Protéger les clients tout en réduisant les faux positifs
Capital One est l'une des plus grandes banques des États-Unis, et la plus grande banque numérique. Alors que les clients continuent à délaisser les établissements physiques au profit du numérique, Capital One a tiré parti des nouvelles technologies, adoptant et mettant en œuvre des solutions d'IA et de machine learning dans la quasi-totalité des activités de l'entreprise et mettant l'intelligence informatique au service de l'expérience client.
La détection des fraudes est l'un des domaines dans lesquels Capital One a mis en œuvre le machine learning. Certains des pires cybercriminels au monde s'attaquent à l'industrie des services financiers, ce qui rend la sécurité d'autant plus cruciale. Selon un rapport du Conseil économique de la Maison Blanche datant de 2018, la cyberactivité malveillante a coûté entre 57 et 109 milliards de dollars à l'économie au cours des dernières années, le secteur financier étant celui qui a connu le plus de failles.
Alors que d'importantes quantités de données sont distribuées entre de nombreux centres de stockage, le machine learning s'est avéré d'une aide précieuse dans les efforts engagés par Capital One pour mieux protéger le bien-être financier de ses clients – les aidant ainsi à être plus autonomes financièrement, à être attentifs aux fraudes et à chercher à réduire les faux positifs, et à mieux gérer leurs dépenses.
« Ces dernières années, nous avons pris conscience de l'importance d'utiliser le machine learning pour améliorer l'expérience utilisateur, et pour nous aider à prendre des décisions plus informées sur la façon d'interagir avec nos clients, » explique Nitzan Mekel-Bobrov, vice-président directeur du Machine Learning au sein de Capital One. « Nous bâtissons continuellement des systèmes plus sophistiqués capables d'exploiter différentes données, structurées et non structurées. Ceci nous permet de réaliser des prédictions plus précises pour déterminer si une activité est frauduleuse ou non. »
En exploitant une large gamme d'outils et de frameworks de machine learning, comme TensorFlow sur Amazon Web Services (AWS), Capital One peut analyser de grandes quantités de données, et ainsi détecter et prévenir la fraude en temps réel. Lorsqu'une activité suspecte est observée, Capital One avertit automatiquement ses clients, leur explique les étapes de signalement des fraudes, les aide à verrouiller leur carte et à en commander une nouvelle, et déverrouille une carte temporaire afin qu'ils soient toujours en mesure d'effectuer des achats. En s'appuyant sur une bien plus grande quantité de données, un historique de données plus long et des algorithmes avancés, Capital One tire profit du machine learning pour révolutionner sa gestion des fraudes.
« Ces dernières années, nous avons pris conscience de l'importance d'utiliser le machine learning pour améliorer l'expérience utilisateur, et pour nous aider à prendre des décisions plus informées sur la façon d'interagir avec nos clients. »
Nitzan Mekel-Bobrov
Vice-président directeur du Machine Learning
Capital One
« Ces dernières années, nous avons pris conscience de l'importance d'utiliser le machine learning pour améliorer l'expérience utilisateur, et pour nous aider à prendre des décisions plus informées sur la façon d'interagir avec nos clients. »
Nitzan Mekel-Bobrov
Vice-président directeur du Machine Learning
Capital One
Pour Capital One, l'utilisation des analyses de données et du machine learning sur AWS offre de nombreuses nouvelles opportunités de personnaliser l'expérience de leurs utilisateurs et de mieux comprendre comment interagir avec leurs clients, et les aide à prendre des décisions métiers clés. Cela s'applique même aux centres d'appel de la banque, où la technologie de reconnaissance vocale est utilisée dans le cadre d'un système de formation et de validation automatisé dont la précision a pratiquement doublé au cours des 18 derniers mois.
« Avec le machine learning, nous protégeons nos clients en empêchant la fraude. Mais cela nous permet aussi de faire d'une pierre deux coups, » explique Mekel-Bobrov. « D'une part, il s'agit d'un élément essentiel de notre stratégie de défense. Mais d'autre part, cela évite aux clients la frustration de se voir confrontés à une opération refusée qui n'a pas lieu d'être. Cela nous permet de les protéger, mais sans les surprotéger. »
On sait en effet combien les faux positifs tendent à irriter et même à éloigner les clients. « À présent, grâce au machine learning, nous pouvons constamment nous améliorer dans cette recherche d'équilibre entre les deux aspects de l'équation, et ce de manière bien plus dynamique, » indique Mekel-Bobrov. « Nous pouvons trouver le juste équilibre consistant à offrir une protection efficace, sans pour autant en faire trop et se retrouver avec un nombre excessif de faux positifs. »
Le Cloud AWS joue un rôle crucial en permettant à Capital One de déployer une gamme de logiciels internes et d'outils de machine learning, grâce auxquels la banque peut collecter ses données en temps réel et apporter des solutions rapides qui sont essentielles dans un secteur aussi fortement régulé. Et parce que le Cloud AWS est aussi sûr – et souvent plus sûr – que les centres de données sur site, elle peut appliquer ces innovations tout en respectant ses responsabilités en matière de protection des clients et de leurs données.
« Avec AWS et notre passage au cloud, nous sommes en mesure de bâtir un écosystème de machine learning vraiment moderne, dans lequel toutes nos données sont connectées et pleinement disponibles, » explique Mekel-Bobrov. « Cela nous permet de déployer des modèles qui sont automatiquement configurés pour les données entrantes, la mise à l'échelle automatique de notre infrastructure et même l'utilisation de nos propres solutions pour une flexibilité accrue. Nous pouvons ainsi nous concentrer sur une utilisation potentiellement vitale du machine learning. »
De partners.wsj.com