La lutte contre les fraudeurs est depuis longtemps un d\u00e9fi persistant pour les entit\u00e9s gouvernementales. Bien qu’il n’y ait pas de chiffres pr\u00e9cis, les activit\u00e9s frauduleuses drainent chaque ann\u00e9e des milliards de dollars du contribuable au d\u00e9triment de programmes vitaux. Dans le monde d’aujourd’hui, caract\u00e9ris\u00e9 par la connexion num\u00e9rique et l’information, l’approche traditionnelle du travail de d\u00e9tection de la fraude, bas\u00e9e sur des examens r\u00e9trospectifs par les auditeurs, devient de plus en plus inefficace. Ce cadre “payez puis poursuivez” est gourmand en ressources, difficile \u00e0 mettre \u00e0 l’\u00e9chelle et ne permet pas de r\u00e9cup\u00e9rer un nombre significatif de transactions frauduleuses connues et suspect\u00e9es.<\/p>\n\n
Heureusement, la prolif\u00e9ration des donn\u00e9es et les progr\u00e8s des capacit\u00e9s informatiques ont ouvert l’\u00e2ge d’or de l’intelligence artificielle (IA), o\u00f9 les algorithmes et les mod\u00e8les peuvent r\u00e9v\u00e9ler des sch\u00e9mas, des comportements et des relations anormaux – \u00e0 une vitesse, \u00e0 une \u00e9chelle et \u00e0 une profondeur qui n’\u00e9taient pas possibles il y a seulement dix ans.<\/p>\n\n
De la navigation par le syst\u00e8me de positionnement global \u00e0 la reconnaissance faciale, l’IA a fondamentalement transform\u00e9 tous les aspects de notre vie. De m\u00eame, les organisations du secteur public tirent parti d’algorithmes puissants pour d\u00e9tecter et traiter de mani\u00e8re plus prospective les signaux d’alerte avant qu’ils ne se transforment en probl\u00e8mes importants.<\/p>\n\n
Il est important de noter que l’IA ne remplace pas le jugement professionnel des auditeurs exp\u00e9riment\u00e9s dans la d\u00e9tection d’activit\u00e9s potentiellement frauduleuses. Si l’IA peut passer au crible d’importants volumes de donn\u00e9es avec une grande pr\u00e9cision, l’intelligence humaine reste un \u00e9l\u00e9ment essentiel pour d\u00e9terminer les actions contextuelles, proportionn\u00e9es et nuanc\u00e9es qui d\u00e9coulent des r\u00e9sultats algorithmiques. Cette relation symbiotique signifie que l’IA contribuera au travail des institutions sup\u00e9rieures de contr\u00f4le (ISC) et modifiera la mani\u00e8re dont ce travail est effectu\u00e9 – ce qui n\u00e9cessitera des comp\u00e9tences diff\u00e9rentes pour exploiter la capacit\u00e9 de l’IA \u00e0 g\u00e9n\u00e9rer de l’efficacit\u00e9 et des gains d’efficience.<\/p>\n\n
Le Government Accountability Office (GAO) des \u00c9tats-Unis cherche \u00e0 tirer parti de la puissance de l’IA pour am\u00e9liorer le contr\u00f4le du gouvernement et lutter contre la fraude, et le laboratoire d’innovation du GAO, cr\u00e9\u00e9 en 2019 dans le cadre de la nouvelle unit\u00e9 Science, \u00e9valuation technologique et analytique de l’agence, favorise l’exp\u00e9rimentation de l’IA dans tous les cas d’utilisation de l’audit (voir le tableau 1 “Capacit\u00e9s d’IA et travaux en cours du GAO”).<\/p>\n\n Au fur et \u00e0 mesure des progr\u00e8s r\u00e9alis\u00e9s, le GAO entend partager les r\u00e9ussites et les enseignements tir\u00e9s avec les ISC et l’ensemble de la communaut\u00e9 de la responsabilit\u00e9. Parall\u00e8lement, le laboratoire d’innovation, en collaboration avec toutes les parties prenantes concern\u00e9es, en est aux premiers stades de l’\u00e9laboration d’un cadre de surveillance de l’IA pour aider \u00e0 guider le d\u00e9veloppement de solutions d’IA tout en adh\u00e9rant aux bonnes pratiques et aux normes g\u00e9n\u00e9rales pour les auditeurs.