Vérifications entièrement automatisées ou semi-automatisées : Incorporation de l’homme dans le processus de vérification des documents

Le triangle des compromis : Précision, rapidité et coût

Il n’existe pas de solution parfaite pour la détection des fraudes. Les modèles automatisés et les humains sont tous deux sujets à des erreurs. Le fait de passer plus de temps sur une tâche entraîne généralement une plus grande précision, mais ne permet jamais d’éliminer complètement les erreurs. Par conséquent, tout système de vérification de documents doit tenir compte de trois facteurs essentiels :

• Précision : La capacité à identifier correctement les documents authentiques et frauduleux.
• Vitesse : Temps nécessaire pour traiter un document.
• Le coût : L’investissement financier requis pour le processus de vérification.

La vérification des documents d’identité est unique en ce sens que les documents frauduleux sont relativement rares. Cependant, le coût de l’absence d’un document frauduleux peut être très élevé, selon le cas d’utilisation. Inversement, le fait de rejeter des documents authentiques ou d’entraîner des retards pour des clients valides entraîne des frictions et un manque à gagner.

Automatisation complète ou semi-automatique : Le pour et le contre

• Les systèmes entièrement automatisés sont rapides comme l’éclair et traitent souvent les documents en quelques secondes. Bien que la technologie de détection automatisée des fraudes ait progressé, les experts humains restent l’étalon-or de la précision. Cependant, s’appuyer uniquement sur des experts est coûteux et difficile à adapter.
• Les systèmes semi-automatisés (également connus sous le nom de systèmes « human-in-the-loop ») offrent une solution intermédiaire. Ils tirent parti de l’automatisation pour la rapidité et l’efficacité, mais intègrent stratégiquement un examen humain pour les cas complexes ou à haut risque.

Mesurer la performance : BPCER et APCER

Deux paramètres clés permettent d’évaluer les systèmes de vérification des documents :

• Taux d’erreur de classification des présentations authentiques (BPCER) : Le taux auquel les documents authentiques sont incorrectement rejetés (similaire au « taux de faux rejets »).
• Taux d’erreur de classification des présentations d’attaques (APCER) : Le taux auquel les documents frauduleux sont incorrectement acceptés (similaire au « taux de fausse acceptation »).

Différents paramètres au sein d’un même cas d’utilisation (examen des transactions) peuvent donner la priorité à une mesure plutôt qu’à une autre. Par exemple, l’approbation de petites transactions peut favoriser un BPCER plus élevé (accepter plus de documents authentiques, même si quelques documents frauduleux se faufilent) afin de minimiser les frictions. Inversement, les transactions importantes exigent un APCER plus faible, en mettant l’accent sur la sécurité, même si cela implique de rejeter plus de documents authentiques dans un premier temps.

Équilibrer l’assurance et la conversion avec l’examen humain

Les systèmes entièrement automatisés permettent souvent d’ajuster l’équilibre entre les deux :

• Assurance élevée : Donner la priorité à un APCER faible (acceptation d’une fraude minimale) au prix potentiel d’un BPCER plus élevé (plus de rejets de documents authentiques).
• Conversion élevée : Donner la priorité à un BPCER faible (accepter la plupart des documents authentiques) au risque d’un APCER plus élevé (accepter davantage de fraudes).

Cependant, même avec des ajustements, un APCER très bas peut se traduire par un BPCER inacceptablement élevé, ce qui a un impact sur la satisfaction du client.

Stratégies d’intégration de l’homme dans la boucle

Les systèmes semi-automatiques offrent plusieurs façons d’intégrer l’expertise humaine :

1. Examen des transactions à haut risque : Les humains n’examinent que les transactions à haut risque (par exemple, les montants élevés).
2. Examen des suspicions de fraude : Des personnes examinent tous les documents signalés comme potentiellement frauduleux par le système automatisé.
3. Classification en trois catégories : Le système classe les documents dans les catégories suivantes : « certainement frauduleux », « certainement authentique » ou « incertain ». Les humains n’examinent que la catégorie « incertain ». Ce système permet un contrôle indépendant de l’APCER et du BPCER, ce qui permet d’atteindre un niveau d’assurance et de conversion élevé.

Autres avantages de l’examen humain

Au-delà de l’amélioration de la précision, l’examen humain peut

• Valider les performances du système automatisé : En contrôlant manuellement un échantillon aléatoire de décisions, les entreprises peuvent vérifier l’exactitude du système automatisé sur leurs données spécifiques.
• Évaluer la performance des annotateurs humains : La même technique d’échantillonnage aléatoire peut être utilisée pour évaluer les performances des évaluateurs humains eux-mêmes.

Dans ces cas, bien que l’examen humain soit inclus, il ne s’agit pas techniquement de processus humains dans la boucle.

Conclusion

La vérification des documents nécessite une approche nuancée qui concilie vitesse, précision et coût. Les systèmes semi-automatisés, qui intègrent stratégiquement un contrôle humain, offrent la souplesse nécessaire pour s’adapter aux différentes tolérances au risque et aux différents cas d’utilisation, en offrant le meilleur des deux mondes : l’efficacité de l’automatisation et la précision du jugement humain.