Détection d'anomalies via le machine learning : application à la fraude

L'Institut des actuaires a le plaisir de vous inviter à la présentation du mémoire d'Assan Aziz Coulibaly sur le thème : Détection d'anomalies via le machine learning, application à la fraude.

Cette présentation aura lieu lundi 11 avril à 12h30.

Vous pouvez dès à présent vous inscrire ICI

Assister à cette conférence vous permettra d'ajouter 6 points à votre score de Perfectionnement Professionnel Continu (PPC).

Résumé :

Dans un contexte économique marqué par la réduction des coûts, nous nous sommes intéressés aux anomalies constatées sur la base de données relative à la sinistralité en arrêt de travail, base utilisée pour calculer les provisions mathématiques entre autres. Tout écart matériel entre les données réelles et celles utilisées pour des calculs divers peut aboutir à des résultats très éloignés de la réalité et les analyses qui en résulteront le seront également, ces sources d'erreurs peuvent donc s'avérer coûteuse pour l'entreprise.
La détection de ces anomalies a été réalisée via une approche non-supervisée qui a mis en évidence un regroupement d’observations dites "atypiques".
Dans le but de tester la pertinence des regroupements effectués l’outil de détection d’anomalies a été appliqué à un cas de détection de fraudes démontrant ainsi le lien qui existe entre observations anormales et fraudes.
Afin de prendre en compte la structure évolutive de la fraude dans le temps avoir une vision combinant un cadre supervisé dont l'objectif serait de détecter les fraudes historiques et une approche non-supervisée axée sur les nouvelles structures de fraudes paraît tout à fait naturel.