Comment Bleckwen a aidé Carrefour Banque à lutter plus efficacement contre la fraude à la création de compte

Depuis les années 1980, Carrefour Banque propose des cartes PASS, des cartes Mastercard intégrant le compte fidélité Carrefour et des offres de paiement fractionné en magasin. C’est donc dans le monde physique que la banque du distributeur a commencé à octroyer des crédits. “Cela facilitait la vérification de l’identité du client puisque celui-ci devait présenter ses documents d’identité physiquement à un conseiller, rappelle Karim Tinouiline, responsable fraude de la banque. Avec le tournant du numérique et le lancement de la carte C-zam (une offre numérique, ndlr), les choses se sont compliquées.” La dématérialisation des échanges et l’amoncellement des cas de fraude potentielle à étudier ont poussé Carrefour Banque à chercher une solution pour vérifier plus efficacement l’identité des nouveaux clients et l’authenticité de leurs documents d’identification. 

Fin 2017, le responsable fraude se tourne vers Bleckwen, une société tout juste créée “comme business unit d’Ercom, explique son directeur commercial François de Pimodan. Lorsque la société (spécialisée dans la sécurisation des communications et des terminaux, ndlr) a été rachetée par Thalès, en 2019, nous avons pris notre indépendance.” Avec Carrefour Banque, la petite structure réalise le PoC (proof of concept) d’un outil de scoring des événements et des alertes de fraude. Bâti sur un modèle de machine learning conçu par les ingénieurs de la start-up, il va au-delà de la seule analyse des documents transmis par les clients. Dans le cas des usurpations d’identité, par exemple, on se retrouve “devant ce que l’on pourrait qualifier de fraude parfaite, explique Karim Touiline. La personne présente de vrais documents d’identité, de vrais bulletins de salaire, et c’est extrêmement compliqué à détecter.” 

Des modèles spécialisés pour chaque type de fraude

C’est l’une des raisons pour lesquelles le modèle de Bleckwen n’a pas été spécialisé dans la reconnaissance et l’analyse de documents. Entraîné sur 36 mois de données de fraude fournies par Carrefour Banque, l’outil cherche plutôt à repérer les anomalies de certains dossiers de crédit. “Nous avons travaillé en co-construction avec nos clients pour leur fournir les modèles les mieux adaptés à leur cas d’usage, détaille François de Pimodan. Sur ces enjeux de fraude à la souscription de crédit avec Carrefour Banque, et sur d’autres liés au paiement fournisseur, pour éviter de la fraude au président par exemple, avec BNP Paribas.” 

Dans le cas de Carrefour Banque, cette méthode a permis aux algorithmes d’apprendre à reconnaître des comportements suspects. “Si l’emprunteur souscrit aussi une assurance, par exemple, l’algorithme sait qu’il faudra aller l’observer de plus prêt”, illustre le directeur commercial. Contracter une assurance ne prouve rien en soi, précise-t-il, simplement, “un usurpateur aura tendance à vouloir se créer un profil parfait, et donc souscrire assurance en complément d’un crédit, alors qu’un client normal aura moins tendance à le faire”.

Début avril 2019, le pilote est lancé avec Carrefour Banque. Il court jusqu’à la fin juillet et fonctionne “sur un mode asynchrone”, explique Karim Tinouiline. À l’époque, il était difficile techniquement pour la banque de faire du temps réel. “Chaque soir nous rassemblions l’ensemble des dossiers de crédit traités dans la journée par Carrefour Banque. Nous les transmettions le lendemain matin à Bleckwen qui nous retournait dans la foulée les dix dossiers les plus risqués.” Plusieurs allers-retours ont été nécessaires avec la start-up pour ajuster le modèle. À terme, l’expérimentation a permis d’économiser 1,3 million d’encours financiers frauduleux, selon le responsable fraude. 

Contractualisation et nouveau cas d’usage

Pour passer l’outil à l’échelle, en revanche, il fallait un modèle plus rapide et une adaptation des systèmes internes existants par le département  informatique de Carrefour Banque. “La principale difficulté dans ce projet a probablement été un manque d’agilité de notre part, reconnaît Karim Touiline. Nous n’étions pas toujours en capacité de développer rapidement les APIs nécessaires pour nous connecter à l’interface de Bleckwen.” Mais la start-up s’est adaptée, et propose deux manières d’intégrer sa solution : soit un déploiement “on premise”, notamment lorsqu’il y a  d’importants volumes de paiements, soit par API, “hébergée sur Azure mais aussi compatible avec AWS”, précise François de Pimodan. À ces modalités correspond une facturation comprenant une licence annuelle d’utilisation de la solution, qui varie selon l’hébergement et la maintenance. “Dans le cas de Carrefour Banque, on gère tout”, indique le directeur commercial. 

Après quelques ralentissements imposés par la crise du coronavirus, Bleckwen et Carrefour Banque ont contractualisé leur relation au printemps 2020 pour déployer la solution sur la durée. Depuis, les chiffres sont plus bas que lors du pilote à cause de la réduction du nombre de souscriptions provoquée, elle aussi, par la COVID. Néanmoins, “nous sommes sur des tendances similaires”, déclare Karim Tinouiline, qui constate avoir évité de l’ordre de 400 000 euros de fraudes entre juillet et septembre 2020. Cette somme reste “très intéressante, aussi bien en termes de coût de la solution que d’ETP passés à analyser les dossiers et de de coût de développement”. 

Spécialisation par typologie de fraude

En parallèle, Bleckwen a eu le temps de se développer jusqu’à compter une trentaine de salariés dont 90 % d’ingénieurs. Si la société s’est lancée avec les cas d’usage de BNP Paribas et Carrefour Banque, elle cherche “à travailler sur tout le spectre de la criminalité financière à terme”, assure François de Pimodan. Tout en précisant continuer de chercher des logiques de co-production, car si les premiers modèles de machine learning adaptés à des cas d’usages précis de lutte contre la fraude sont disponibles sur étagères, “l’intelligence artificielle ne fonctionne bien que si elle est très spécialisée”. Or, pour l’entraîner, rien de mieux que l’interaction directe avec le métier. 

Karim Touiline explique d’ailleurs étudier depuis juillet la possibilité de scinder en deux l’outil construit avec Bleckwen, pour le spécialiser selon la typologie de fraude. L’objectif est d’obtenir des résultats encore meilleurs sur les fausses déclarations d’une part, et sur la détection des usurpations d’identité d’autre part. Si ces dernières “sont particulièrement complexes à repérer, elles représentent aussi l’enjeu économique le plus important. En montant, elles écrasent la fraude documentaire” puisque contrairement à ces dernières, pour lesquelles on peut identifier le débiteur, l’usurpation d’identité empêche de recouvrer la créance.