Lydia réduit le risque de fraude grâce au Machine Learning

A l’occasion de la conférence NeurIPS qui s’est tenue à Montréal, la néo-banque française a présenté son algorithme de lutte contre la fraude

Objectif : tirer le meilleur du Machine Learning pour identifier et signaler aux personnes en charge de la lutte contre la fraude chez Lydia, les cas de fraude les plus pertinents et les plus urgents, de façon automatisée.
Baptisé CAFDA (Computer Assisted Fraud Detection Algorithm), le méta-algorithme développé par Lydia est composé de deux moteurs principaux et d’une dizaine d’algorithmes pour l’analyse des bases de données en continu.
Comment ça marche ?

--> Le premier moteur analyse le comportement des utilisateurs et le compare à celui des fraudeurs.

--> Il attribue un score à chacun (plus le comportement est proche de celui d’un fraudeur plus le score est élevé)

--> Il signale les profils ayant des scores élevés aux analystes de la fraude

--> Le deuxième moteur cherche quant à lui les comportements les plus anormaux

--> Il propose des profils plus variés

Le premier moteur a ainsi une mission d’exploitation et le deuxième un rôle d’exploration. Les deux sont continuellement notés en fonction de leurs taux de réussite. CAFDA s’appuiera davantage sur celui qui réalisera une meilleure performance.

La fraude évolue constamment. Avec l’arrivée de nouvelles technologies, les usages changent et la fraude aussi. L’enjeu pour la FinTech est de s’adapter à l’évolution de la fraude. Lorsqu’une stratégie se trompe ou que le logiciel est dépassé, il se fera remplacer par un autre.
Signaler les cas de fraude les plus pertinents et les plus graves. Plutôt que de choisir une approche unique du Machine Learning, Lydia a fait le choix de combiner plusieurs méthodes et de les faire fonctionner ensemble. L’idée étant de maximiser le taux de réussite en adoptant à chaque cas la stratégie de recherche de fraude la plus performante.
Respect de la réglementation. Pour se conformer au Règlement Général sur la Protection des Données personnelles (RGPD), la néo-banque n’automatisera que la détection des cas de fraude, la décision impliquera quant à elle une intervention humaine.

Lydia ne cesse d’élargir son offre de services. La néo-banque a annoncé il y a quelques jours qu’elle permettait désormais à ses clients de partager les sous-comptes qu’ils ont créés avec leurs proches pour simplifier entre autres le partage des dépenses.
Parmi les néo-banques qui se sont récemment appuyées sur le Machine Learning pour lutter contre la fraude, on peut citer Revolut. La FinTech britannique a communiqué en octobre dernier sur sa gamme d’outils visant à lutter contre la fraude à la carte et le blanchiment.

Catégorie : Alertes quotidiennes