Jens Verboven : « L'indicateur de fraude est le Saint Graal pour un secteur »

« L'intelligence artificielle et le machine learning ont permis d'améliorer considérablement le premier modèle de fraude depuis 2020. Les algorithmes auto-apprenants ont rendu l'indicateur de fraude plus précis et plus robuste. Grâce aux commentaires des clients et à une intégration plus large des données externes, les modèles actuels détectent encore mieux les activités frauduleuses. Sans affiner le modèle de base, nous atteignons aujourd'hui déjà un taux de prédiction de 75 %. Ce modèle standard est le point de départ pour un raffinement supplémentaire. »

Avez-vous déjà été victime d'entreprises frauduleuses ? Sur la base de ce pourcentage, vous pouvez facilement calculer les dommages que vous auriez pu éviter.

Score de plus en plus précise

Pour adapter le modèle aux besoins du client et améliorer davantage le taux de prédiction, GraydonCreditsafe examine les cas de fraude spécifiques auxquels le client a été confronté. Idéalement, ces cas remontent jusqu'à cinq ans.

« Nous pouvons alors voir la situation précise à ce moment-là. Ensuite, nous appliquons notre modèle de base pour voir non seulement si le modèle fonctionne, mais aussi pour avoir une idée du taux de prédiction et de la marge d'amélioration », poursuit Jens Verboven.

« Ensuite, nous réactivons la technologie pour voir si d'autres éléments émergent. De cette façon, nous pouvons continuer à développer le modèle de base. Si vous ajoutez certaines exceptions aux données internes, vous construisez un modèle très solide et performant. Et ce n'est pas tout. Dès que les clients utilisent le score intensivement, les données internes sont constamment réinjectées pour améliorer le score. »

Indicateur de fraude entre 0 et 10

L'indicateur de fraude varie entre 0 et 10. Dans un certain sens, le chiffre est ouvert à interprétation. Le client choisit lui-même quel seuil appliquer et devrait idéalement diviser en trois catégories : un risque élevé, moyen ou faible de fraude.

« Le client a donc le choix entre beaucoup ou peu de travail manuel, selon le seuil. Il décide lui-même de ce que signifient "élevé" et "moyen". Rejeter le dossier immédiatement ou l'examiner manuellement de manière plus approfondie ? Bien sûr, vous souhaitez que le segment nécessitant un examen plus approfondi soit aussi petit que possible. En fin de compte, c'est le client qui décide s'il veut faire affaire avec une entreprise ou adopter une approche alternative, par exemple en demandant une garantie. Quoi qu'il en soit, chaque partie bénéficie d'un taux de prédiction aussi élevé que possible. »

Les clients reçoivent l'indicateur de fraude via une API ou une application en ligne où ils peuvent saisir un numéro d'entreprise individuellement. En plus du résultat, l'utilisateur reçoit un aperçu des éléments suspects, ce qui facilite l'exploration ciblée lors du traitement manuel.

La valeur ajoutée d'un indicateur de fraude

Le modèle de prédiction indique automatiquement quelles entreprises présentent un risque plus élevé de fraude. C'est beaucoup plus rapide que les contrôles manuels. De plus, les algorithmes tiennent compte de plus d'éléments.

« Grâce au modèle, les employés ont plus de temps pour examiner plus en détail les cas douteux. S'ils devaient auparavant examiner dix cas manuellement, ils peuvent désormais en exclure sept grâce au modèle, ce qui leur donne beaucoup plus de marge de manœuvre pour examiner attentivement les trois cas restants. En pratique, ils sont donc également en mesure de prévenir davantage de cas de fraude. »

Une note importante est que l'indicateur n'accuse aucune entreprise de fraude.

« Non, l'indicateur ne fait qu'indiquer si le risque de fraude est réel et quels éléments rendent une partie suspecte. Un utilisateur peut travailler sur deux axes : d'une part le taux de prédiction et d'autre part l'efficacité des contrôles manuels. Plus le score est précis, plus le processus de contrôle peut être efficace. Il est donc plus intéressant de combiner les données internes et externes afin d'améliorer au fil du temps le taux de prédiction et l'efficacité. »

Le Saint Graal

Les entreprises ont plus que jamais besoin de collaborations pour améliorer le partage de données. Les organisations sectorielles et les fédérations jouent un rôle clé en tant que parties neutres.

« À l'échelle du secteur, un indicateur de fraude est en fait le Saint Graal », conclut Jens Verboven. « La fraude est un problème sociétal tenace, et je suis convaincu que les entreprises de bonne foi veulent partager des informations dont tout le monde bénéficiera. Les entreprises frauduleuses doivent être éliminées. Point final. Idéalement, nous collaborons avec une fédération qui agit en tant que partie neutre et fournit des informations pour alimenter le modèle. Cela est nécessaire pour peaufiner le modèle et améliorer la signalisation. »

« Un cas échappe-t-il toujours au filet ? Nous voulons faire partie de la boucle de rétroaction. Le retour d'informations des clients sur les cas de fraude est crucial pour affiner davantage le score. Chaque nouveau cas est soigneusement analysé et utilisé pour améliorer le modèle, ce qui permet d'identifier les cas futurs plus efficacement. Qui pourrait s'y opposer ? Après tout, c'est dans l'intérêt de tous. »

Pour conclure

En 2024, l'indicateur de fraude reste un outil important pour les entreprises afin d'identifier les fraudeurs potentiels. Le développement continu des modèles d'IA, la collaboration sectorielle et une solide boucle de rétroaction contribuent à l'exactitude de cette solution. Pour les entreprises, il est crucial de continuer à investir dans des modèles de prévention avancés afin de garantir un environnement commercial sûr.

Voulez-vous tester un cas spécifique par rapport au modèle ? Ou souhaitez-vous savoir ce que l'indicateur de fraude peut signifier pour votre entreprise ou votre secteur ? Contactez-nous immédiatement pour une démonstration en direct de la plateforme.