAN.

CHAPITRE1 : Les systèmes experts flous
Introduction

La logique floue propose un cadre formel qui permet de modéliser le langage naturel et de gérer l'imprécis et l'incertain. Le champ d'application de tels outils est très vaste. Les plus populaires utilisent le raisonnement approché pour définir des systèmes experts ou des systèmes