Comment l’intelligence artificielle peut-elle être utilisée dans l’analyse commerciale afin de prévenir la fraude? C’est la question à laquelle plus de 300 employés de la Banque Scotia ont tenté de répondre lors du tout premier Programmathon de la Banque sur l’IA.
Les participants de 83 équipes se sont vu attribuer des ensembles de données représentatifs des opérations par carte de crédit sur des sites de commerce en ligne, ainsi que des comportements des clients, anonymisés, sur ces mêmes sites. Le concours virtuel, en plusieurs étapes, mettait les participants au défi de faire ressortir des idées grâce à l’analyse commerciale et à la modélisation de l’IA afin de prévenir efficacement la fraude, tout en tenant compte de la croissance.
Selon le Centre antifraude du Canada, le Canada aurait perdu 531 M$ en raison de la fraude en 2022. Le commerce en ligne étant en plein essor, adopter des modèles fiables de détection des fraudes s’avère donc plus important que jamais, pour éviter de subir des pertes colossales à l’avenir.
Lors du Programmathon de juin, les équipes se sont vu présenter deux ensembles de données — publiques et simulées — qui fournissaient des données anonymisées ou simulées sur les opérations des clients telles que le montant des dépenses et la limite de crédit, ainsi que ce que l’on appelle les données de parcours, qui fournissent des informations sur toutes sortes de comportements des clients sur le site Web, tels que les articles consultés ou l’utilisation d’une nouvelle carte de crédit. Chacun de ces points de données peut indiquer la possibilité d’une fraude et les points peuvent être utilisés collectivement dans un modèle d’IA qui peut lancer un signal d’alerte et bloquer de manière fiable les tentatives de fraude.
Bien que toutes les équipes aient conçu des modèles d’une grande précision, les membres du jury ont finalement décerné la première place à l’équipe FraudSeer, composée de : James Cao, directeur, Stratégie et scientifique de données, Risque de crédit aux particuliers; Juno Jiang, scientifique de données principal, Risque de crédit aux particuliers; et Sophie Zhang, directrice principale, Stratégies de recouvrement, Risque de crédit aux particuliers.
Photo : L’équipe FraudSeer
«Le fait d’avoir un modèle fabuleux sur papier n’est pas suffisant. Nous avons également besoin d’une plateforme d’IA compatible pour le déploiement et d’une stratégie permettant d’optimiser les risques et les bénéfices», a déclaré Sophie Zhang.
Le modèle de l’équipe FraudSeer a détecté la fraude avec précision, mais ce qui a distingué l’équipe, c’est sa présentation claire des concepts complexes de l’IA, des implications commerciales et des prochaines étapes hypothétiques pour l’intégration de son modèle dans les systèmes existants, ont déclaré les membres du jury.
Les membres de l’équipe connaissaient bien l’analyse des données en raison de leur travail sur le crédit à la Banque, mais le format du concours leur a permis d’explorer une nouvelle question et d’expérimenter de nouvelles approches innovantes, a noté Mme Zhang.
L’approche gagnante de l’équipe FraudSeer faisait appel à l’apprentissage automatique (un sous-domaine de l’IA), à l’ingénierie des données et au réglage d’hyperparamètres et consistait essentiellement à optimiser les paramètres utilisés pour découvrir les tendances à partir des données, a déclaré James Cao.
En termes simples, l’équipe FraudSeer a utilisé des algorithmes d’apprentissage automatique pour déceler des tendances à partir des données qui lui étaient fournies, puis a appliqué ces modèles à de nouvelles opérations pour leur attribuer une probabilité de fraude. Certains facteurs tels que l’utilisation d’une carte-cadeau, le système d’exploitation utilisé ou le lieu de l’opération peuvent fournir des informations de base utiles qui sont utilisées pour calculer la probabilité de fraude.
L’IA peut améliorer la prise de décision, l’expérience client et l’efficacité opérationnelle. L’IA continuera à façonner l’avenir du secteur financier.
«Il n’existe pas de modèle parfait. Chaque modèle a ses propres inconvénients ou lacunes et trouver l’équilibre est donc primordial, en particulier dans le cas de la détection des fraudes, a affirmé M. Cao. D’une part, si votre modèle n’est pas assez sensible, il ne détectera pas la fraude. D’autre part, un modèle trop sensible bloquera des opérations légitimes, ce qui créera une expérience négative pour les clients.»
Un autre élément est l’importance de l’éthique des données et de la protection des renseignements personnels des utilisateurs. La Banque Scotia se place en chef de file en ce qui a trait aux données éthiques et à l’IA et a été l’une des premières institutions financières canadiennes à mettre en œuvre et à rendre opérationnel un outil d’évaluation de l’éthique des données dans les modèles d’IA et d’apprentissage automatique.
Le Programmathon s’inscrivait dans le cadre de la recherche en cours sur l’utilisation novatrice de l’IA effectuée par la Banque, à mesure que la technologie continue de se perfectionner.
Lorsque Yannick Lallement, vice-président, Analytique, Fonctions d’entreprise et chef, Intelligence artificielle, a eu l’idée de cet événement l’année dernière, il craignait qu’il n’y ait pas assez de participants. L’intérêt considérable que l’événement a suscité auprès des employés de la Banque Scotia témoigne de l’enthousiasme à l’égard de l’innovation dans le domaine de l’IA, explique M. Lallement.
«Nous sommes convaincus que l’IA est le moteur de l’innovation et de la refonte des services bancaires. Notre Programmathon est l’évidence même que nos talents en interne peuvent exploiter l’incroyable potentiel de l’IA. L’IA peut améliorer la prise de décision, l’expérience client et l’efficacité opérationnelle. L’IA continuera à façonner l’avenir du secteur financier», a-t-il déclaré à l’issue de l’événement.
M. Cao a hâte de poursuivre les conversations pour déceler les occasions d’innovation au sein de la Banque grâce à l’IA : «Ce Programmathon était fort intéressant, mais comment maintenir l’élan?»