IA · détection de fraude
Des règles lisibles générées par un modèle
Un modèle d’apprentissage qui produit des règles auditables, en complément d’un moteur du marché ; le ratio de faux positifs est fixé par la direction. Fraude réduite de 20 à 30 % sur données historiques.
Contexte
Une plateforme de réservation en ligne traitait des milliers de transactions par jour. Un moteur anti-fraude du marché bloquait une partie des fraudes, mais laissait passer des schémas nouveaux et bloquait trop de bons clients. La direction voulait décider elle-même du compromis entre fraude tolérée et clients refusés.
Un modèle qui écrit des règles, pas une boîte noire
Plutôt qu’un score opaque, le modèle d’apprentissage produit des règles lisibles : combinaisons de signaux (pays, moyen de paiement, délai, historique) qu’un analyste peut lire, contester et désactiver. Chaque règle est auditable.
Le ratio de faux positifs fixé par la direction
Le curseur entre fraude acceptée et bons clients refusés est une décision d’affaires, pas un paramètre technique. La direction le fixe ; le modèle s’y conforme. Le résultat est mesuré sur l’historique avant toute mise en production.
En complément, pas en remplacement
Le moteur du marché est resté en place pour ce qu’il fait bien ; le modèle couvre ce qu’il manque. Les deux résultats sont journalisés et comparés, ce qui permet de mesurer l’apport réel de chacun.
Résultat
Questions fréquentes
Pourquoi des règles plutôt qu’un score ?
Parce qu’une règle se lit, se conteste et se désactive. Un score opaque ne permet ni de comprendre un refus ni de le justifier à un client.
Comment le chiffre a-t-il été mesuré ?
Sur l’historique des transactions, en rejouant le modèle sur des périodes passées et en comparant avec ce que le moteur existant avait bloqué.
Le modèle s’adapte-t-il aux nouvelles fraudes ?
Oui, par réentraînement périodique sur les nouvelles transactions et les décisions des analystes. Les nouvelles règles sont relues avant activation.
Services liés
Un cas comparable chez vous ?
Dites-moi quel processus vous coûte du temps ; je reviens sous 24 heures ouvrées avec une première lecture, sans engagement.