Pour prévenir la fraude à la carte bancaire, pensez au Big Data !

La banque est un secteur vaste et complexe aux multiples facettes : banques de détail, émetteurs de cartes de crédit, investissements gérés ou encore gestion du risque. Or, chacun de ses acteurs adopte une approche différente en matière de détection et de prévention de la fraude. Le volume total de la fraude à la carte bancaire en France est en pleine progression et s'élève à 450,7 millions d'euros en 2012, soit une hausse de 9,1 % par rapport à 2011(1).

>> Lire aussi : La fraude à la carte bancaire progresse sur internet

D'importants investissements

L'ampleur des pertes attribuées à la fraude pousse les sociétés de services financiers à imaginer des solutions permettant de détecter et de prévenir cette fraude, tout en continuant à proposer aux clients de plus en plus exigeants une expérience positive et personnalisée.

Afin de disposer d'un système de détection de la fraude plus précis et moins envahissant, les banques et les institutions de services financiers investissent aujourd'hui de plus en plus pour perfectionner les algorithmes et technologies d'analyse des données utilisés pour identifier et combattre la fraude. Ces technologies ont recours à de larges volumes de données, générés à grande vitesse, pour une détection plus précise et sûre.

Une détection de la fraude de plus en plus précise

Le secteur des banques et des sociétés de services financiers est fortement orienté vers le client. Il faut donc s'assurer de combattre la fraude de façon stratégique, sans impacter l'expérience bancaire de la clientèle. Pour parvenir à une détection précise de la fraude n'entraînant aucune perturbation, il est essentiel de mettre en œuvre de nouvelles technologies capables d'offrir aux banques une vision globale de leurs clients.

Cette stratégie de détection de la fraude fait appel aux données provenant de différentes sources (par exemple données mobiles conjuguées aux données issues des réseaux sociaux tels que Facebook et Twitter), et les exploite afin de distinguer les activités frauduleuses des opérations régulières. Ainsi, par exemple, si le titulaire d'une carte de crédit omet de prévenir son émetteur de cartes de ses projets de voyage, un système de détection de fraude mis en œuvre de façon stratégique permettra à l'émetteur de savoir automatiquement, à partir des données mobiles et sociales, que son client se trouve en voyage et de réduire ainsi l'incidence des faux positifs. Grâce à cette information supplémentaire, l'algorithme de l'émetteur de cartes sera en mesure de déterminer que la probabilité d'une opération frauduleuse est très faible, et le client pourra continuer à utiliser sa carte.

Autre approche innovante : l'utilisation des données issues des réseaux sociaux pour regrouper des informations. Ainsi, par exemple, si les contacts des réseaux sociaux du titulaire d'une carte sont identifiés comme des collègues de travail et que leur profil indique leur localisation géographique actuelle, une banque pourra également utiliser ces informations pour vérifier des dépenses venant d'être réalisées par le titulaire de la carte.

Apprentissage automatique

Actuellement en plein essor, l'apprentissage automatique (ou machine learning) constitue un aspect essentiel de la détection de la fraude et du Big Data. En quelques mots, l'apprentissage automatique intervient lorsque les systèmes agiles sont configurés pour apprendre les uns des autres. Il découvre les modèles cachés dans les données et apprend de lui-même à proposer des analyses de haute qualité ; il contribue ainsi à détecter une fraude en temps réel et adapte ses systèmes afin de pouvoir identifier plus rapidement toute fraude future. Cette technologie de détection des fraudes révolutionnaire confère un avantage compétitif significatif aux banques et aux entreprises de services financiers qui la mettent en œuvre.

 >> Lire aussi : Big Data is Big Business, vraiment !

Les modèles d'apprentissage automatique sont de plus en plus souvent mis en œuvre pour déceler une fraude dans le cadre de transactions financières. Les technologies d'analyse automatique des données (ou text mining) et d'apprentissage automatique sont effectivement utilisées pour rapprocher des données provenant de transactions suspectes avec des données issues d'autres sources internes et externes (tels que les réseaux sociaux). Cette technique présente d'emblée l'avantage de réduire efficacement le nombre de faux positifs lancés par les systèmes de surveillance existants, réduisant par là même les frais liés à l'inspection manuelle, tout en garantissant une détection de la fraude plus précise et plus pertinente.

