Introduction et motivation

Détection de fraude en R

Bart Baesens

Professor Data Science at KU Leuven

Intervenants

Qu'est-ce que la fraude ?

La fraude est un crime rare, réfléchi, subtilement dissimulé, évolutif dans le temps et souvent soigneusement organisé, qui prend de nombreuses formes.

loup déguisé en mouton

Impact de la fraude

La fraude est très rare, mais le coût de sa non-détection peut être énorme !
Exemples :
- Les organisations perdent 5 % de leurs revenus annuels à cause de la fraude
- L'argent perdu par les entreprises > 3,5 billions $ chaque année
- Les sociétés de cartes bancaires perdent environ 7 cents par 100 $ de transactions
- La fraude représente 5 à 10 % des sinistres IARD payés

Types de fraude

Lutte contre le blanchiment
Fraude aux chèques
Fraude à la carte bancaire
Fraude douanière
Contrefaçon
Usurpation d'identité
Fraude à l'assurance
Fraude hypothécaire
Fraude à la non-livraison

Fraude en ligne
Fraude à la garantie produit
Évasion fiscale
Fraude aux télécommunications
Vol de stock
Fraude aux billets
Fraude dans les transports
Fraude par virement
Fraude à l'indemnisation des travailleurs

Caractéristiques clés des modèles d'analyse de fraude performants

Précision statistique

robin des bois

Caractéristiques clés des modèles d'analyse de fraude performants

Précision statistique
Interprétabilité

minority report

Caractéristiques clés des modèles d'analyse de fraude performants

Précision statistique
Interprétabilité
Conformité réglementaire

réglementaire

Caractéristiques clés des modèles d'analyse de fraude performants

Précision statistique
Interprétabilité
Conformité réglementaire
Impact économique

dagobert

Caractéristiques clés des modèles d'analyse de fraude performants

Précision statistique
Interprétabilité
Conformité réglementaire
Coût économique
Compléter l'expertise métier par des techniques data-driven

homme-machine

Défis d'un modèle de détection de fraude

Déséquilibre
- p. ex. : en fraude carte bancaire, < 0,5 %

botte de foin

Défis d'un modèle de détection de fraude

Déséquilibre
- p. ex. : en fraude carte bancaire, < 0,5 %
Efficacité opérationnelle
- p. ex. : en fraude carte bancaire, décision en < 8 s

flash

Défis d'un modèle de détection de fraude

Déséquilibre
- p. ex. : en fraude carte bancaire, < 0,5 %
Efficacité opérationnelle
- p. ex. : en fraude carte bancaire, décision en < 8 s
Éviter de harceler les bons clients

bon client

Données déséquilibrées

Après une violente tempête, une compagnie d'assurance reçoit de nombreux sinistres
- Les sinistres frauduleux sont étiquetés 1 et les légitimes 0
Le pourcentage de fraudes se calcule avec
- table() et prop.table()
prop.table(table(...)) pour déterminer la proportion de fraude

prop.table(table(fraud_label))

     0      1
0.9911 0.0089

Visualiser le déséquilibre avec un camembert

labels <- c("no fraud", "fraud")
labels <- paste(labels, round(100 * prop.table(table(fraud_label)), 2), "%")
pie(table(fraud_label), labels, col = c("blue", "red"),
      main = "Pie chart of storm claims")

sinistres tempête

Matrice de confusion

Utilisée pour évaluer un modèle de détection de fraude :

matrice de confusion

Supposons qu'aucun modèle ne soit utilisé : tous les sinistres sont considérés légitimes :

predictions <- rep.int(0, times = nrow(claims))
predictions <- factor(predictions, levels = c("no fraud", "fraud"))

Fonction confusionMatrix() du package caret :

library(caret)
confusionMatrix(data = predictions, reference = fraud_label)

             Reference
 Prediction    0   1
            0 614  14
            1   0   0                                   
 Accuracy : 0.9777

Coût total de la non-détection de fraude : sinistres

Coût total de la fraude : somme des montants frauduleux

Coût total si aucune fraude n'est détectée :

> total_cost <- sum(claim_amount[fraud_label == "fraud"])
> print(total_cost)

Passons à la pratique !

Détection de fraude en R