© 2024 Portfolio. Created for free using WordPress and Kubio

veille

Introduction

Il nous a été demandé de choisir un sujet de veille technologique. J’ai choisi de faire des recherches sur le Big Data car, outre la traduction littérale, qui peut sembler évidente et dont tout le monde parle, je n’avais aucune idée des notions que ce terme pouvait englober. 

Qu’est ce qu’une veille technologique ?

La veille technologique  consiste à s’informer de façon systématique sur les techniques les plus récentes et surtout sur leur mise à disposition commerciale et  ainsi rester informer sur les nouveautés.

 

Big data dans la détection des fraudes de moyens de paiement

Le big data (« grosses données » en anglais), les mégadonnées ou les données massives, désigne les ressources d’informations dont les caractéristiques en termes de volume, de vélocité et de variété

Volume : les entreprises sont submergées de volumes de données croissants de tous types. Les données numériques créées dans le monde seraient passées de 1,2 zettaoctets (valant 1021 octets) par an en 2010 à 1,8 zettaoctets en 2011, puis 2,8 zettaoctets en 2012 et s’élèveront à 40 zettaoctets en 2020.

Vélocité : elle représente la fréquence à laquelle les données sont à la fois générées, capturées et partagées. Pour répondre aux besoins des processus chrono sensibles, tels que la détection de fraudes, le Big Data doit être utilisé à mesure que les données sont collectées par l’entreprise, c’est à dire que les flux croissants de données doivent être analysés en temps réel afin d’en tirer le meilleur résultat.

Variété : le Big Data se présente sous la forme de données brute s, complexes et parfois non-structurées. Quelques exemples de sources : les messages sur les sites de médias sociaux, les images et vidéos publiées en ligne, les signaux GPS de téléphones mobiles. Les analyses sont d’autant plus complexes qu’elles portent sur des liens entre des données de natures différentes.

Le Big Data fait référence à des ensembles de données extrêmement volumineux qui sont analysés par des technologies avancées pour révéler des tendances, des modèles et des associations, surtout en relation avec le comportement et les interactions humaines.

Le Big Data dans le paiement

Dans le secteur bancaire, le Big Data s’est révélé être un outil précieux pour combattre la fraude. Les banques développent des modèles de machine learning qui utilisent l’historique des transactions pour détecter et prédire les cas de fraude. Par exemple, ces modèles peuvent déterminer si un virement est effectué par le titulaire du compte ou s’il s’agit d’une activité suspecte.

Cas pratique : Société Générale et MOSAIC

Un exemple notable est celui de la Société Générale qui a développé MOSAIC, un outil de détection de fraude qui utilise l’intelligence artificielle pour renforcer la sécurité des transactions. Cet outil s’appuie sur le Big Data pour analyser les comportements de transaction et identifier les anomalies qui pourraient indiquer une fraude.


Avantages, opportunités et inconvénients de l'utilisation du Big Data

Amélioration de la précision des détections : 
Le Big Data permet d’analyser de vastes volumes de données transactionnelles en temps réel. Cela aide à identifier des modèles et des anomalies qui pourraient indiquer une activité frauduleuse avec une précision accrue.

Adaptation aux nouvelles méthodes de fraude : Les fraudeurs évoluent constamment dans leurs méthodes pour échapper aux systèmes de détection traditionnels. Une veille technologique continue permet de rester à jour avec les dernières techniques et technologies de fraude, et d’adapter les systèmes de détection en conséquence.

Réduction des pertes financières

En détectant efficacement les fraudes à un stade précoce, les entreprises peuvent significativement réduire les pertes financières dues à des activités frauduleuses. Cela peut aussi diminuer les coûts associés aux enquêtes de fraude et aux recouvrements.

Conformité réglementaire : 
De nombreux secteurs, notamment la finance et la santé, sont réglementés en termes de gestion des données et de lutte contre la fraude. La veille technologique aide les organisations à rester conformes aux lois en vigueur, évitant ainsi des pénalités potentielles.

Optimisation des ressources :
L’utilisation de technologies avancées de Big Data pour la détection de fraude permet aux entreprises de déployer plus efficacement leurs ressources humaines et matérielles. Les systèmes automatisés peuvent gérer les analyses de routine, permettant aux équipes de se concentrer sur des cas plus complexes et stratégiques.

Confiance et réputation de l’entreprise :
 Une détection efficace et rapide de la fraude renforce la confiance des clients et des partenaires commerciaux. Cela contribue positivement à la réputation de l’entreprise et peut fournir un avantage compétitif sur le marché.

Innovation et compétitivité :
Les entreprises qui investissent dans la veille technologique pour la détection de fraude montrent souvent une capacité à innover et à s’adapter rapidement aux changements du marché, ce qui peut les rendre plus compétitives. 

