L'actualité décryptée par nos experts

Dans la continuité de l’article de février dernier consacré aux contexte et enjeux de l’encadrement réglementaire de l’IA, nous nous intéresserons aujourd'hui aux principales dispositions de lois en application en France actuellement.

Alors que la reprise est effective pour de nombreux acteurs économiques, l’heure est maintenant au bilan. Retour d’expérience avec Sylvain Morellet, Directeur des Ressources Humaines chez Ellisphere.

Depuis le 1er août 2017, les entreprises ont l’obligation de déclarer leurs bénéficiaires effectifs et, de fait, de tenir une liste des bénéficiaires effectifs. Cette obligation a été créée pour lutter contre le blanchiment d’argent et le financement du terrorisme. Définition.

L’analyse financière décompose le Besoin en Fonds de Roulement en deux composantes, le BFR d'Exploitation (BFRE) et le BFR Hors Exploitation (BRFHE). Zoom sur ces deux indicateurs. 

Ellisphere dispose d’une base de données exhaustive sur 9,6 millions d’entreprises françaises actives. Certaines informations sont recueillies directement auprès des entreprises par une équipe d’enquêteurs. Zoom sur l’évolution de ce métier.

Au fil des années, la digitalisation des métiers, l’avènement du big data et les évolutions technologiques ont rebattu les cartes des métiers de l'information financière.

À l’heure où la réglementation devient de plus en plus contraignante pour les institutions financières, comment l’IA peut aider à l’amélioration de la communication entre superviseurs et institutions financières ?

Savoir décider est essentiel pour le credit manager. Zoom sur un des principaux outils d'aide à la décision : le tableau de bord.

Lorsqu'une entreprise est en difficulté, elle peut entraîner d’autres entreprises dans des problèmes financiers, en raison de ses retards de paiement et de ses impayés. Zoom sur le phénomène des défaillances en cascade.

Les biais dans les systèmes d’IA ne proviennent pas nécessairement d’une mauvaise intention. La sensibilisation des experts métiers aux biais cachés des systèmes d’IA est essentielle pour en assurer la qualité.