BNP Paribas : détection de fraude en temps réel et KYC accéléré
Un socle gouverné d'abord, les modèles qui tournent dessus ensuite.
La fraude attrapée pendant qu'elle se produit, le KYC réduit de plus de moitié, sur un patrimoine de données où rien ne doit sortir de son périmètre.
Contexte du projet
BNP Paribas travaille sur un patrimoine de données massif et sensible. Deux problèmes se posaient dessus, et tous deux renvoyaient à la même cause.
La fraude doit être attrapée pendant que la transaction circule encore, sur des volumes qu'aucune revue manuelle ne suit. Et le KYC, le contrôle qui ouvre ou bloque une relation client, était ralenti par des données clients dispersées entre systèmes et par des contrôles faits à la main.
Ni l'un ni l'autre n'est un problème de modèle. Un modèle de détection entraîné sur un référentiel client fragmenté trouve de la fraude là où il n'y en a pas et rate celle qui existe. C'est le socle qu'il fallait reprendre d'abord.
Objectifs stratégiques
Détecter tant que ça compte encore
Une fraude détectée après règlement est une fraude constatée, pas une fraude arrêtée. La détection devait tourner sur les flux, au volume que la banque traite réellement.
Un client connu une fois, pas cinq
Des données clients réparties entre systèmes, ce sont cinq versions partielles de la même personne. Le KYC ne peut pas accélérer tant qu'il n'existe pas un référentiel unique à interroger.
Une donnée réglementaire qui tient
La qualité n'était pas mesurée : personne ne pouvait dire ce que valait un chiffre réglementaire. Ce qui n'est pas mesuré ne se défend pas devant un régulateur.
Rien hors du périmètre
L'ensemble du programme se déroule sous forte contrainte de conformité et de souveraineté. La vitesse ne pouvait s'acheter en relâchant ni l'une ni l'autre.
Solutions déployées par Adservio
Un socle data gouverné d'abord, les modèles par-dessus ensuite. Le MDM donne un référentiel client unique, la qualité se mesure en continu au lieu de s'auditer de temps en temps, la détection d'anomalies tourne sur les flux, et un data copilot répond aux analystes avec des sources qu'ils peuvent remonter.
Un référentiel client unique par le MDM
Le master data management réconcilie les enregistrements clients dispersés en un référentiel unique. C'est ce qui transforme un contrôle KYC en consultation plutôt qu'en enquête.
Une qualité mesurée en continu
La qualité de la donnée cesse d'être un audit ponctuel pour devenir une mesure qui tourne. Un chiffre réglementaire arrive désormais avec un niveau de fiabilité connu.
La détection d'anomalies sur les flux
Les modèles de détection sont branchés sur les flux de transactions plutôt qu'exécutés sur des extractions. La fraude est attrapée pendant que la transaction circule.
Un data copilot pour les analystes
Les analystes interrogent la donnée en langage naturel et obtiennent des réponses qui portent leurs sources. La décision accélère sans que la piste d'audit s'amincisse.
Résultats
Une détection en hausse de 40 %, sur les flux plutôt que sur des extractions, ce qui fait la différence entre constater une fraude et l'arrêter.
Un KYC réduit de 60 %, une fois qu'un référentiel client unique a remplacé le rapprochement fait à la main.
Une précision en hausse de 30 % : les mêmes algorithmes se comportent autrement dès que le socle sous eux est fiable.
Impact
Une détection qui agit au lieu de constater
Tourner sur les flux fait passer la détection de l'après au pendant. Une fraude attrapée en mouvement peut être arrêtée ; la même fraude trouvée dans un rapport ne peut être que comptée.
Une relation ouverte en heures, pas en jours
Réduire le KYC de 60 %, ce n'est pas un gain d'efficacité interne. C'est le temps qu'un client attend avant que la banque puisse travailler avec lui.
Le socle comme véritable levier
Une précision en hausse de 30 % sans changer d'approche montre d'où vient le gain : pas de meilleurs modèles, mais d'un référentiel client et d'une qualité mesurée en dessous d'eux.
Autres réalisations
Programme INES : contrôle dépositaire augmenté par IA
FastPass IA & Mobile Order
Un mapping de migration Workday accéléré par l'IA
DSI Augmentée : GenAI dans la software factory data
DSI Augmentée : GenAI au cœur du SDLC
DSI Augmentée : socle IA souverain sur tout le SDLC
Modernisation flux interbancaires & SAP S/4HANA
Performance & Observabilité 360°
Dentaline : Deep Learning radios panoramiques
Analyse de risques EBIOS RM & RGPD
Centre de la Performance Applicative
DevOps Automatisation : Assurance vie
Création du SI associatif éducatif
Cinké Évolution : Pilotage Data Visualisation
Analyse de Risques Ebios RM sur Azure
Modernisation SIAG via SAP Fiori
DevOps & DataOps : Migration Cloud Azure
Refonte & TMA Digitale : Performance Web
Fabrik Digitale : Cloud-Native sur Azure
TIV Test & Reporting : maintenance ferroviaire
Projet GOC 2.0, audit architecture critique
Transformation Digitale : Soon & Connect
SpeedBooking : une plateforme livrée pour 600+ hôtels
Un moteur de règles GTA refondu sans aucune régression
Reprenez le socle, puis les modèles
Discutons de votre référentiel client, de la qualité de vos données et de vos exigences de détection. Un expert Adservio vous recontacte sous 24 h ouvrées.