Le contexte
Une application de paiement entre particuliers, avec plusieurs millions d'utilisateurs, voyait monter trois problèmes : des usages professionnels déguisés en comptes gratuits, des comportements anormaux typiques du blanchiment, et des faux papiers d'identité à l'ouverture de compte. L'équipe conformité traitait tout à la main.
Ce que nous avons construit
- Des modèles de classification pour repérer les usages abusifs à partir de l'historique des transactions.
- Une détection par graphes pour faire ressortir les réseaux de comptes liés et les circuits suspects.
- Du NLP pour classer automatiquement les libellés de transactions et les vendeurs.
- De la vision par ordinateur pour détecter les documents d'identité falsifiés et comparer le visage du selfie à celui du document.
Les pipelines tournent chaque jour sous Airflow, et les équipes métier suivent les résultats dans des tableaux de bord Metabase.
Le résultat
L'équipe conformité ne traite plus que les dossiers à risque, classés par priorité. Les pertes liées à la fraude ont nettement baissé, et la vérification d'identité est devenue quasi instantanée pour les utilisateurs honnêtes.