INTERPRÉTABILITÉ DE L’IA Guide 3/3 : Approches d’interprétation des modèles d’IA

AdvanThink (ISoft) est un éditeur français de solutions de Data Science innovantes au service des projets Métiers.
Fondé à l’occasion de l’un des premiers projets européens consacré au Machine Learning (FP2 Machine Learning Toolbox), AdvanThink conserve depuis une avance historique dans ce domaine et une
importante activité de R&D.
Les travaux de R&D d’AdvanThink (ISoft) dans le champ de l’interprétabilité s’inscrivent dans un projet de
recherche plus large : rendre les dernières avancées de l’IA et du Machine Learning accessibles aux
directions Métiers des entreprises.
L’interprétabilité est donc naturellement au cœur de la recherche d’AdvanThink (ISoft). C’est un prérequis pour développer des solutions accessibles à tous et pour permettre la mise en place d’applications d’IA
opérationnelles.

Dans cette optique, AdvanThink s’attache à rendre transparentes et simples d’utilisation
les technologies d’IA, afin que ces dernières soient maîtrisées aussi bien par l’IT que par les Data
Scientists et les utilisateurs Métiers.


L’interprétabilité de l’IA est également au cœur des solutions d’AdvanThink pour la détection en temps réel des risques, notamment dans le secteur financier, où la réactivité, l’autonomie et la confiance dans
les décisions prises sont des prérequis pour combattre efficacement la fraude et le blanchiment.
Dans ce domaine, AdvanThink propose des solutions innovantes, fruit de 25 ans de R&D dans le Machine
Learning appliqué à la détection d’anomalies, et d’une expertise Métier de plus de 15 ans dans le
domaine de la lutte contre le crime financier. AdvanThink est aujourd’hui leader européen de la prévention des crimes financiers, avec plus de 40 milliards d’€ protégés en temps réel chaque jour.

N’hésitez pas à télécharger l’ebook via ce lien : https://advanthink.com/vous-etes/telechargement/?document=Banque%20de%20d%C3%A9tail%20%3A%20prot%C3%A9ger%20tous%20vos%20moyens%20de%20paiement

INTERPRÉTABILITÉ DE L’IA Guide 2/3 : Une ou des interprétabilités

L’interprétabilité de l’IA est au cœur des débats sur la mise en œuvre massive d’applications et
d’outils basés sur l’Intelligence Artificielle et le Machine Learning. Cependant, le concept
d’interprétabilité est souvent utilisé pour désigner des problématiques très diverses, parfois même
antinomiques. Cette confusion peut s’expliquer par l’absence d’une définition précise et
consensuelle de la notion d’interprétabilité. Mais aussi, et surtout, par la multitude d’enjeux associés
à l’interprétabilité : derrière une seule et même notion, on trouve des acteurs différents et des
attentes très diverses.


En partageant ses recherches sur l’interprétabilité à travers une série de trois guides, l’objectif
d’ISoft est de démystifier le sujet de l’interprétabilité et d’en donner une vision synthétique.
Dans ce premier guide, « l’enjeu de la confiance », nous proposons de prendre du recul sur la
notion d’interprétabilité de l’IA, et de la replacer dans un contexte plus large : celui de la
confiance dans le progrès technique. Une problématique loin d’être nouvelle et dont on trouve
les premiers fondements dès l’Antiquité.

N’hésitez pas à télécharger l’ebook via ce lien : https://advanthink.com/vous-etes/telechargement/?document=Banque%20de%20d%C3%A9tail%20%3A%20prot%C3%A9ger%20tous%20vos%20moyens%20de%20paiement

INTERPRÉTABILITÉ DE L’IA : L’enjeu de la confiance

L’interprétabilité de l’IA est au cœur des débats sur la mise en œuvre massive d’applications et
d’outils basés sur l’Intelligence Artificielle et le Machine Learning. Cependant, le concept
d’interprétabilité est souvent utilisé pour désigner des problématiques très diverses, parfois même
antinomiques.

Cette confusion peut s’expliquer par l’absence d’une définition précise et
consensuelle de la notion d’interprétabilité. Mais aussi, et surtout, par la multitude d’enjeux associés
à l’interprétabilité : derrière une seule et même notion, on trouve des acteurs différents et des
attentes très diverses.


En partageant ses recherches sur l’interprétabilité à travers une série de trois guides, l’objectif
d’ISoft est de démystifier le sujet de l’interprétabilité et d’en donner une vision synthétique.
Dans ce premier guide, « l’enjeu de la confiance », nous proposons de prendre du recul sur la
notion d’interprétabilité de l’IA, et de la replacer dans un contexte plus large : celui de la
confiance dans le progrès technique. Une problématique loin d’être nouvelle et dont on trouve
les premiers fondements dès l’Antiquité.