<\/p>\n\n Le tableau 1 montre \u00e9galement comment le laboratoire d’innovation du GAO d\u00e9veloppe des capacit\u00e9s analytiques pertinentes en mati\u00e8re de fraude, qui pourraient constituer la base de futures solutions d’IA. Chaque cas d’utilisation est con\u00e7u pour identifier rapidement les corr\u00e9lations cach\u00e9es, les comportements, les relations, les mod\u00e8les et les anomalies qui peuvent indiquer des risques de fraude.<\/p>\n\n Avant de mettre en \u0153uvre des solutions analytiques d’IA pour le contr\u00f4le et la lutte contre la fraude, les ISC peuvent tirer profit de l’examen d’importantes consid\u00e9rations juridiques, soci\u00e9tales, \u00e9thiques et op\u00e9rationnelles qui sont particuli\u00e8rement pertinentes pour l’IA. En outre, les ISC peuvent tirer des enseignements pr\u00e9cieux des exp\u00e9riences et des le\u00e7ons apprises par les organisations des secteurs priv\u00e9 et public.<\/p>\n\n CONSID\u00c9RATIONS IMPORTANTES LORS DE L’UTILISATION DE L’IA<\/strong><\/p>\n\n Les algorithmes d’IA ne font pas la diff\u00e9rence entre les transactions frauduleuses et non frauduleuses. Ces algorithmes identifient plut\u00f4t les anomalies, telles que des transactions inhabituelles entre des comptes. Des experts en la mati\u00e8re sont encore n\u00e9cessaires pour analyser ces anomalies et d\u00e9terminer s’il existe une fraude potentielle.<\/p>\n\n Pour r\u00e9sister \u00e0 l’examen minutieux, les institutions d’audit qui souhaitent mettre en place des solutions d’IA anti-fraude peuvent prendre en compte une s\u00e9rie de points de rep\u00e8re, notamment la mani\u00e8re dont les solutions d’IA sont con\u00e7ues :<\/p>\n\n \u00c9TAPES D’UNE MISE EN \u0152UVRE R\u00c9USSIE DE L’AI<\/strong><\/p>\n\n Les organisations des secteurs public et priv\u00e9 ont identifi\u00e9 plusieurs \u00e9tapes cl\u00e9s pour la r\u00e9ussite des initiatives d’analyse de donn\u00e9es, y compris les approches d’IA :<\/p>\n\n \n Identifier les objectifs et aligner les efforts<\/strong>\n<\/em>: Il est recommand\u00e9 d’identifier la mani\u00e8re dont les objectifs sp\u00e9cifiques du programme peuvent contribuer \u00e0 r\u00e9pondre aux besoins de l’organisation d\u00e8s les premi\u00e8res \u00e9tapes de l’\u00e9laboration du programme d’analyse.<\/p>\n\n \n Obtenir l’adh\u00e9sion<\/strong>\n<\/em>: Le soutien de l’organisation \u00e0 l’analyse des donn\u00e9es et l’appr\u00e9ciation de sa capacit\u00e9 \u00e0 am\u00e9liorer la r\u00e9alisation des objectifs sont essentiels. La cr\u00e9ation d’une division charg\u00e9e de d\u00e9velopper la capacit\u00e9 d’analyse est un moyen d’institutionnaliser les connaissances.<\/p>\n\n \n Comprendre les capacit\u00e9s actuelles<\/strong>\n<\/em>: Dans un premier temps, les organisations peuvent dresser l’inventaire des ressources existantes afin de mieux comprendre les capacit\u00e9s et de hi\u00e9rarchiser les domaines \u00e0 am\u00e9liorer. Les ressources cl\u00e9s comprennent l’expertise du personnel, le mat\u00e9riel et les logiciels, ainsi que les sources de donn\u00e9es et les propri\u00e9taires.<\/p>\n\n \n Inclure les utilisateurs et les experts en la mati\u00e8re<\/strong>\n<\/em>: L’int\u00e9gration des experts en la mati\u00e8re dans les projets d’analyse peut contribuer \u00e0 \u00e9clairer le d\u00e9veloppement du mod\u00e8le et \u00e0 obtenir l’adh\u00e9sion des utilisateurs \u00e9ventuels du mod\u00e8le.