L’utilisation du Big Data présente des avantages suivants:

Comme disent certaine le big data est le nouveau électricité du 21iem siècle.

Ceci dit on peut en tiré énormément des profil grâce à l’analyse des donnée.

On peut citer les exemples suivants:

  • En France les banque utilise l’analyse des données pour faire de la détection de fraude dans les moyens de paiement. 
  • Les e-commerçant qui font de la recommandation à leurs utilisateurs grâce à l’analyse des données
  • Faire de la détection anomalie  
  • Améliorer son expérience clients ;
  • Comprendre les attentes et comportements de ses clients et prospects ;
  • Optimiser sa stratégie marketing digital
  •  Google Analytics permet par exemple d’optimiser son site web de par une analyse en temps réel des données liées: nombre de visites, comportement de navigation, taux de rebond, nombre de pages lues, taux de clics…
  • Target, aux Etats-Unis, parvient avec le Big Data à prédire l’accouchement prochain de femmes enceintes. Comment ? En analysant leur comportement d’achat. Les femmes enceintes achètent des crèmes sans parfum aux alentours de 3 mois de grossesse et des compléments alimentaires ensuite. C’est aussi ça le Big Data.

          Inconvénients 

    • Utilisation des données à des fins néfaste pour la société: exemple le scandale Cambridge analytica dans les élection législative aux USA
    • Développement des robots tueur 
    • Surveillance de masse : exemple les cameras intelligent en chine

Technologies utilisées pour détecter une fraude bancaire

 

Dans le secteur bancaire, la détection de fraude est particulièrement critique en raison de la nature sensible des transactions financières et des conséquences potentiellement graves des activités frauduleuses. Les banques utilisent une combinaison de technologies avancées, de règles réglementaires, et de pratiques de surveillance pour identifier et prévenir la fraude. Voici quelques-unes des technologies et méthodes les plus utilisées :

Systèmes de surveillance des transactions : Ces systèmes analysent les transactions en temps réel pour détecter des comportements inhabituels qui pourraient indiquer une fraude. Ils utilisent souvent des techniques
d’apprentissage automatique pour apprendre des modèles de transactions normales et flaguer celles qui sortent de l’ordinaire.

Analyse comportementale et profilage : En suivant les habitudes de transaction des clients, les banques peuvent détecter des écarts significatifs qui suggèrent des activités potentiellement frauduleuses. Cela inclut des changements dans les lieux des transactions, les montants dépensés, ou les types de transactions.

Technologies de l’intelligence artificielle (IA) :

Réseaux de neurones et modèles prédictifs :

Utilisés pour identifier les schémas complexes de données qui précèdent souvent les incidents de fraude.

Apprentissage profond (Deep Learning) : Pour analyser les données de transaction à un niveau plus profond, détectant ainsi des fraudes plus sophistiquées.

Authentification multifactorielle (MFA) : Pour sécuriser l’accès aux comptes en ligne, les banques utilisent plusieurs méthodes d’authentification, combinant souvent quelque chose que l’utilisateur sait (un mot de passe),
quelque chose qu’il possède (un téléphone portable pour recevoir un code de vérification), et quelque chose qu’il est (biométrie).

Blockchain
 Certaines banques explorent l’utilisation de la technologie blockchain pour sécuriser les transactions et améliorer la transparence, rendant ainsi les activités frauduleuses plus difficiles à réaliser.

Solutions anti-phishing : Les banques emploient des technologies pour détecter et
bloquer les tentatives de phishing, protégeant ainsi les informations personnelles et financières de leurs clients.

Outils de conformité réglementaire : Les banques utilisent des systèmes automatisés pour s’assurer que toutes les transactions sont conformes aux réglementations locales et internationales, ce qui aide à prévenir la
fraude réglementaire et le blanchiment d’argent.

Collaboration et partage d’informations : Les banques collaborent souvent avec d’autres institutions financières et organismes gouvernementaux pour partager des informations sur les menaces et les tactiques de fraude,
améliorant ainsi leur capacité à détecter et à prévenir la fraude. Ces technologies sont intégrées dans des cadres de sécurité stratégiques qui visent à protéger à la fois les clients et les actifs institutionnels tout en garantissant la conformité avec les réglementations financières strictes.

Veille juridique

Une veille juridique est un ensemble d’actions permettant de se tenir au fait des informations pertinentes dans les domaines législatif, réglementaire, jurisprudentiel, voire doctrinal. Il s’agit d’une activité continue, et non ponctuelle, comme peut l’être une simple recherche d’informations.

 

Comment nos données sont ils sécuriser ?

Afin de répondre a cette thématique ma veille se repose sur différents articles :

Mon outils de veille technologique et juridique :

  • Feedly

https://www.pearltrees.com/fouleyecamara

Source
Google alerte

https://www.google.fr/alerts#2:0


© 2024 Portfolio. Created for free using WordPress and Kubio