Contexte & Objectifs

Une banque en Belgique est confrontée au problème croissant de la falsification de documents et de la fraude dans les demandes de prêt hypothécaire. Cela se traduit par l'octroi de nouveaux prêts ou l'augmentation de montants de prêts à des personnes qui ne les rembourseront pas.

Le processus actuel de la banque pour détecter la fraude documentaire implique que les agences vérifient manuellement chaque document. Lorsqu'un agent signale un document comme suspect, il le transmet à une équipe d'experts pour examen. Malheureusement, ce processus lent et fastidieux peut facilement entraîner des erreurs humaines, telles que le passage de documents frauduleux pour être authentiques.

Cette banque a chargé Agilytic de fournir une preuve de concept pour un système automatisé de détection de fraude. Ce système doit atteindre deux objectifs principaux :

• Économiser le temps des employés en supprimant les vérifications manuelles de chaque document.

• Améliorer la précision dans la détection de la fraude.

Approche

Nous avons adopté trois approches pour développer un système automatisé de détection de fraude :

• Les deux premières sont des approches traditionnelles basées sur la reconnaissance optique de caractères (OCR) pour détecter les altérations dans les documents textuels. Elles comparent les incohérences de valeur et de format dans les documents, comme les espaces entre les lettres. L'OCR ne nécessite pas de grandes quantités de données d'apprentissage à condition que les documents suivent un modèle spécifié que le système d'OCR peut analyser.

• La troisième est une approche innovante impliquant la détection de fraude par stéganographie pour détecter les manipulations sur les documents image. Cette technique d'inspection graphique peut détecter la fraude dans les cas les plus délicats, allant au-delà de ce que nos yeux peuvent voir et descendant jusqu'au niveau des pixels de ces documents image. Nous avons testé notre algorithme pour cette approche sur 2 300 bulletins de paie et il a détecté correctement 70 % des documents falsifiés.

Combiner ces trois approches améliore considérablement la capacité du système à détecter la fraude avec précision. Alors que l'OCR offre l'avantage d'implémenter une solution simple incroyablement rapidement, la stéganographie nous permet d'atteindre des niveaux élevés de précision là où l'œil humain aurait facilement pu négliger la présence de fraude.

Résultats

Nous avons conçu le système pour permettre aux agences de vérifier rapidement et facilement un document pour fraude. Le système détecte soit directement la fraude, soit fournit des recommandations sur la présence d'éléments frauduleux que l'agent peut ensuite examiner lui-même.

En utilisant les informations fournies par le système comme guide, les agences peuvent conclure sur la viabilité d'un document beaucoup plus rapidement, ce qui se traduit par un processus beaucoup plus rationalisé.

Un point clé à retenir lors de l'automatisation des processus qui impliquaient auparavant des tâches très manuelles est que l'on peut ne pas atteindre une automatisation à 100 %. Cependant, automatiser ne serait-ce qu'une fraction des tâches à haut volume et sujettes aux erreurs peut apporter d'énormes avantages à une organisation.

Dans ce cas, le système automatisé de détection de fraude pourrait détecter correctement près de la moitié des documents soumis, réduisant considérablement la charge de travail des agents de la banque.

La nature coûteuse de la détection de la fraude pour les banques fait de l'automatisation de ce processus un effort extrêmement intéressant. Outre le gain de temps et l'amélioration de la précision dans la détection des documents frauduleux, les systèmes automatisés de détection de la fraude peuvent aider les banques à mieux gérer les risques en identifiant et en résolvant les activités frauduleuses avant qu'elles ne deviennent un problème.

—

Rédigé par Joleen Bothma