<\/p>\n\n \n Commencer simplement, renforcer progressivement les capacit\u00e9s<\/strong>\n<\/em>: Les organisations peuvent d’abord chercher \u00e0 d\u00e9velopper des solutions minimalement viables pour atteindre leurs objectifs. En identifiant et en obtenant des succ\u00e8s rapides et pr\u00e9coces, les organisations peuvent constituer un dossier pour d\u00e9velopper progressivement d’autres capacit\u00e9s, cr\u00e9ant ainsi une base pour la mise en \u0153uvre de solutions d’IA plus sophistiqu\u00e9es.<\/p>\n\n \n Transition vers le fonctionnement<\/strong>\n<\/em>: Une fois qu’un produit minimalement viable est d\u00e9velopp\u00e9, il est essentiel de le faire passer dans un environnement de production. Il est important de documenter les mises \u00e0 jour de l’algorithme d’IA.<\/p>\n\n Les responsables des ISC peuvent envisager plusieurs ressources lorsqu’ils \u00e9tudient la mise en \u0153uvre de l’IA. Le cadre de r\u00e9f\u00e9rence<\/a> du GAO sur les risques de fraude<\/a> identifie les principales pratiques pour aider les gestionnaires de programmes \u00e0 lutter contre la fraude financi\u00e8re et non financi\u00e8re. Ces pratiques de pointe comprennent des \u00e9tapes pour utiliser les activit\u00e9s d’analyse de donn\u00e9es afin de faciliter la d\u00e9tection des fraudes, ce qui peut aider \u00e0 \u00e9tablir une base pour des analyses plus sophistiqu\u00e9es, telles que l’IA.<\/p>\n\n Le document du GAO intitul\u00e9 “Highlights of a Forum : Data Analytics to Address Fraud and Improper Payments<\/a>“, comprend des recommandations des secteurs public et priv\u00e9 sur la mani\u00e8re d’\u00e9tablir des programmes d’analyse. En particulier, les pan\u00e9listes du forum ont fourni des suggestions sur l’\u00e9tablissement et le perfectionnement d’un programme d’analyse des donn\u00e9es.<\/p>\n\n En 2018, le GAO a publi\u00e9 une\u00e9valuation technologique de l’IA<\/a>qui identifie une s\u00e9rie d’opportunit\u00e9s, de d\u00e9fis et de domaines li\u00e9s \u00e0 l’IA devant faire l’objet de recherches futures et \u00eatre pris en compte par les d\u00e9cideurs politiques.<\/p>\n\n Le groupe de travail de l<\/a> ‘Organisation internationale des institutions sup\u00e9rieures de contr\u00f4le des finances publiques sur le Big Data<\/a> contribue \u00e0 faciliter le partage des connaissances entre les ISC sur les questions li\u00e9es aux donn\u00e9es et \u00e0 l’analyse des donn\u00e9es.<\/p>\n\n Experts en la mati\u00e8re interrog\u00e9s<\/strong><\/em><\/p>\n\n La lutte contre les fraudeurs est depuis longtemps un d\u00e9fi persistant pour les entit\u00e9s gouvernementales. Bien qu’il n’y ait pas de chiffres pr\u00e9cis, les activit\u00e9s frauduleuses drainent chaque ann\u00e9e des milliards de dollars du contribuable au d\u00e9triment de programmes vitaux. Dans le monde num\u00e9rique d’aujourd’hui, ax\u00e9 sur l’information…<\/p>\n","protected":false},"author":90,"featured_media":7187,"template":"","meta":{"_acf_changed":false,"footnotes":""},"journal-categories":[2107,2105],"content-tags":[1880,1858,1774,1773],"country":[2790],"region":[],"section":[868],"coauthors":[],"class_list":["post-17973","journal-entry","type-journal-entry","status-publish","has-post-thumbnail","hentry","journal-categories-ete-2020","journal-categories-pleins-feux-sur-la-science-et-la-technologie","content-tags-intelligence-artificielle","content-tags-lintegrite","content-tags-la-lutte-contre-la-corruption","content-tags-lutter-contre-la-fraude","country-usa-fr","section-spotlight-on-science-and-technology-fr"],"acf":[],"yoast_head":"\n![\"\"](\"http:\/\/intosaijournal.org\/wp-content\/uploads\/2020\/07\/Table-1_AI-Capabilities-and-Ongoing-GAO-Work.jpg\")
<\/a><\/figure>\n\n\n
\n\n\n