N’hésitez pas à télécharger l’ebook via ce lien : https://advanthink.com/vous-etes/telechargement/?document=Banque%20de%20d%C3%A9tail%20%3A%20prot%C3%A9ger%20tous%20vos%20moyens%20de%20paiement

L’intelligence Artificielle pour combattre le blanchiment

« Combattre le blanchiment, c’est mettre fin aux préjudices causés par des délits graves. Combattre
le blanchiment ne consiste pas à cocher des cases ». Cette déclaration en décembre 2019 de David
Lewis, président du secrétariat du Groupe d’Action Financière (GAFI), illustre les nouvelles attentes
des régulateurs envers les établissements financiers en matière de lutte contre le blanchiment et le
financement du terrorisme.
Alors que, selon Europol, à peine 1% des fonds issus de l’activité criminelle dans l’Union européenne
sont confisqués par les autorités compétentes, la pression s’accroit sur les établissements financiers
pour que ceux-ci détectent plus efficacement les opérations criminelles impliquant leurs clients. Ces
dernières années, des amendes record ont été infligées aux établissements dont le dispositif de
Lutte Contre le Blanchiment et le Financement du Terrorisme (LCB-FT) était insuffisant.
Dans ce contexte, les technologies les plus avancées d’analyse comportementale et de Data Science
s’imposent comme des outils incontournables pour détecter efficacement les opérations de
blanchiment et de financement du terrorisme.
Mais ces technologies sont-elles compatibles avec la réalité d’un département LCB-FT, où les
équipes sont majoritairement Métiers, et où la traçabilité et la transparence des décisions sont
primordiales pour assurer la conformité règlementaire ?

« Combattre le blanchiment, c’est mettre fin aux préjudices causés par des
délits graves. Combattre le blanchiment ne consiste pas à cocher des cases ».


David Lewis, Groupe d’Action Financière (GAFI)

N’hésitez pas à télécharger l’ebook via ce lien : https://advanthink.com/vous-etes/telechargement/?document=Banque%20de%20d%C3%A9tail%20%3A%20prot%C3%A9ger%20tous%20vos%20moyens%20de%20paiement

Faire du Machine Learning un outil de productivité au quotidien pour le métier

Les apports du Machine Learning dans le domaine de la lutte contre le crime financier ne sont plus à
démontrer. Par sa capacité à explorer de très grands volumes de données et à modéliser finement
les comportements suspects, le Machine Learning permet de détecter des tentatives de fraude et
des réseaux de blanchiment très sophistiqués.
Pourtant, le Machine Learning tarde à être adopté au sein de certains établissements financiers. Une
réticence qui peut s’expliquer par les caractéristiques de la lutte contre la fraude. En effet, pour
répondre à des tentatives de fraude instantanées, sophistiquées et en évolution constante, les
équipes de gestion du risque doivent être elles-mêmes très réactives et capables de faire évoluer
leur stratégie en temps réel et en toute confiance. Un besoin d’agilité et d’autonomie du Métier qui
peut paraître, de prime abord, incompatible avec la complexité des technologies de Machine
Learning.
Pourtant, il est tout à fait possible aujourd’hui d’intégrer les modèles de Machine Learning au sein
des processus Métiers, et de faire du Machine Learning un outil de productivité au quotidien pour
lutter contre le crime financier.


DANS CET E-BOOK, NOUS VOUS PRÉSENTONS :

  • Les apports du Machine Learning dans le cadre de la prévention des crimes financiers.
  • Les spécificités de la prévention des crimes financiers, et les enjeux de réactivité et d’autonomie
    du Métier dans ce domaine.
  • Les prérequis pour qu’une solution de Machine Learning soit efficace dans le cadre de la
    prévention des crimes financiers

N’hésitez pas à télécharger l’ebook via ce lien : https://advanthink.com/vous-etes/telechargement/?document=Banque%20de%20d%C3%A9tail%20%3A%20prot%C3%A9ger%20tous%20vos%20moyens%20de%20paiement

BANQUE EN LIGNE : Accepter plus de nouveaux clients en toute sécurité

Les nouvelles offres bancaires 100% digitales ont rencontré un vif succès auprès des
consommateurs ces dernières années. Un succès qui s’explique notamment par la souplesse et la
simplicité de ces services en ligne. Plus besoin de se déplacer dans une agence physique pour créer
et gérer son compte : le client peut désormais effectuer toutes ses opérations bancaires de chez lui.
Du côté des établissements financiers, l’objectif est d’attirer un maximum de nouveaux clients à
travers les offres de banque en ligne. Pour se distinguer des concurrents, dans un contexte de forte
compétition, il est essentiel de proposer une ouverture de compte aussi simple et instantanée que
possible. Si le processus de souscription est trop long ou trop fastidieux, beaucoup de clients n’iront
pas au bout de la démarche.
Dans le même temps, les fraudeurs profitent de ce relatif assouplissement des démarches
d’ouverture de compte pour créer des comptes illicites à partir d’identités fausses ou volées.
Les établissements financiers doivent donc arbitrer entre deux objectifs a priori contradictoires.
D’une part, rendre le processus d’onboarding client aussi simple et attractif que possible afin de se
distinguer de la concurrence. D’autre part, maintenir un haut niveau de sécurité pour empêcher les
fraudeurs d’entrer.
Les solutions d’Intelligence Artificielle et d’analyse comportementale les plus avancées permettent
aujourd’hui de répondre à ces deux objectifs et de proposer aux nouveaux clients une expérience
frictionless tout en maintenant un haut niveau de sécurité et en identifiant efficacement les
tentatives de fraude et de blanchiment.


DANS CET E-BOOK, NOUS VOUS PRÉSENTONS :

  • Les différentes stratégies mises en œuvre par les fraudeurs pour exploiter les services bancaires
    en ligne.
  • Les moyens à la disposition des établissements financiers pour accueillir un maximum de
    nouveaux clients tout en protégeant efficacement les nouveaux comptes.

N’hésitez pas à télécharger le ebook sur : https://advanthink.com/vousetes/telechargement/?document=Banque%20de%20d%C3%A9tail%20%3A%20prot%C3%A9ger%20tous%20vos%20moyens%20de%20paiement