Détection des fraudes
Utiliser des techniques d'IA (par exemple, détection d'anomalies, reconnaissance de formes) pour identifier et prévenir les activités frauduleuses dans les domaines de la finance, de l'assurance, etc.
Définition
Implique des modèles supervisés (classification) et non supervisés (détection d'anomalies) qui analysent les modèles de transactions, les graphiques de réseau et les comportements des utilisateurs. La gouvernance doit trouver un équilibre entre la sensibilité de la détection et les taux de fausses alertes, se conformer à la réglementation en matière de criminalité financière et intégrer l'explicabilité afin que les enquêteurs comprennent pourquoi les alertes ont été déclenchées. La mise à jour continue des modèles est essentielle pour contrer l'évolution des tactiques de fraude.
Exemple concret
Un processeur de paiement utilise un système hybride : un modèle supervisé signale les modèles de fraude connus (cartes volées) et un encodeur automatique non supervisé détecte les anomalies (montants de transaction inhabituels). Les alertes dépassant un seuil de risque déclenchent des blocages de transactions en temps réel, réduisant ainsi les pertes liées à la fraude de 60 % tout en maintenant les faux positifs en dessous de 5 %.
.svg)
