Présentation
RÉSUMÉ
La gestion du risque de fraude s’organise autour des actions de prévention, de détection et de réaction face à ce risque. L’enjeu de cet article est de détailler comment les actions des cellules de lutte contre la fraude se sont étoffées en termes d’outillage en ayant notamment recours à l’intelligence artificielle. L’article explicite l’apport de ces technologies, leurs limites et leurs évolutions pressenties, et illustre ce concept autour de cas d’usage récents.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Nicolas DUFOUR : Docteur en gestion, professeur associé, CNAM Lirsa, Risk manager, Antony, France
-
Matthieu BARRIER : Expert en gestion des risques, Paris, France
INTRODUCTION
La gestion de la fraude est devenue l’une des préoccupations majeures des entreprises, plus globalement des organisations, confrontées à une forte augmentation de ce phénomène dans de nombreux secteurs d’activités. À titre d’exemple, les fraudes aux organismes complémentaires santé ont augmenté de plus de 181 % entre 2023 et 2024 selon certaines études (Assurance maladie, études sectorielles). Selon des entretiens réalisés par les auteurs en 2023 et 2024, une telle tendance s’est également confirmée dans d’autres domaines : dans le domaine de l’octroi de crédit, les transactions frauduleuses, s’appuyant souvent sur de faux documents ainsi que sur de vrais documents mais dans le cadre de schémas d’usurpation d’identité, constituent des schémas désormais fortement répandus. Dans le secteur des télécoms, l’utilisation de fausses coordonnées bancaires en vue d’obtenir un téléphone avec l’achat d’un forfait a pu également constituer un schéma très usité. Dans le secteur du logement et des activités locatives, il n’est désormais plus rare de constater des dossiers intégrant des éléments « en partie falsifiés » (majoration de revenus pour garantir la validation d’un dossier par exemple).
Face à l’augmentation de ce phénomène, les différents secteurs ont pu structurer peu à peu une démarche de lutte contre la fraude en mettant en œuvre de réelles stratégies de lutte contre la fraude . Ces stratégies peuvent être orientées sur la formation des collaborateurs pour permettre une meilleure détection , mais aussi autour de la communication interne et externe permettant à la fois la prévention et la détection des situations les plus à risque en associant les parties prenantes internes (collaborateurs confrontés aux opérations) mais aussi externes (clients pouvant être confrontés à des fraudes, fournisseurs), et ce dans une logique d’appropriation croisée par tous .
Également, les organisations les plus à maturité ont peu à peu décliné de véritables processus de lutte contre la fraude orientée sur la prévention (éviter des paiements frauduleux), la détection (détecter le plus rapidement possible des tentatives ou des cas avérés), mais aussi la réaction (la réponse à incident). Ces processus se structurent autour de comités dédiés à la lutte contre la fraude, de tableaux de bord intégrant une batterie d’indicateurs suivis à fréquence régulière, des moyens humains (analystes fraude), des relais externes (brigades dédiées à la fraude côté forces de l’ordre), mais aussi des requêtes internes permettant de saisir les atypismes les plus flagrants dans le cadre de la détection préventive mise en œuvre [SE 1 214].
Toutefois, le renforcement de ces moyens n’a souvent pas suivi le développement fort de l’exposition aux fraudes, permis par plusieurs facteurs : la digitalisation toujours plus grande des activités, facilitant la production de faux documents établis avec des logiciels toujours plus nombreux permettant de créer ou de modifier des documents servant de justificatifs dans différentes étapes de contrôle donnant lieu à l’octroi de biens ou de services ; le recours à l’intelligence artificielle et notamment les IA génératives est désormais utilisé par les fraudeurs eux-mêmes (notamment pour les fraudes financières ou la réalisation de hameçonnages permettant ensuite des fraudes aux faux ordres de virement) ; les données et justificatifs en nombre conséquent désormais disponibles sur le Web et le Darkweb facilitent la réalisation de fraude au moyen d’usurpation d’identité et de production de faux documents. Certains groupes organisés de fraudeurs ont donc clairement industrialisé et renforcé leurs démarches en les outillant. Il y a donc une conjonction des risques cyber aux risques de fraude qui en fait également un effet démultiplicateur [SE 2 505].
En somme, malgré tous ces efforts, la plupart des organisations gardent ce risque en zone de vigilance, et peu d’experts fraude peuvent aujourd’hui dire qu’ils sont pleinement satisfaits des actions mises en œuvre ou qu’ils considèrent ce risque comme sous maîtrise.
Pour tenter de s’adapter et de suivre l’expansion de ce phénomène en apportant une réponse plus efficace, complétant les dispositifs de détection organisationnels et humains, les entreprises les plus en avance mettent désormais en œuvre des projets d’outillage fondés sur l’intelligence artificielle en vue de mieux sécuriser leurs processus. L’objet de cet article est donc de détailler ce nouveau paradigme de la lutte contre la fraude en évoquant les prérequis associés à de telles démarches, exemples à l’appui.
