L'action Affirm (AFRM) bondit de 5,5 % après le lancement d'un modèle d'IA pour l'approbation des prêts en temps réel
Points clés
- •Le nouveau modèle de souscription par IA basé sur l'architecture transformer d'Affirm est opérationnel aux États-Unis et entraîné sur 14 ans des données transactionnelles de première partie de la société.
- •Lors de son déploiement initial, le modèle a généré 3,4 % d'achats finalisés en plus qu'un groupe témoin, et ses prêts supplémentaires ont mieux performé qu'une expansion comparable sous les précédents modèles de machine learning.
- •L'IA a approuvé des candidats supplémentaires que l'ancien système aurait rejetés, notamment des consommateurs disposant d'historiques de crédit limités et sans score FICO.
- •Le directeur comptable Siphelele Jiyane a vendu 26 980 actions le 14 septembre pour environ1,95 million de dollars, après une vente de 25 000 actions le 4 septembre.
- •Affirm a déclaré un BPA trimestriel de 4,62 $ contre un consensus de 0,35 $, pour un chiffre d'affaires de 1,07 milliard de dollars, et 24 analystes sur 32 notent l'action Achat avec un objectif de prix moyen de 98,78 $.

Affirm Holdings (AFRM) a grimpé de 5,5 % lors des échanges préboursiers de jeudi, après que la société de « buy now, pay later » a dévoilé un nouveau modèle d'intelligence artificielle basé sur l'architecture transformer, conçu pour délivrer des décisions de crédit plus rapides et plus précises au moment du paiement. L'action se négociait autour de 71,58 $ avant l'annonce, bien en dessous de l'objectif de prix moyen des analystes de 98,78 $.
Les services « buy now, pay later » permettent aux consommateurs de fractionner leurs achats en prêts à tempérament, les décisions d'approbation étant émises en temps réel au fur et à mesure des transactions en ligne. Comme la souscription intervient pendant que l'acheteur est encore en pleine transaction, les changements dans les décisions se répercutent directement sur les résultats au moment du paiement, tels que les achats finalisés.
Le modèle d'IA désormais opérationnel au moment du paiement
Le nouveau modèle est déjà en service aux États-Unis et s'appuie sur 14 ans des données transactionnelles de souscription propres à Affirm. Il applique le machine learning pour analyser l'ordre et le calendrier des événements dans l'historique de crédit d'un consommateur, ce que la société présente comme un progrès par rapport à son approche précédente.
Les architectures transformer traitent des données séquentielles, ce qui les rend particulièrement adaptées à la lecture d'historiques d'événements ordonnés ; la même classe de modèles sous-tend les grands modèles de langage modernes.
Un aspect notable du système est sa gestion des emprunteurs au dossier mince. Affirm a indiqué que l'IA a approuvé des candidats supplémentaires que l'ancien système aurait refusés, notamment des consommateurs disposant d'historiques de crédit limités et sans score FICO. Cette portée au-delà de la notation conventionnelle est là où le recours aux données transactionnelles de première partie d'Affirm, plutôt qu'aux seuls dossiers des bureaux de crédit externes, devient un avantage pratique.
Des résultats plus solides avec moins de risque
Lors de son déploiement initial, le modèle a généré 3,4 % d'achats finalisés en plus par rapport à un groupe témoin. Affirm a précisé que ces prêts supplémentaires ont mieux performé qu'une expansion comparable menée sous ses précédents modèles de machine learning, ce qui suggère que l'IA sélectionne de meilleurs risques plutôt que d'approuver simplement davantage d'emprunteurs. Pour un prêteur, cette distinction compte : la croissance des approbations ne crée de la valeur que si les prêts supplémentaires sont remboursés.
Libor Michalek, président d'Affirm, a déclaré que l'architecture transformer permet à la société d'extraire de nouvelles informations des données qu'elle détient déjà. « Voir un historique de crédit plus clairement signifie que nous pouvons dire oui de manière responsable à davantage de personnes », a-t-il indiqué.
Le modèle identifie des motifs au sein des comptes de crédit et entre ceux-ci, et suit l'évolution de ces motifs dans le temps. Affirm a développé un algorithme propriétaire pour maintenir l'explicabilité du modèle tout en restant suffisamment rapide pour fonctionner en temps réel au moment du paiement — une contrainte pratique pour un prêteur émettant des décisions de crédit automatisées en quelques secondes.
La société a souligné que l'objectif n'est pas d'approuver chaque demande, notant que l'octroi de crédit à des consommateurs incapables de rembourser ne profite pas à l'activité.
Les ventes d'initiés attirent l'attention
Le directeur comptable (CAO) Siphelele Jiyane a vendu 26 980 actions le 14 septembre à un prix moyen de 72,19 $, générant environ 1,95 million de dollars. La transaction a réduit sa participation de 12,51 %, le laissant avec 188 711 actions. Jiyane avait également vendu 25 000 actions le 4 septembre à 72,41 $. Ces ventes consécutives devraient attirer un certain examen, même si les ventes d'initiés ne signalent pas toujours une perspective négative.
Résultats et couverture des analystes
Affirm a déclaré un BPA de 4,62 $ au dernier trimestre, bien au-dessus de l'estimation consensuelle de 0,35 $. Le chiffre d'affaires s'est établi à 1,07 milliard de dollars, en hausse de 33,1 % sur un an, bien que légèrement inférieur à l'estimation de 1,11 milliard de dollars.
La réaction des analystes a été globalement positive. Piper Sandler a relevé son objectif de prix de 103 $ à 115 $ tout en maintenant une recommandation surpondérée. BMO Capital Markets et Citigroup ont tous deux réitéré leurs recommandations « outperform ». Sur les 32 analystes couvrant l'action, 24 la notent Achat et 8 Conserver, produisant un consensus « Moderate Buy » avec un objectif de prix moyen de 98,78 $ — bien au-dessus du cours récent de 71,58 $.
La moyenne mobile sur 50 jours d'Affirm s'établit à 75,43 $, tandis que la moyenne mobile sur 200 jours se situe à 66,39 $, plaçant le cours actuel entre les deux. À mesure que le modèle traitera davantage de volume au moment du paiement, ses premiers repères — la hausse de 3,4 % des achats finalisés et la meilleure performance des prêts supplémentaires — seront les chiffres à comparer aux résultats futurs publiés.