IA versus fraude au crédit : dans les coulisses d'une expérience réussie avec Carrefour Banque
La plupart des banques parviennent à tuer dans l'œuf 90% de la fraude au crédit. L’enjeu pour elles est toutefois quasiment ailleurs : d’une part, s’attaquer aux 10% de fraude résiduelle, ce petit chiffre qui coûte cher en CA, en ressources et en réputation ; et d’autre part, s’adapter à l’accélération de la fraude, boostée par la digitalisation des usages et les nouvelles technologies.
Carrefour Banque a commencé dès 2017 à se pencher sur la question avec un regard nouveau et à s’intéresser de près au rôle de l’Intelligence Artificielle (IA) et du Machine Learning (ML) dans la lutte contre la fraude : puisque la transformation numérique intensifiait les menaces et professionnalisait la fraude, les systèmes de lutte devaient évoluer eux aussi. Mais par quoi commencer, avec quels outils et quel partenaire ?
La détection de la fraude par l’IA/ML est souvent un territoire nouveau pour les entreprises. Mais en quelques mois à peine, elles peuvent l’adopter avec succès et en faire une alliée idéale pour d’autres défis ambitieux.
Les secrets de la réussite ? Un chantier mené pas à pas en collaboration avec un partenaire expert pour faire émerger les bons outils, au bon endroit, au bon moment, avec le bon dosage de pragmatisme et d’ambition. Forcément unique, le parcours de Carrefour Banque est emblématique des étapes et des bonnes pratiques à suivre pour intégrer efficacement l’IA/ML dans vos solutions existantes et mieux déjouer la fraude au crédit. Explorons ensemble les coulisses de cette transition réussie dont la base est un modèle en 3 phases : injection, connexion et amélioration.
« Les bénéfices de la solution se sont très vite fait sentir. Tout a été fait en 10 mois, et dès les premiers, nous étions déjà en mesure d’arrêter la fraude. Les métiers ont constaté du ROI rapidement, tout en s’habituant à la solution en douceur. Et pendant ce temps, le modèle continuait à s’entraîner et à s’adapter à nos besoins au fil de son utilisation.Un véritable cercle vertueux. »
Léopold Sanogoh - Directeur Projets chez Carrefour Banque & Assurance
Table de matières
Les phases du projet
- L'injection des donnés - 10 conseils pour un projet d’IA/ML anti-fraude rondement mené
- La connection de l’API
- L’amélioration continue
- Un tremplin vers d’autres transformations digitales stratégiques ?
La plupart des banques parviennent à tuer dans l'œuf 90% de la fraude au crédit. L’enjeu pour elles est toutefois quasiment ailleurs : d’une part, s’attaquer aux 10% de fraude résiduelle, ce petit chiffre qui coûte cher en CA, en ressources et en réputation ; et d’autre part, s’adapter à l’accélération de la fraude, boostée par la digitalisation des usages et les nouvelles technologies.
Carrefour Banque a commencé dès 2017 à se pencher sur la question avec un regard nouveau et à s’intéresser de près au rôle de l’Intelligence Artificielle (IA) et du Machine Learning (ML) dans la lutte contre la fraude : puisque la transformation numérique intensifiait les menaces et professionnalisait la fraude, les systèmes de lutte devaient évoluer eux aussi. Mais par quoi commencer, avec quels outils et quel partenaire ?
La détection de la fraude par l’IA/ML est souvent un territoire nouveau pour les entreprises. Mais en quelques mois à peine, elles peuvent l’adopter avec succès et en faire une alliée idéale pour d’autres défis ambitieux.
Les secrets de la réussite ? Un chantier mené pas à pas en collaboration avec un partenaire expert pour faire émerger les bons outils, au bon endroit, au bon moment, avec le bon dosage de pragmatisme et d’ambition. Forcément unique, le parcours de Carrefour Banque est emblématique des étapes et des bonnes pratiques à suivre pour intégrer efficacement l’IA/ML dans vos solutions existantes et mieux déjouer la fraude au crédit. Explorons ensemble les coulisses de cette transition réussie dont la base est un modèle en 3 phases : injection, connexion et amélioration.
« Les bénéfices de la solution se sont très vite fait sentir. Tout a été fait en 10 mois, et dès les premiers, nous étions déjà en mesure d’arrêter la fraude. Les métiers ont constaté du ROI rapidement, tout en s’habituant à la solution en douceur. Et pendant ce temps, le modèle continuait à s’entraîner et à s’adapter à nos besoins au fil de son utilisation.Un véritable cercle vertueux. »
Léopold Sanogoh - Directeur Projets chez Carrefour Banque & Assurance
Table de matières
Les phases du projet
- L'injection des donnés - 10 conseils pour un projet d’IA/ML anti-fraude rondement mené
- La connection de l’API
- L’amélioration continue
- Un tremplin vers d’autres transformations digitales stratégiques ?
_ccexpress.png)
