Détection de fraude temps réel

Contexte

Grande banque retail française (10M de transactions par jour) faisant face à une hausse de 25% de la fraude carte bancaire en 2 ans. Le système anti-fraude actuel repose sur 200 règles statiques définies manuellement il y a 5 ans. Les fraudeurs ont appris à contourner ces règles. Le taux de faux positifs est de 90%, saturant l'équipe de 15 analystes fraude qui ne peut traiter que 30% des alertes.

Problème & Défi

Fraude CB en hausse de 25% en 2 ans malgré 200 règles anti-fraude statiques. Faux positifs à 90% : 15 analystes fraude ne peuvent traiter que 30% des 50K alertes mensuelles. Nouvelles typologies de fraude (social engineering, SIM swap) non couvertes par les règles existantes. Temps de détection moyen : 48h après la transaction frauduleuse. Pertes directes de fraude : 20M€/an avec tendance à la hausse. Friction client excessive : 5% des transactions légitimes bloquées.

Solution & Livrables

Modèle ML de détection de fraude temps réel scorant chaque transaction en <100ms avec 50+ features comportementales. Division des faux positifs de 90% à 30% tout en augmentant le taux de détection de 60% à 92%. Feature engineering avancé : profil comportemental par carte, merchant, géolocalisation, device fingerprint. Système adaptatif : ré-entraînement mensuel sur les nouveaux patterns de fraude détectés. Dashboard temps réel pour les analystes fraude avec priorisation intelligente des alertes. Premier résultat visible en 30 jours - industrialisation complète en 3 mois.

Technologies