Doxallia

Le défi : fiabiliser la vérification de milliers de bulletins de paie sans multiplier les contrôles humains

Dans le secteur bancaire, la vérification manuelle des pièces justificatives est un goulet d'étranglement coûteux et risqué. Ce groupe bancaire avait besoin d'une solution IA capable de détecter les fraudes documentaires sans générer une avalanche de faux positifs.

Chaque dossier de crédit immobilier ou de crédit à la consommation exige la vérification de bulletins de paie, d'avis d'imposition et de justificatifs de domicile. Pour ce groupe structuré en caisses régionales, les volumes de dossiers rendaient le contrôle humain systématique intenable.

Les fraudes documentaires dans le secteur bancaire sont de plus en plus sophistiquées : montants modifiés, taux de cotisation falsifiés, métadonnées manipulées. Ces incohérences sont quasi impossibles à repérer à l'œil nu de manière fiable et systématique. Par ailleurs, les données traitées étant hautement sensibles (données personnelles et financières), toute solution devait fonctionner dans un environnement sécurisé, sans exfiltration de données.

Sans automatisation fiable, le groupe risquait soit de ralentir l'octroi de crédit et pénaliser l'activité commerciale, soit de laisser passer des documents frauduleux et augmenter son exposition au risque.

‍

‍

Notre approche : un POC opérationnel en 6 semaines grâce à une méthodologie agile

Koïno a livré un POC fonctionnel en 6 semaines en s'appuyant sur une approche agile avec des itérations courtes, des démos hebdomadaires et une intégration continue des retours du client.

Étape 1 : Cadrage et définition du périmètre

L'équipe Koïno a travaillé avec les équipes innovation et risques du client pour définir le périmètre du POC : se concentrer d'abord sur les bulletins de paie, le type de document le plus fréquent et le plus ciblé par la fraude. Les contraintes de sécurité et de souveraineté des données ont été intégrées dès le départ dans la conception de la solution.

Étape 2 : Développement itératif du moteur d'analyse

Le moteur d'analyse a été construit autour de plusieurs couches de vérification complémentaires : extraction intelligente des données du document, contrôles arithmétiques, comparaison aux référentiels légaux, et analyse des métadonnées. Chaque couche fonctionne de manière indépendante, ce qui permet d'ajouter ou de retirer des contrôles selon les besoins métier.

Étape 3 : Innovation sur la restitution des résultats

C'est durant le développement que l'innovation clé a émergé. Plutôt qu'un système binaire conforme/non conforme, l'équipe Koïno a conçu un troisième état « incomplet » qui signale qu'un contrôle n'a pas pu être réalisé par manque d'information. Cette granularité réduit considérablement les faux positifs et renforce la confiance des équipes métier dans les résultats.

Étape 4 : Livraison et transfert

Le POC complet a été livré avec l'intégralité du code source et une documentation de déploiement permettant au client d'être autonome. Koïno a adapté les modalités de livraison aux contraintes d'infrastructure du client, illustrant la flexibilité qui caractérise notre accompagnement.

‍

La solution : un moteur de détection de fraude documentaire intelligent et modulaire

Trust AI est une application web qui permet aux conseillers bancaires de soumettre des bulletins de paie et d'obtenir instantanément un scoring de fraude détaillé, avec un code couleur clair pour chaque contrôle effectué.

Du point de vue utilisateur, le processus est simple : le conseiller crée un dossier, uploade les documents, et reçoit une analyse complète en quelques secondes. Chaque vérification est restituée avec un indicateur visuel : vert (conforme), rouge (non conforme) ou jaune (incomplet). Cette lisibilité permet une prise de décision rapide et éclairée.

La solution a été conçue dès le départ pour respecter les exigences de sécurité du secteur bancaire : déploiement on-premise, aucun transit de données vers des services cloud externes, et contrôle total du client sur l'ensemble de la stack technique.

‍

‍

Les résultats : un POC validé, prêt pour le déploiement à grande échelle

En 6 semaines, Koïno a livré une solution opérationnelle que le client peut immédiatement déployer en test auprès de ses caisses régionales partenaires.

‍

Résultats clés :

• Faux positifs réduits de ~75 % grâce au système de contrôle à trois niveaux
• Plusieurs couches de vérification automatisées couvrant l'ensemble des typologies de fraude documentaire
• 100 % on-premise : aucune donnée sensible ne quitte l'infrastructure du client
• 6 semaines du cadrage à la livraison complète avec code source et documentation
• Autonomie totale du client : transfert complet du code et de la documentation de déploiement

Au-delà du livrable technique, Trust AI sert d'outil de démonstration interne pour le client. Le POC est conçu pour être présenté aux caisses régionales partenaires afin de valider l'intérêt métier avant un déploiement à plus grande échelle.

D'après l'expérience de Koïno sur ses missions IA dans le secteur bancaire et assurance, le ROI d'un projet de détection de fraude documentaire par IA se matérialise généralement en 3 à 6 mois après mise en production. La réduction du risque de fraude justifie l'investissement dès les premiers mois d'utilisation.

L'architecture modulaire de la solution permet d'envisager une V2 intégrant d'autres types de documents (avis d'imposition, justificatifs de domicile), une classification automatique des pièces, et un contrôle de complétude des dossiers.

‍

Questions fréquentes sur la détection de fraude documentaire par IA dans le secteur bancaire

Combien de temps faut-il pour déployer une solution de détection de fraude documentaire par IA ?

‍Koïno a livré le POC Trust AI en 6 semaines, du cadrage à la livraison complète avec code source et documentation. Le déploiement en production dépend de l'infrastructure du client, mais un POC fonctionnel permet de valider la faisabilité rapidement avant d'investir dans un déploiement à grande échelle.

Comment garantir la sécurité des données sensibles dans un projet IA bancaire ?

‍La solution a été conçue pour un déploiement 100 % on-premise. Aucune donnée sensible (bulletins de paie, données personnelles ou financières) ne quitte l'infrastructure du client. Les exigences de sécurité ont été intégrées dès la phase de cadrage avec les équipes du groupe bancaire.

‍

Quelle est la différence entre un système de détection binaire et le système à trois niveaux ?

‍Un système binaire (conforme/non conforme) génère de nombreux faux positifs quand l'information est absente du document. Le système à trois niveaux ajoute un état « incomplet » qui signale qu'un contrôle n'a pas pu être réalisé par manque d'information. Cela réduit les faux positifs d'environ 75 % et renforce la confiance des équipes métier.

‍

La solution est-elle extensible à d'autres types de documents ?

‍L'architecture modulaire de Trust AI permet d'intégrer progressivement de nouveaux types de documents justificatifs : avis d'imposition, justificatifs de domicile, devis ou factures. Koïno accompagne ses clients dans l'extension de la solution en fonction de leurs priorités métier.

‍

Dans quels secteurs cette approche de détection de fraude est-elle applicable ?

‍Au-delà de la banque et du crédit, Koïno identifie quatre secteurs directement concernés : l'assurance (souscription et gestion de sinistres), l'immobilier (vérification de solvabilité locataire), les organismes sociaux (attribution d'aides et contrôle de ressources), et les ressources humaines (vérification de justificatifs d'embauche).

‍

‍

‍