Qu'est-ce qu'un score composite ?
Un score composite est une note unique qui agrège plusieurs critères d'analyse hétérogènes en un seul chiffre comparable. Plutôt que de jongler entre un PER, un taux de croissance, un ratio d'endettement et une performance boursière — qui n'ont ni la même unité ni le même sens —, le score composite les ramène sur une échelle commune (ici 0-100) et les combine.
Son intérêt est mécanique : il permet de classer un univers entier en un coup d'œil. Sur plusieurs centaines de small caps, lire chaque dossier est impossible. Le score trie l'univers du plus prometteur au moins prometteur, et l'analyse approfondie se concentre ensuite sur le haut du classement. C'est un outil de débroussaillage, pas un verdict.
À ne pas confondre. Un score composite n'est pas un « cours cible » ni une recommandation. Il mesure la qualité relative d'un dossier au sein d'un univers à un instant donné, en agrégeant des signaux qui, historiquement, ont accompagné la surperformance. Il oriente l'attention ; il ne décide pas à votre place.
Les 4 piliers évalués
Le score composite repose sur quatre dimensions complémentaires de la qualité d'une entreprise. Chacune répond à une question simple :
L'équilibre entre ces piliers est délibéré : la valorisation seule attire les value traps (sociétés bon marché parce qu'en déclin) ; le momentum seul attire les bulles ; la croissance seule ignore le prix payé. C'est leur croisement qui fait la valeur du score.
De ratios bruts à sous-scores 0-100
Un EV/EBITDA de 6 et une croissance de 12 % ne sont pas comparables : unités différentes, échelles différentes. Avant toute agrégation, chaque ratio est donc normalisé par rapport à l'univers small caps lui-même.
La méthode la plus robuste est le rang par percentile : une action n'est pas notée dans l'absolu mais selon sa position relative. Un EV/EBITDA dans les 10 % les plus attractifs de l'univers obtient ~90/100 sur la composante valorisation ; un endettement dans les 10 % les plus lourds obtient un score faible sur la solidité. Cette approche présente trois avantages :
- Robuste aux valeurs extrêmes — un ratio aberrant (PER de 900) ne fait pas exploser l'échelle, il finit simplement en haut du rang.
- Comparable entre secteurs et dans le temps — le rang est relatif à l'univers du jour, donc auto-ajusté quand le marché entier se revalorise.
- Interprétable — un sous-score de 80 signifie « mieux que 80 % de l'univers » sur ce pilier.
L'agrégation : pourquoi un modèle ML plutôt qu'une moyenne
La tentation naturelle serait d'additionner les quatre piliers à poids fixes (par exemple 25 % chacun). C'est simple, mais faux : l'effet d'un pilier dépend des autres. Une valorisation basse est un excellent signal sur une société qui croît, mais un piège sur une société qui décline. Une moyenne pondérée, par construction, ne capte pas ces interactions.
C'est pourquoi l'agrégation passe par un modèle de machine learning de type gradient boosting (XGBoost). Entraîné sur l'historique de l'univers, il apprend la combinaison non linéaire des piliers la plus corrélée au rendement futur, en tenant compte des interactions entre eux. La sortie du modèle est ensuite ramenée sur une échelle 0-100 pour rester lisible.
Honnêteté méthodologique. Sur des marchés proches de l'efficience, aucun modèle ne « prédit » les cours : le modèle dégage un avantage statistique modeste, pas une boule de cristal. C'est précisément pour cette raison que le ML ne décide pas seul — il est combiné à des règles explicites et son edge est validé par des protocoles stricts (voir le guide du modèle ML).
Lecture : BUY, WATCH, AVOID
Le score final est traduit en trois classes de conviction, définies par percentiles sur l'univers et non par une note absolue :
| Classe | Position dans l'univers | Lecture |
|---|---|---|
| BUY | Haut de l'univers | Signal favorable — dossier à analyser en priorité |
| WATCH | Zone intermédiaire | À surveiller, sans conviction marquée |
| AVOID | Bas de l'univers | Signal défavorable — écarté du tri |
Le choix de seuils relatifs (percentiles) plutôt qu'absolus est important : il rend la classification stable quand le marché monte ou baisse. En haut de cycle, où tout paraît cher, le screener continue d'identifier les moins chers à qualité égale ; en bas de cycle, il ne bascule pas tout l'univers en BUY mécaniquement.
Simulateur de score composite
Faites varier les quatre sous-scores pour voir comment ils se combinent. Ce simulateur utilise une moyenne illustrative (le modèle réel apprend une combinaison non linéaire), mais il montre la logique d'agrégation et le passage aux classes BUY / WATCH / AVOID.
Limites et bon usage
- Qualité des données — un score ne vaut que les données qui l'alimentent. Sur les small caps, la couverture des fournisseurs généralistes est souvent lacunaire, d'où l'intérêt de données dédiées (AMF, rapports annuels) et d'un traitement des valeurs manquantes.
- Photo à un instant t — le score reflète le dernier reporting connu ; une publication récente peut le déplacer fortement. D'où la mise à jour quotidienne.
- Pas de qualitatif — gouvernance, qualité du management, risque réglementaire ou litiges ne se lisent pas dans un ratio. Le score les ignore par construction.
- Outil de tri, pas de décision — il remplace le débroussaillage de centaines de valeurs, jamais la lecture du dossier ni le dimensionnement de la position.
Le score composite dans le screener
C'est exactement cette méthodologie qui anime le screener Small Caps : chaque valeur de l'univers (325 small caps françaises Euronext Growth & Access, élargi à l'Europe) reçoit chaque jour ses quatre sous-scores et son score composite 0-100, avec sa classe BUY / WATCH / AVOID.
- Transparence des piliers — le détail des quatre composantes est affiché, pas seulement la note finale : vous voyez pourquoi une valeur est bien (ou mal) notée.
- Track record public — chaque prédiction est enregistrée avant clôture et les résultats, nets de coûts de transaction, sont publiés. Le score n'est pas qu'une promesse, il est audité dans le temps.
- Filtres personnalisables — au-delà du score global, vous pouvez exiger un seuil minimal par pilier (par exemple solidité > 70) pour adapter le tri à votre style.