L'annonce par Swift d'une nouvelle option de lutte contre la fraude – à base d'intelligence artificielle, inévitablement – sur sa plate-forme de contrôle des paiements transfrontaliers fournit l'occasion de s'attarder sur la méthode pionnière employée pour exploiter les informations nécessaires sans compromettre leur nature ultra-confidentielle.
Le projet a déjà franchi les étapes expérimentales, depuis le début de l'année, avec quelques banques du monde entier (dont BNP Paribas et l'africaine Standard Bank). Le déploiement officiel est prévu en janvier 2025 et se présentera comme un puissant complément à l'offre existante de vérification des messages sortants, fonctionnant aujourd'hui essentiellement par règles fixes. Avec cet ajout, elle sera aussi capable de détecter des anomalies par comparaison statistique avec les flux habituels.
Bien entendu, avec les milliards d'échanges orchestrés par ses soins composant un immense référentiel de connaissance, Swift est dans une position idéale pour proposer ce genre de services… apparemment. Car son rôle d'intermédiaire comprend aussi une exigence absolue de respect du secret des communications entre ses clients. Heureusement, des technologies émergentes permettent dorénavant de résoudre cette incompatibilité latente, tellement fréquente dans le monde « digital » actuel.
Sans plus de détails opérationnels, les concepteurs évoquent ainsi notamment le recours à l'« apprentissage fédéré » (« federated learning »), qui consiste à entraîner des modèles d'apprentissage automatique sur un assemblage homogène de différents jeux de données, chacun d'eux restant sous la responsabilité de son propriétaire légitime (y compris pendant son traitement). L'algorithme produit par ce processus ne conserve aucune information sensible pour son application ultérieure sur les flux à surveiller.
La mise en œuvre de ces mécanismes est pour l'instant marginale dans l'industrie financière, en raison de la perception d'immaturité qui les accompagne. Ils sont pourtant extrêmement prometteurs pour tous les cas où la mise en commun de données représenterait un avantage significatif mais n'est jusqu'à présent pas possible (ou acceptée) pour des considérations de confidentialité. La lutte contre la fraude en est évidemment l'archétype et l'évolution des menaces en souligne l'urgence chaque jour. Espérons que l'initiative de Swift aide à dépasser les préjugés et la défiance.
Aucun commentaire:
Enregistrer un commentaire
Afin de lutter contre le spam, les commentaires ne sont ouverts qu'aux personnes identifiées et sont soumis à modération (je suis sincèrement désolé pour le désagrément causé…)