Corporate Finance News, Hybrid Finance, DeFi
              


Mercredi 24 Février 2021

Nettoyer le "lavage auto" : comment l'apprentissage machine peut aider à détecter la fraude aux prêts automobiles


AUTEUR : David Nicholson, Analytic Product Manager, BAE Systems Applied Intelligence.



David Nicholson
David Nicholson
La fraude augmente traditionnellement en période de crise financière et la crise Covid-19 semble produire les mêmes effets. Quelque 77 % des enquêteurs certifiés en matière de fraude déclarent avoir constaté une augmentation au cours des derniers mois, et plus encore (92 %) s'attendent à ce qu'elle se poursuive au cours des douze prochains mois (1). Les prêts pour le financement automobile sont de plus en plus populaires chez les fraudeurs à la recherche de moyens faciles pour gagner et blanchir de l'argent. Mais de nombreuses institutions financières ont du mal à adapter leur stratégie pour s'attaquer à un ennemi agile qui possède le savoir-faire nécessaire pour changer de tactique lorsque de nouvelles règles anti-fraude sont introduites.

Une cible attrayante

En dehors des bijoux ou de l’immobilier, l’automobile figure parmi les plus gros achats qu'un consommateur effectue au cours de sa vie. Cela en fait une cible attrayante pour les fraudeurs qui cherchent à escroquer les prêteurs en vendant ensuite la voiture pour blanchir les bénéfices. Un acteur de ce secteur affirme que le risque de fraude dans ce domaine a augmenté de 38 % au cours des sept dernières années pour atteindre 7 milliards de dollars l'année dernière rien qu'aux États-Unis. (2)
Les fraudeurs disposent de diverses techniques. Le Dark Web (le "web clandestin") fourmille de données d'identité volées pouvant être achetées et utilisées pour déposer de fausses demandes de prêt. Une autre possibilité consiste à créer des identités synthétiques en utilisant des données réelles et fausses, qui sont encore plus difficiles à repérer pour les banques. Il arrive que des mules soient recrutées, consciemment ou non, pour demander le prêt de financement d'une voiture au nom des fraudeurs. Il arrive aussi qu'un concessionnaire ou un agent soit lui-même impliqué dans la combine.

Tout cela représente un défi pour les banques désireuses de minimiser les pertes dues à la fraude dans un contexte Covid-19 où la pression des coûts et l'incertitude sont montés en flèche au cours des derniers mois. Il existe également des réglementations strictes en matière de lutte contre le blanchiment d'argent (AML) au niveau européen et mondial, que les institutions financières doivent s'assurer de scrupuleusement respecter de manière proactive.

Tout est dans les données

Une banque s'est récemment tournée vers un prestataire technologique après avoir lutté pour mettre fin à la fraude au financement automobile. Son équipe appliquait des règles de détection de base élaborées par des experts internes, mais cette banque reconnaissait que ces mesures étaient difficiles à maintenir et à régler car les fraudeurs eux-mêmes commençaient à adapter leurs efforts pour ne pas apparaître sur les écrans radar. Ils ont eu également à se battre contre les faux positifs (alertes sur des cas non frauduleux) et les faux négatifs (absence d’alerte sur des cas frauduleux).

En appliquant des algorithmes d'apprentissage automatique et des techniques d'analyse de réseau proposés par le prestataire, cette banque a pu produire une vue à 360 degrés sur chaque demandeur. Il y avait de nombreux points de données à examiner sur ces demandes, du montant du prêt et du type de véhicule au salaire du demandeur et aux informations sur le concessionnaire. Ces points de données forment des schémas, qui relient par exemple les demandeurs à certains modèles de comportement sur des fraudes antérieures. Les modèles d'apprentissage automatique sont formés pour reconnaître ces schémas et prédire la fraude.

Grâce à l'analyse de réseau, il est possible d’améliorer ces capacités en détectant tout lien potentiel entre les demandeurs de prêts susceptible d’indiquer un réseau de fraudeurs ou de mules.

Au-delà de la fraude, le blanchiment de capitaux

Au-delà de la fraude elle-même, il faut considérer sur un plan plus large le blanchiment des fonds dérobés par la fraude au financement automobile. Le blanchiment d'argent est un phénomène criminel mondial qui coûte, dit-on, jusqu'à 5 % du PIB par an, et au sein de l'UE on estime que seulement 1 % des revenus illégaux sont interceptés par les autorités (3). La vente de voitures achetées au moyen de prêts frauduleux est un moyen idéal pour "nettoyer" des fonds obtenus illégalement.

Les banques ont non seulement l'obligation réglementaire stricte de réprimer ce type d'activité, mais des clients de plus en plus soucieux de l'éthique l'exigent également de leur banque (4). Les approches traditionnelles de la lutte anti-fraude fondées sur des règles sont rapidement dépassées par des escrocs de plus en plus malins. Il est temps de réfléchir à des options plus intelligentes et adaptables basées sur l'analyse, pour atteindre un impact maximum avec un minimum de frictions entre la banque et ses clients.

(1) Fraud in the Wake of COVID-19: Benchmarking Report

(2) Auto Lenders Meet to Tackle Rising Fraud Trends at Point Predictive Fraud Consortium Roundtable, BusinessWire, 11 juin 2019

(3) The world’s dirty money by the numbers, Arnau Busquets Guardi, Politico, 21 mai 2020

(4) The global state of anti-money laundering, BAE Systems




dernières opinions & actus / latest opinions & news