IBM se sert du big data pour lutter contre la fraude

Big Blue lance un nouvel outil qui se propose de détecter les cas de fraude en analysant un grand volume de données, y compris issues des réseaux sociaux.
Evasion fiscale, blanchiment d’argent, cyber-attaques… La fraude et la criminalité financière couteraient, chaque année, pas moins de 3500 milliards de dollars aux entreprises et administrations publiques. Des criminels qui utiliseraient des plus en plus des canaux numériques – réseaux sociaux, terminaux mobiles, plateformes cloud – pour arriver à leurs fins. En 2012, l’usurpation d'identité a affecté plus de 12 millions de personnes dans le monde et chaque jour, le secteur de la santé des États-Unis perd 650 millions d’euros en raison de réclamations indues.
A l’origine du mal, le numérique peut aussi aider à lutter contre ce type de nouvelle criminalité. D'ici 2016, Gartner prédit qu’un quart des multinationales utiliseront le big data et l'analytique (décisionnel) pour la sécurité ou la détection des fraudes contre 8% aujourd'hui.
Un marché sur lequel IBM veut s’inscrire en lançant un nouveau logiciel baptisé « Smarter counter fraud », associé à un ensemble de services de conseil. Dans une approche big data, cet outil analyse un très grand nombre de données internes et externes – issues notamment des mobiles et des réseaux sociaux – qu’il compare avec des modèles de comportements frauduleux. Le système fonctionnant en apprentissage automatique (machine learning).
Smarter counter fraud s’attaquera notamment à la fraude à l'assurance en signalant les réclamations suspectes et à la fraude interne quand des employés peu scrupuleux trichent dans le décompte de leurs notes de frais et dépenses de voyages professionnels. En parallèle, Big Blue a créé un groupe de travail dédié à la lutte contre la fraude - IBM Red Cell - qui fonctionnera en tandem avec l’IBM X –Force, une division spécialisée dans la sécurité informatique.
A lire aussi : Bercy se dote d’un outil de datamining pour lutter contre la fraude fiscale