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Technologies de l'information > Sécurité des systèmes d'information > Cybersécurité : attaques et mesures de protection des SI > Gestion de la fraude dans les organisations par le recours à l’intelligence artificielle > Conclusion et perspectives
Accueil > Ressources documentaires > Environnement - Sécurité > Sécurité et gestion des risques > Menaces et vulnérabilités : protection des sites industriels > Gestion de la fraude dans les organisations par le recours à l’intelligence artificielle > Conclusion et perspectives
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(240 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
8. Conclusion et perspectives
L’intelligence artificielle dans le cas de la lutte contre la fraude est un moyen permettant de renforcer la capacité de détection et de réponse à incidents dans le cadre des stratégies de lutte contre la fraude. Une telle approche suppose de bien définir les objectifs de sécurisation de l’activité en termes de processus, mais aussi de risques de fraude à couvrir. Cela nécessite également un véritable recul mené sur l’organisation actuelle et souhaitée d’une entreprise allant vers ce type de démarche.
L’évolution de l’intelligence artificielle nous permet d’établir des changements significatifs dans le domaine de la détection de fraude dans les années à venir. Actuellement, l’IA et le machine learning sont déjà utilisés pour analyser des milliards de transactions en temps réel, identifier des comportements anormaux et prévenir des fraudes potentielles, et ce dans différents domaines sectoriels que sont la banque, l’assurance, l’éditique, la gestion des flux fournisseurs mais dans la gestion de la relation clients (clients à risque notamment).
À ce jour, les algorithmes de machine learning supervisé (apprentissage avec données annotées) et non supervisé (apprentissage sans données annotées) sont couramment utilisés pour détecter des anomalies. Les modèles supervisés, entraînés sur des ensembles de données annotées, peuvent classer efficacement les transactions comme frauduleuses ou non.
Les perspectives en matière de lutte contre la fraude et face à l’augmentation des situations frauduleuses rappelées dans cet article verra une augmentation de l’utilisation des modèles d’intelligence artificielle fondée sur l’analyse plus fine des processus tels que le deep learning, notamment pour analyser des images de manière industrialisée ou encore pour traiter des séquences de données plus étendues et aborder plus en détail la gestion de situations complexes en nombre.
Il est fort à parier que les modèles de renforcement de l’apprentissage (apprentissage par essais et erreurs) seront également amenés à mieux se structurer. Comme l’évoque un ingénieur systèmes de données de l’un des éditeurs IA fraude rencontré en 2024 : « Nous n’en sommes qu’aux débuts, peut-être pas sur l’IA qui existe depuis de nombreuses années, mais sur l’IA appliquée à la fraude qui n’en est qu’à...
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(240 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Conclusion et perspectives
BIBLIOGRAPHIE
-
(1) - BELMA (O.), DUFOUR (N.) - La diversité des stratégies de lutte anti-fraude. - Face au risque, n° 524, p. 30-32 (2016).
-
(2) - DUFOUR (N.) - Former à la détection et à la prévention des risques de fraude. Le cas des complémentaires santé. - Éducation Permanente, n° 224-2020-3, dossier Formation et prévention des risques au travail, p. 115-121 (2020).
-
(3) - LAFFORT (E.), DUFOUR (N.) - Prise en compte de la fraude dans les organisations : comment libérer la parole ? - La Revue des Sciences de gestion, n° 307/1, p. 107-115 (2021).
-
(4) - DUFOUR (N.) - La détection scientifique de la fraude : quelles évolutions ? - Face au risque, n° 583, p. 10-12 (2022).
-
(5) - BENISTI (M.), DUFOUR (N.) - La gestion de la fraude dans le secteur du e-commerce. - Revue Préventique, n° 157, p. 80-81 (2018).
-
...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
Règlement (UE) 2016/679 du Parlement européen et du Conseil du 27 avril 2016 relatif à la protection des personnes physiques à l’égard du traitement des données à caractère personnel et à la libre circulation de ces données.
Règlement du Parlement européen et du Conseil établissant des règles harmonisées concernant l’intelligence artificielle (législation sur l’intelligence artificielle) et modifiant certains actes législatifs de l’Union, Règlement 2021/206 du 13 mars 2024.
Règlement (UE) 2024/1689 du 13 juin 2024 du Parlement européen et du Conseil établissant des règles harmonisées concernant l’intelligence artificielle et modifiant les règlements (CE) n° 300/2008, (UE) n° 167/2013, (UE) n° 168/2013, (UE) n° 2018/858, (UE) n° 2018/1139 et (UE) n° 2019/2144 et les directives 2014/90/UE, (UE) 2016/797 et (UE) 2020/1828 (règlement sur l’intelligence artificielle) ; https://eur-lex.europa.eu/legal-content/FR/TXT/?uri=CELEX%3A52021PC0206
HAUT DE PAGE
Comment l’IA pourrait favoriser la fraude financière. Article publié le 28 mars : https://www.lesechos.fr/tech-medias/intelligence-artificielle/comment-lia-pourrait-favoriser-la-fraude-financiere-2085747
MasterCard utilise l’IA générative pour détecter les fraudes. Article publié...
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(240 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive