Les entreprises et les organisations utilisent de plus en plus l’IA pour protéger leurs clients et contrecarrer les efforts des fraudeurs du monde entier.
La société de sécurité vocale Hiya a découvert que 550 millions d’appels frauduleux étaient passés par semaine en 2023, INTERPOL estimant que les fraudeurs avaient volé 1 000 milliards de dollars aux victimes la même année. Aux États-Unis, l’un des quatre appels vers une liste sans contact a été signalé comme spam présumé, les fraudeurs attirant souvent les gens dans des escroqueries liées à Venmo ou à l’extension de garantie.
Les méthodes traditionnelles de détection des fraudes comprennent des systèmes basés sur des règles, une modélisation statistique et des examens manuels. Ces méthodes ont eu du mal à s’adapter au volume croissant de fraudes à l’ère numérique sans sacrifier la rapidité et la précision. Par exemple, les systèmes basés sur des règles présentent souvent des taux de faux positifs élevés, la modélisation statistique peut prendre du temps et des ressources, et les examens manuels ne peuvent pas évoluer assez rapidement.
De plus, les flux de travail traditionnels de la science des données ne disposent pas de l’infrastructure requise pour analyser les volumes de données impliqués dans la détection des fraudes, ce qui ralentit les temps de traitement et limite l’analyse et la détection en temps réel.
De plus, les fraudeurs eux-mêmes peuvent utiliser des modèles de langage étendus (LLM) et d’autres outils d’IA pour inciter les victimes à investir dans des escroqueries, à renoncer à leurs identifiants bancaires ou à acheter de la cryptomonnaie.
Mais l’IA – associée à des systèmes informatiques accélérés – peut être utilisée pour vérifier l’IA et contribuer à atténuer tous ces problèmes.
Les entreprises qui intègrent des outils robustes de détection de la fraude par l’IA ont constaté une amélioration de la précision de la détection de la fraude jusqu’à 40 %, contribuant ainsi à réduire les dommages financiers et de réputation des institutions.
Ces technologies offrent une infrastructure et des solutions robustes pour analyser de grandes quantités de données transactionnelles et peuvent reconnaître rapidement et efficacement les modèles de fraude et identifier les comportements anormaux.
Les solutions de détection de fraude basées sur l’IA offrent une plus grande précision de détection en examinant la situation dans son ensemble plutôt que les transactions individuelles, détectant ainsi les modèles de fraude que les méthodes traditionnelles pourraient ignorer. L’IA peut également contribuer à réduire les faux positifs, en exploitant des données de qualité pour fournir un contexte sur ce qui constitue une transaction légitime. Et surtout, l’IA et le calcul accéléré offrent une meilleure évolutivité, capables de gérer des réseaux de données massifs pour détecter la fraude en temps réel.
Comment les institutions financières utilisent l’IA pour détecter la fraude
Les services financiers et bancaires sont en première ligne dans la lutte contre la fraude telle que l’usurpation d’identité, le piratage de compte, les transactions fausses ou illégales et les escroqueries par chèque. Les pertes financières mondiales dues à la fraude sur les transactions par carte de crédit devraient atteindre 43 milliards de dollars d’ici 2026.
L’IA contribue à renforcer la sécurité et à relever le défi de l’escalade des incidents de fraude.
Les banques et autres institutions de services financiers peuvent exploiter les technologies NVIDIA pour lutter contre la fraude. Par exemple, l’accélérateur NVIDIA RAPIDS pour Apache Spark permet un traitement des données plus rapide pour gérer d’énormes volumes de données de transaction. Les banques et les institutions de services financiers peuvent également utiliser le nouveau flux de travail NVIDIA AI pour la détection des fraudes – en exploitant des outils d’IA tels que XGBoost et les réseaux de neurones graphiques (GNN) avec NVIDIA RAPIDS, NVIDIA Triton et NVIDIA Morpheus – pour détecter la fraude et réduire les faux positifs.
BNY Mellon a amélioré la précision de la détection des fraudes de 20 % grâce aux systèmes NVIDIA DGX. PayPal a amélioré de 10 % la détection des fraudes en temps réel grâce à l’inférence basée sur le GPU NVIDIA, tout en réduisant la capacité du serveur de près de 8 fois. Et Swedbank a formé des réseaux contradictoires génératifs sur les GPU NVIDIA pour détecter les activités suspectes.
Les agences fédérales américaines luttent contre la fraude grâce à l’IA
Le Government Accountability Office des États-Unis estime que le gouvernement perd jusqu’à 521 milliards de dollars par an en raison de la fraude, sur la base d’une analyse des exercices fiscaux 2018 à 2022. La fraude fiscale, la fraude par chèque et les paiements irréguliers aux entrepreneurs, en plus des paiements irréguliers au titre du Social Les programmes de sécurité et d’assurance-maladie sont devenus un frein considérable aux finances du gouvernement.
Même si une partie de cette fraude a été exacerbée par la récente pandémie, trouver de nouveaux moyens de lutter contre la fraude est devenu un impératif stratégique. C’est pourquoi les agences fédérales se sont tournées vers l’IA et l’informatique accélérée pour améliorer la détection des fraudes et prévenir les paiements irréguliers.
Par exemple, le département du Trésor américain a commencé à utiliser l’apprentissage automatique fin 2022 pour analyser sa mine de données et atténuer la fraude par chèque. Le ministère estime que l’IA a aidé les responsables à prévenir ou à récupérer plus de 4 milliards de dollars de fraude au cours de l’exercice 2024.
Aux côtés du Département du Trésor, des agences telles que l’Internal Revenue Service se sont tournées vers l’IA et l’apprentissage automatique pour combler l’écart fiscal – y compris la fraude fiscale – qui a été estimé à 606 milliards de dollars pour l’année fiscale 2022. L’IRS a exploré l’utilisation du système accéléré de NVIDIA. des cadres de science des données tels que RAPIDS et Morpheus pour identifier les modèles anormaux dans les dossiers des contribuables, l’accès aux données et les vulnérabilités et expositions courantes. Les LLM combinés à la génération augmentée par récupération et à RAPIDS ont également été utilisés pour mettre en évidence les enregistrements susceptibles de ne pas être conformes aux politiques.
Comment l’IA peut aider à endiguer la fraude potentielle dans le secteur des soins de santé
Selon le ministère américain de la Justice, la fraude, le gaspillage et les abus en matière de soins de santé pourraient représenter jusqu’à 10 % de toutes les dépenses de santé. D’autres estimations estiment ce pourcentage plus proche de 3 %. La fraude à Medicare et Medicaid pourrait atteindre près de 100 milliards de dollars. Quoi qu’il en soit, la fraude dans le domaine des soins de santé représente un problème qui pèse des centaines de milliards de dollars.
Le défi supplémentaire que pose la fraude dans le domaine des soins de santé est qu’elle peut provenir de toutes les directions. Contrairement à l’IRS ou au secteur des services financiers, le secteur de la santé est un écosystème fragmenté composé de systèmes hospitaliers, de compagnies d’assurance, de sociétés pharmaceutiques, de cabinets médicaux ou dentaires indépendants, etc. La fraude peut se produire tant au niveau du prestataire que du patient, mettant la pression sur l’ensemble du système.
Les types courants de fraude potentielle en matière de soins de santé comprennent :
- Facturation des services non rendus
- Upcoding : facturation d’un service plus cher que celui rendu
- Dégroupage : plusieurs factures pour un même service
- Falsification des dossiers
- Utiliser l’assurance de quelqu’un d’autre
- Ordonnances falsifiées
Les mêmes technologies d’IA qui contribuent à lutter contre la fraude dans les services financiers et le secteur public peuvent également être appliquées aux soins de santé. Les compagnies d’assurance peuvent utiliser la détection de modèles et d’anomalies pour rechercher des réclamations qui semblent atypiques, émanant du prestataire ou du patient, et examiner les données de facturation à la recherche d’activités potentiellement frauduleuses. La surveillance en temps réel peut détecter toute activité suspecte à la source, au moment même où elle se produit. Et le traitement automatisé des réclamations peut contribuer à réduire les erreurs humaines et à détecter les incohérences tout en améliorant l’efficacité opérationnelle.
Le traitement des données via NVIDIA RAPIDS peut être combiné avec l’apprentissage automatique et les GNN ou d’autres types d’IA pour aider à mieux détecter la fraude à chaque niveau du système de santé, aidant ainsi les patients et les praticiens du monde entier à faire face à des coûts de soins élevés.
L’IA pour la détection des fraudes pourrait permettre d’économiser des milliards de dollars
Les services financiers, le secteur public et le secteur de la santé utilisent tous l’IA pour détecter la fraude afin de fournir une défense continue contre l’une des plus grandes pertes d’activité économique au monde.
La plateforme NVIDIA AI prend en charge l’ensemble du pipeline de détection des fraudes et de vérification d’identité — de la préparation des données à la formation des modèles en passant par le déploiement — avec des outils tels que NVIDIA RAPIDS, NVIDIA Triton Inference Server et NVIDIA Morpheus sur la plateforme logicielle NVIDIA AI Enterprise.
En savoir plus sur Solutions NVIDIA pour la détection des fraudes avec l’IA et le calcul accéléré.