Apprentissage automatique dans la prévention de la fraude : pourquoi il est temps d’instaurer des règles du jeu équitables

Les professionnels de la gestion de la fraude à tous les niveaux de l’industrie, y compris les services bancaires et financiers, la vente au détail et les soins de santé, sont confrontés à des niveaux de risque accrus au milieu d’une tempête parfaite de menaces. De multiples facteurs, de la numérisation croissante de la société à la flambée de l’inflation et à la compression associée des finances personnelles, concourent à amplifier le risque de fraude pour les entreprises de toutes tailles.

d’Experian Indice de fraude au Royaume-Uni pour le premier trimestre 2022 montre que la fraude est en augmentation dans des domaines tels que les cartes, le financement d’actifs et en particulier les prêts, où la fraude a atteint un sommet observé pour la dernière fois au troisième trimestre 2021, qui était lui-même le taux le plus élevé depuis trois ans. Et notre Rapport 2022 sur l’identité et la fraude UK&I souligne le fait que les pertes liées à la fraude au Royaume-Uni ont augmenté de 22 % en 2021, 90 % de ces cas provenant d’Internet.

Mais l’exposition à ces risques est loin d’être répartie également. Les organisations plus grandes et plus sophistiquées peuvent déjà disposer de l’expertise interne, des ressources technologiques et de l’accès aux données dont elles ont besoin pour minimiser les risques de fraude. Les organisations plus jeunes et de taille moyenne, telles que les start-ups et les scale-ups, peuvent très bien avoir moins de protection en place et sont donc plus exposées au risque.

Les risques d’une protection insuffisante

C’est particulièrement le cas en ce qui concerne les capacités liées aux données et à l’analyse, basées sur des outils hautement sophistiqués. solutions de fraude par apprentissage automatique (ML). Il s’agit d’une branche de l’intelligence artificielle (IA) dans laquelle un programme informatique analyse de vastes ensembles de données, identifiant les tendances et les modèles que les grands acteurs prennent de plus en plus pour acquis.

Dans un monde idéal, tous les nouveaux acteurs et petits et moyens acteurs du marché auraient accès dès le premier jour à une solution efficace et abordable basée sur le ML qui permet une prise de décision plus précise dans un délai plus court. Mais ce n’est pas le cas – et pour ces entreprises, c’est un danger évident. Sans le budget pour investir dans une équipe d’analystes et une technologie coûteuse, la menace est triple :

  • Premièrement, les fraudeurs seront conscients que la protection dont dispose une jeune entreprise est susceptible d’être rudimentaire par rapport aux défenses entourant un dirigeant établi, ce qui en fait une cible évidente. De plus, une fois qu’ils ont identifié une faiblesse, les fraudeurs continueront de cibler l’entreprise jusqu’à ce qu’elle soit correctement protégée, ralentissant potentiellement sa croissance avant qu’elle n’ait eu la possibilité de réaliser des économies d’échelle.
  • Deuxièmement, une entreprise de cette envergure court un risque accru d’atteinte à sa réputation auprès des consommateurs. Il y a deux aspects à ce danger. D’une part, si un contrôle de sécurité chronophage ralentit trop le traitement d’une candidature, il est possible que le prospect non seulement abandonne le processus, mais parle également en termes négatifs de l’entreprise avant qu’elle n’ait eu le possibilité de s’établir correctement. Pire encore, un régime de sécurité inefficace peut exposer ce client à la fraude, entraînant un bouche à oreille encore plus préjudiciable et une perte de crédibilité à un moment critique du développement de l’entreprise.
  • Et troisièmement, une jeune organisation sans expertise spécialisée dans la gestion de la fraude peut ne pas comprendre pleinement la nature des menaces auxquelles elle est confrontée. Par exemple, alors qu’il peut être capable de traiter des cas de fraude de première partie, où les demandeurs d’un service déforment la vérité lorsqu’ils remplissent un formulaire de demande, il peut ne pas être conscient que derrière une façade apparemment peu sophistiquée peut se cacher une personne très motivée et réseau expérimenté de la criminalité financière.

