Détection fraude CB en temps réel

Contexte

Émetteur de cartes bancaires (filiale d'un groupe bancaire, 1 200 employés). Fraude CB en hausse de 25%/an, systèmes de détection basés sur des règles statiques dépassées. Pertes frauduleuses : 12M€/an. Les fraudeurs s'adaptent plus vite que les règles manuelles. Besoin d'un système ML temps réel.

Problème & Défi

Pertes frauduleuses de 12M€/an en hausse de 25% : règles statiques dépassées 800 règles manuelles de détection – 70% obsolètes, maintenance impossible Taux de faux positifs de 15% → 50 000 transactions légitimes bloquées/mois, friction client Temps de détection moyen : 48h post-transaction. trop tard pour bloquer Fraudeurs s'adaptent en 2 semaines aux nouvelles règles. système réactif, jamais prédictif Équipe fraude de 20 analystes saturée → 60% du temps en revue manuelle de faux positifs

Solution & Livrables

Modèle ML de détection fraude temps réel activé (<100ms par transaction) sur l'ensemble du flux CB Détection prédictive : identification des patterns frauduleux 24h avant vs 48h après Taux de faux positifs divisé, passant de 15% à 3% → 45 000 clients/mois débloqués Système auto-adaptatif : réentraînement hebdomadaire sur les nouveaux patterns de fraude Pertes frauduleuses ramenées de 40% la première année (12M€ → 7,2M€) : ROI en 4 mois Équipe fraude recentrée sur l'investigation : temps de revue manuelle abaissé de 60% Système opéré et monitoré par l'équipe Bomzai dans la durée.

Technologies