Meilleures pratiques pour la mise en œuvre du Big Data

Les entreprises bancaires et de services financiers sont de plus en plus conscientes des atouts que présente l'exploitation du Big Data dans le cadre de la détection des fraudes, mais ont souvent du mal à déterminer la marche à suivre. Les pratiques ci-dessous devront être envisagées pour la mise au point d'une stratégie sur ces questions :

• Débuter par un recours limité et spécifique au Big Data : il convient en premier lieu que les entreprises identifient un ou deux problèmes spécifiques à leur métier, susceptibles d'être résolus par une meilleure détection de la fraude. Elles consacreront ensuite des ressources de R&D à la mise au point de solutions. Ce type de « réflexion orientée résultats » assurera la réussite de l'initiative engagée par l'entreprise.

• Garantir le haut niveau de qualité des données utilisées : il faut prendre le temps en amont de s'assurer que les informations recueillies sont pertinentes pour permettre une analyse appropriée des données.

• Connaître son environnement réglementaire : il y a lieu deconnaître les limites du recours aux données clients et les réglementations applicables en matière de protection de la vie privée. Cela restera un défi pour les entreprises, qu'elles seront en mesure de relever en adoptant une approche intelligente.

• Veiller à la collaboration entre le service informatique et les départements métiers : la mise en œuvre de systèmes recourant au Big Data peut être source de perturbation pour l'entreprise. Il faut adopter une réflexion orientée vers les objectifs, dans laquelle les équipes pourront déterminer et décider d'orientations claires. Puis, il faut se faire porte-parole de la stratégie de Big Data au sein de l'entreprise afin d'obtenir une large adhésion. Ces orientations claires motiveront les équipes à surmonter d'inévitables frictions.

Un nouveau champ des possibles

L'attrait du Big Data réside dans sa capacité à offrir au secteur des services financiers un nouveau champ de possibilités et, surtout, à aider les entreprises à fonctionner différemment. Les technologies continueront à progresser et à proposer de nouvelles stratégies pour optimiser la détection de la fraude. Les entreprises de services financiers devront s'assurer que leurs équipes internes suivent les tendances et les évolutions en cours, ou qu'elles soient associées à des experts qui les aideront efficacement à rester à l'avant-garde du progrès technologique.

Le Big Data permet aux entreprises de services financiers d'accroître largement la vitesse de détection et de prédiction de la fraude en ayant recours à des volumes considérables de données provenant de sources multiples : points de vente, réseaux sociaux, bases de données clients et sources externes des fournisseurs de données. Les résultats d'analyse de ces données contribuent à créer une « base de données de la fraude » collective pour l'ensemble du secteur des services financiers, qui élabore de nouveaux modèles analytiques.

Les nouveaux défis des services financiers sur internet

À l'avenir, le Big Data contribuera néanmoins à traiter la mondialisation de la fraude en tant que telle. Les fraudeurs développent actuellement, à l'échelle mondiale, des tactiques et des scénarios orientés données et analyses. Ils utilisent les données pour sonder nos faiblesses et suivre la « réussite » des actions frauduleuses qu'ils engagent. Etant donné que les ressources informatiques sont de plus en plus abordables et rapides au sein d'un monde de l'Internet dans lequel un « emplacement » se résume pour l'essentiel à une simple présence virtuelle, les entreprises criminelles peuvent déplacer leurs opérations dans un monde digital sans frontières.

Les défis auxquels le secteur des services financiers est confronté en matière de fraude ont une incidence considérable sur le service clients et sur la lutte engagée pour limiter les pertes liées à la fraude. Une analyse en temps réel doublée d'un apprentissage automatique reposant sur un référentiel Big Data constitue la plateforme de solution idéale pour assurer la détection de la fraude et faire face à une fraude prédictive et évitable, tout en conservant un haut niveau de satisfaction client.

(1) Selon le rapport annuel d'activité 2012 de l'Observatoire de la sécurité des cartes de paiement.