Opinion | Benjamin Barrier, DataDome « L’IA nouvelle génération est-elle la meilleure arme des banques face à la hausse de la fraude ? »

6 Français sur 10 redoutent la fraude bancaire, selon YouGov. Derrière ce constat se cachent des millions de comptes compromis, d’identités volées et de crimes financiers qui portent préjudice aux consommateurs et aux (néo)banques. Les systèmes de détection de la fraude peinent à suivre le rythme des avancées techniques et technologiques, qui ont contribué à l’augmentation de la fraude. Avec l’essor de l’IA générative, les fraudeurs développent des méthodes plus sophistiquées et difficiles à détecter qui, associées à l’augmentation du nombre de bots malveillants en ligne, placent les banques face à de nouveaux défis. Pour ces dernières, la lutte contre la fraude en ligne n’est pas seulement une mesure de sécurité, mais un impératif stratégique. Les pertes financières liées à la fraude peuvent être considérables : les entreprises perdent environ 5 % de leur chiffre d’affaires annuel à cause d’activités frauduleuses. Dans cet environnement, le recours à l’IA pour détecter la fraude marque une évolution décisive : il permet de répondre aux nouvelles menaces, de préserver la confiance dans les services financiers, tout en luttant contre la fraude en ligne.

 

 

L’IA au cœur de la stratégie bancaire ?

Les institutions financières qui mettent en œuvre une détection de la fraude basée sur l’IA constatent une nette réduction de la charge de travail liée aux vérifications manuelles, et un gain d’efficacité qui permet aux équipes chargées des fraudes d’enquêter de manière plus approfondie. Contrairement aux systèmes basés sur des règles figées, l’intelligence artificielle s’adapte et apprend à partir de nouveaux modèles selon un processus défini. La détection de la fraude par l’IA combine plusieurs éléments pour fonctionner et s’améliorer : l’analyse des données, l’apprentissage automatique et les sciences comportementales.

Cela commence par la collecte de données, à partir des systèmes qui recueillent les détails des transactions, les profils des clients, les informations sur les appareils et les mesures de comportement. S’ensuit alors une analyse en temps réel avec des algorithmes qui traitent ces données pendant les transactions, en comparant les schémas aux activités légitimes et frauduleuses connues. Enfin, les systèmes s’améliorent au fil du temps, en intégrant le retour d’expérience des cas de fraude confirmés. Pour alimenter ce processus, une série de technologies d’IA complémentaires est utilisée, chacune jouant un rôle spécifique dans l’écosystème de détection des fraudes.

Parmi elles, l’apprentissage automatique (ou machine learning), comme les algorithmes d’apprentissage supervisés, sont formés à partir d’ensembles de données contenant à la fois des transactions frauduleuses et légitimes. Ces modèles apprennent à reconnaître les schémas qui distinguent les activités légitimes des activités suspectes, ce qui leur permet de repérer des schémas similaires dans de nouvelles données. Les algorithmes d’apprentissage non supervisés identifient les anomalies ou les valeurs aberrantes sans nécessiter d’exemples pré-étiquetés. Ces modèles établissent ce qu’est un comportement « normal » et signalent toute transaction qui s’en écarte de manière significative des modèles attendus, ce qui permet de détecter de nouvelles techniques de fraude que les modèles supervisés pourraient ne pas identifier.

 

L’intention et le comportement : ces éléments qui viennent compléter la détection de la fraude dans un cadre réglementaire bancaire

Au-delà de l’analyse des données de transaction, l’intelligence artificielle va plus loin en analysant la façon dont les utilisateurs interagissent avec les plateformes bancaires : elle s’intéresse au comportement. La biométrie comportementale est une méthode qui crée des profils d’utilisateurs uniques, basés sur le rythme de frappe et la vitesse de saisie des informations, les mouvements de la souris et les habitudes de clic, le comportement de navigation dans les applications et les sites web, la pression exercée sur l’écran et les schémas de balayage sur les appareils mobiles. À ce jour, même les bots sophistiqués ont du mal à reproduire les incohérences naturelles et les micro-variations du comportement humain, ce qui rend la biométrie comportementale particulièrement efficace contre les tentatives d’account takeover, lorsque des fraudeurs disposent des identifiants de connexion mais ne parviennent pas à imiter le comportement numérique de l’utilisateur légitime.

Enfin, parmi les nouvelles méthodes, on note le développement du Natural Language Processing (NLP) qui se concentre sur l’analyse et l’interprétation du langage humain écrit ou parlé. Le NLP identifie les tentatives de fraude qui reposent sur la manipulation du langage et permet aux systèmes d’IA d’analyser les informations textuelles comme par exemple le contenu des courriels et des messages pour identifier les tentatives potentielles d’hameçonnage (phishing).

Les systèmes d’IA renforcent les efforts de conformité réglementaire des institutions financières de multiples façons. Ils améliorent les capacités de surveillance des transactions, offrent une couverture plus complète des canaux et des types de transactions que les systèmes traditionnels basés sur des règles. Lorsque des activités suspectes sont identifiées, ces systèmes créent une documentation détaillée des facteurs de décision et des indicateurs de risque, fournissant des pistes d’audit claires aux régulateurs. L’IA favorise une gestion cohérente des risques et aide les institutions à démontrer leur approche systématique de la prévention de la fraude aux autorités de réglementation.

L’intelligence artificielle est en train de révolutionner la détection de la fraude dans le secteur bancaire en améliorant la précision, en réduisant les faux positifs et en s’adaptant aux nouvelles tactiques frauduleuses. Bien que sa mise en œuvre pose certains défis aux institutions du monde financier, son adoption est stratégique pour le secteur qui opère dans un monde toujours plus complexe. Pour cela, les institutions doivent prendre le virage de l’IA dès à présent en associant la technologie de pointe à l’expertise humaine et créer une protection multicouche contre les tentatives de fraude actuelles et futures.

 

Benjamin Barrier

Benjamin Barrier est l’un des cofondateurs, et aujourd’hui Directeur de la stratégie (CSO) de DataDome. Fort de plus de 15 ans d’expérience dans le développement de stratégies de commercialisation de solutions SaaS B2B, il dirige l’équipe stratégique chargée de définir et de mettre en œuvre l’orientation future de DataDome.

 

————————————————————————-
The text above is a press release that was not written by Finyear.com.
Even if it has been selected by the editorial staff, who have judged that its content may constitute total or partial information to be submitted to readers, only the issuer of this press release or Opinion is responsible for its content.

Avertissement : Le texte ci-dessus est un communiqué de presse qui n’a pas été rédigée par Finyear.com.
Même s’il a fait l’objet d’une sélection par la rédaction qui a jugé que son contenu pouvait relever d’une information totale ou partielle à soumettre aux lecteurs, seul l’émetteur de ce communiqué de presse ou Opinion est responsable de son contenu.
————————————————————————-
Les avis financiers et/ou économiques présentés par les contributeurs de Finyear.com (experts, avocats, observateurs, bloggers, etc…) sont les leurs et peuvent évoluer sans qu’il soit nécessaire de faire une mise à jour des contenus. Les articles présentés ne constituent en rien une invitation à réaliser un quelconque investissement. Tout investissement comporte des risques de pertes partielles ou totales en capital. La rédaction décline toute responsabilité.

The financial and/or economic opinions presented by Finyear.com contributors (experts, lawyers, observers, bloggers, etc.) are their own and may change without the need to update the content. The articles presented do not constitute an invitation to make any investment. All investments entail the risk of partial or total capital loss. The editorial team declines all responsibility.