Détection de fraude mobile money en temps réel

Le mobile money est devenu l'épine dorsale financière de l'Afrique de l'Ouest, avec des milliards de transactions par an. Cette échelle attire une fraude sophistiquée : prise de contrôle de compte (SIM swap), ingénierie sociale, réseaux de mules, cash-out coordonnés. Les règles statiques classiques repèrent les schémas connus mais laissent passer les fraudes nouvelles et génèrent trop de faux positifs.

Chaque alerte injustifiée bloque un client honnête, chaque fraude non détectée entame la confiance et le résultat. Le contrôle doit s'exercer en temps réel — avant la validation de la transaction — sur des volumes massifs et des schémas de fraude qui évoluent en permanence.

Shift déploie un moteur de détection d'anomalies en streaming qui score chaque transaction en quelques millisecondes. Nous combinons un modèle supervisé, entraîné sur l'historique de fraudes confirmées, et des méthodes non supervisées qui repèrent les comportements atypiques jamais vus, pour couvrir les fraudes émergentes.

La force du dispositif réside dans les features de graphe : en modélisant le réseau des comptes, appareils, numéros et bénéficiaires, nous détectons les anneaux de mules, les motifs de collecte en étoile et les vitesses de circulation anormales de l'argent — des signaux invisibles au niveau d'une transaction isolée.

Le système produit un score de risque, un motif explicable et une action recommandée (autoriser, défier par authentification renforcée, bloquer), le tout dans une boucle de feedback où les analystes fraude étiquettent les cas, réentraînant continuellement les modèles pour suivre l'évolution des menaces.