Alors que la fraude et la criminalité financière augmentent, il est crucial d’équilibrer la croissance des revenus avec la prévention de la fraude et la conformité réglementaire, plutôt que de privilégier l’un par rapport à l’autre.

Découvrez nos solutions

L’apprentissage automatique est essentiel pour chaque joueur

Comme notre Rapport 2022 sur l’identité et la fraude UK&I déclare, « l’IA et l’apprentissage automatique sont désormais des technologies clés pour l’identification, l’authentification et la prévention de la fraude des clients en ligne ». En effet, la quantité de points de données impliqués dans l’établissement d’une vue consolidée du risque global de fraude d’un individu nécessite moins de références pour évaluation et produit de meilleurs résultats pour les bons clients.

Par conséquent, les techniques optimales de détection de fraude en temps réel d’aujourd’hui sont invariablement basées sur le ML.

Une application n’a même pas besoin d’être manifestement frauduleuse pour que ML la détecte. Il peut repérer des anomalies qu’un candidat, soucieux d’être vu sous le meilleur jour possible, ne considérerait pas comme une fraude, mais brouillerait légèrement un détail ou deux. Lorsque des techniques de risque traditionnelles sont utilisées, elles peuvent également ne pas sembler frauduleuses. Mais si cela se traduit par l’acceptation d’un candidat qui n’a pas les moyens de rembourser un prêt ou de rembourser une dette de carte de crédit, cela peut être tout aussi dommageable pour ce candidat que la fraude par un tiers l’est pour ses consommateurs victimes.

Cependant, l’utilisation du ML qui a appris des applications précédentes et de leurs résultats permet de créer un profil de risque plus précis, couvrant la probabilité que l’application soit révélée comme frauduleuse à un moment donné dans le futur. En d’autres termes, le ML consiste autant à prédire l’avenir qu’à prévenir la fraude manifeste « en noir et blanc » au point d’application.

Les barrières qui entravent le ML pour tous

Trois obstacles immédiats empêchent actuellement une vision d' »apprentissage automatique pour tous » de devenir réalité :

  • Ressource et savoir: les entreprises plus jeunes sont moins susceptibles d’avoir accès à des ressources humaines telles que des scientifiques des données qui connaissent très bien les technologies impliquées ;
  • Frais: la technologie est également très sophistiquée et peut donc être coûteuse ; et
  • Manque de données historiques: une petite start-up ne disposera pas de l’étendue et de la profondeur des données sur lesquelles les grands acteurs peuvent s’appuyer, et peut ne pas faire partie de consortiums tels que National Hunter et CIFAS dans lesquels les membres partagent des données de l’industrie.

Infographie montrant que les ressources et les connaissances, les dépenses et la disponibilité des données et trois principales raisons entravent l'apprentissage automatique pour tous

Alors, n’existe-t-il pas de solution utilisable et efficace pour les organisations non corporatives ?

Alors que les évaluations manuelles sont encore largement utilisées, des solutions automatisées plus accessibles sont désormais mises en avant. Après tout, tant que les entreprises plus établies auront accès à des ressources largement inaccessibles aux concurrents émergents, les règles du jeu ne seront jamais équitables.

Tout simplement, les entreprises qui n’utilisent pas de solutions de gestion basées sur le ML pourraient s’exposer davantage.

Et ce n’est pas vrai.

Chez Experian, nous croyons passionnément que grâce à des examens automatisés des données, nous pouvons réduire l’exposition à la fraude et permettre à davantage de « bons » clients de vivre un parcours utilisateur positif, sans interruption. En permettant aux petites organisations et aux scale-ups d’intégrer des solutions d’apprentissage automatique dans la détection des fraudes, les fraudeurs auront de moins en moins d’opportunités de passer à travers les lacunes.

En savoir plus sur nos solutions qui peuvent vous aider respecter les obligations réglementaires et se protéger contre la fraude.

Vous pourriez également aimer...