Détection d'anomalies
Ensemble de méthodes qui repèrent les observations s'écartant nettement du comportement habituel, sans avoir besoin d'exemples étiquetés, utiles contre les fraudes nouvelles, les erreurs de données et les intrusions.
La détection d'anomalies cherche les observations qui s'écartent sensiblement du comportement majoritaire des données. Contrairement à la classification supervisée, elle n'a pas besoin d'exemples étiquetés de ce qu'elle cherche : elle apprend ce qui est normal et signale ce qui ne l'est pas. Les méthodes vont des règles statistiques simples, écarts à la moyenne, aux techniques plus élaborées : isolement par arbres aléatoires, qui repère les points faciles à séparer du reste, estimation de densité, distances aux voisins, auto-encodeurs qui signalent ce qu'ils reconstruisent mal. En assurance, l'intérêt est triple. Contre la fraude, elle détecte des schémas nouveaux que les modèles supervisés, entraînés sur les fraudes passées, ne connaissent pas encore. Pour la qualité des données, elle repère les erreurs de saisie, montants aberrants ou dates incohérentes, avant qu'elles ne faussent un tarif ou une provision. Et en cybersécurité, elle est au coeur de la détection d'intrusion, qui repère un comportement de compte ou de réseau inhabituel. Son principal défaut est le nombre de faux positifs : une anomalie n'est pas une faute, et un signal trop sensible noie les analystes sous des alertes qu'ils finissent par ignorer.
Cas d'école : un modèle de détection d'anomalies appliqué aux paiements de sinistres repère un gestionnaire dont les règlements sont concentrés sur un petit nombre de comptes bancaires et systématiquement juste sous son seuil de délégation. Aucune règle ne l'avait signalé ; l'enquête révèle un détournement de 300 000 euros sur deux ans.
anomaly detection, détection de valeurs aberrantes, outlier detection
Suivez la recherche
Une lettre par semaine. En tête, la note de souscription de la semaine, quand il en paraît une : une décision datée et argumentée, signée de Paul Bernardski. Ensuite, ce que l'observatoire a publié en risque cyber, en risque politique et en assurance. Sans compte, sans suivi.
Pas de spam, désinscription en un clic, aucune donnée revendue.