DÉTECTION DE FRAUDE
Comment estimer la légitimité d'une transaction e-commerce ?
Bienvenue dans G4, l'outil de détection et d'analyse de transaction.
Objectif : réaliser un produit au stade "minimum viable" (MVP) dans le domaine de la détection de fraude en lien avec les transactions e-commerce
Blueprint
- l'application est destinée à des analystes dans le domaine bancaire
- le jeu de données provient de la plateforme Kaggle
- à partir du jeu de données il s'agit de définir et d'entraîner un modèle de machine learning (apprentissage automatique) pour qu'il apprenne à identifier une transaction frauduleuse
- l'analyste doit avoir la possibilité d'utiliser le modèle avec une transaction isolée (fichier json) ou bien un ensemble de transactions (fichier csv)
- l'application doit générer un tableau de bord fournissant à l'analyste l'ensemble des facteurs (de risque ou de confiance) ayant influencé le modèle dans l'établissement de sa prédiction.
AWS
- Le modèle est stocké dans un bucket S3 de la plateforme cloud Amazon Web Services (AWS)
Huggingface
- L'application de tableau de bord est réalisée via Streamlit (Python) et hébergée sur la plateforme HuggingFace
Evolutions possibles
Les systèmes de détection de fraude sont bien évidemment sollicités en temps réel.
Cela étant, même des transactions ayant été approuvées peuvent être rejetées à posteriori quelques minutes, ou heures, voire même jusqu'à 1 ou 2 jours après une première validation du système. Dans ce cas, c'est (encore) un agent humain qui a été en charge, à partir des informations à sa disposition, d'invalider la transaction. C'est pourquoi il est très important que l'analyste dispose d'indicateurs précis, de nature à l'assister dans sa prise de décision.
C'est tout l'objet de l'application qui a été développée.
Cela étant, voici quelques pistes d'amélioration :
- même si un important travail de features engineering a été effectué (cf screenshot ci-après), de nouvelles variables pourraient contribuer à l'amélioration des performances du modèle.
- permettre l'ajustement de seuils par les équipes d'analystes pourrait être intéressant : "que m'aurait prédit le modèle si le seuil pour la variable x avait été réhaussé ou abaissé ?"; les personnes du métier devrait pouvoir corriger ou tester des hypothèses.
- la mise en place d'un serveur MLOps pour gérer le versioning des modèles.
- la mise en place, pour comparaison de résultats, d'un modèle concurrent au modèle choisi (XGBOOST); dans le domaine de la détection de fraude, les réseaux antagonistes génératifs (GAN) sont utilisés. Ce modèle fait s'affronter deux réseaux : un générateur qui crée des données et un discriminateur qui tente de déceler le vrai du faux. Cette compétition permanente pousse le générateur à produire des résultats de plus en plus réalistes, jusqu'à tromper l'œil humain.
