Finance
Améliorer la détection des fraudes dans le secteur bancaire
La fraude documentaire représente un défi croissant pour les banques. Nous avons collaboré avec une banque belge pour automatiser leur système de détection de fraude, en combinant des approches traditionnelles et innovantes.
Pour protéger la confidentialité, nous pouvons modifier certains détails tout en préservant l'essence de notre contribution principale.
Contexte & objectifs
Une banque belge faisait face à un problème croissant de faux documents et de demandes de crédit hypothécaire frauduleuses, menant à l'approbation injustifiée de prêts pour des clients incapables ou refusant de les rembourser.
Le processus de détection de la fraude de la banque reposait sur la vérification manuelle de chaque document par les agences. Lorsqu'un agent identifiait un document suspect, il le transmettait à une équipe d'experts pour examen. Malheureusement, ce processus lent et fastidieux était sujet à l'erreur humaine, et des documents frauduleux passaient entre les mailles du filet.
La banque a demandé à Agilytic de développer un Proof of Concept (PoC) pour un système automatisé de détection de la fraude avec deux objectifs principaux:
Gagner du temps en éliminant les vérifications manuelles de documents
Améliorer la précision de la détection
Approche
Nous avons adopté des approches complémentaires pour développer notre système automatisé de détection de la fraude.
Reconnaissance optique de caractères (OCR)
D'une part, nous avons utilisé des approches traditionnelles basées sur l'OCR pour détecter les altérations dans les documents texte. Celles-ci comparent les incohérences de valeurs et de format, comme les espaces suspects entre les lettres.
Le principal avantage de l'OCR est qu'il ne nécessite pas de grands volumes de données d'entraînement, à condition que les documents suivent un modèle standard que le système peut analyser.
Détection stéganographique
D'autre part, nous avons adopté une approche innovante utilisant la détection stéganographique pour repérer les manipulations sur les images.
Cette technique d'inspection graphique détecte la fraude même dans les cas les plus complexes, allant bien au-delà de ce que l'œil humain peut percevoir, jusqu'au niveau du pixel. Nous avons testé cet algorithme sur des milliers de fiches de paie et avons correctement identifié 70% des documents falsifiés.
Combiner ces deux approches a considérablement amélioré l'efficacité du système pour détecter la fraude avec précision. L'OCR offre rapidité et simplicité, tandis que la stéganographie garantit une haute précision là où la fraude passerait autrement inaperçue.
Résultats
Nous avons conçu le système pour aider les agences à vérifier rapidement et facilement la validité des documents. Il détecte la fraude directement ou signale les éléments suspects pour examen. Grâce à ce guidage, les équipes évaluent les dossiers bien plus vite, fluidifiant l'ensemble du processus.
Un point clé à retenir lors de l'automatisation de processus historiquement manuels est qu'atteindre une automatisation à 100% n'est pas toujours réaliste. Cependant, automatiser même une fraction d'un travail à haut volume et sujet aux erreurs génère déjà des bénéfices considérables.
Vu le coût élevé de la fraude pour les banques, l'automatisation est un investissement indispensable. Au-delà du gain de temps et de précision, la détection automatisée de la fraude permet de mieux maîtriser les risques en bloquant les activités suspectes avant qu'elles ne s'aggravent.
Pour garantir la confidentialité, nous modifions parfois certains détails dans nos études de cas.