Une récente étude menée par l’Association of Certified Fraud Examiners (ACFE) et SAS a mis en évidence l’intérêt croissant des professionnels de la lutte contre la fraude pour l’intelligence artificielle (IA) générative. Selon le rapport de référence 2024 sur les technologies de lutte contre la fraude, environ 83% des personnes interrogées prévoient l’intégration de l’IA générative dans leurs outils d’ici les deux prochaines années.
Le rapport révèle que, tandis que 18% des professionnels de la lutte contre la fraude utilisent actuellement des technologies d’IA et d’apprentissage automatique (ML) pour la détection de la fraude, 32% prévoient de les mettre en œuvre d’ici la fin de 2024. Cela indique que l’utilisation de l’IA/ML dans les programmes de lutte contre la fraude devrait presque tripler au cours de l’année à venir.
Cependant, malgré ce niveau d’intérêt significatif, la croissance de l’IA et de l’ML pour la prévention de la fraude a été relativement lente, avec une augmentation de seulement 5% depuis 2019. C’est un contraste frappant avec les taux d’adoption attendus rapportés les années précédentes, qui étaient de 25% en 2019 et de 26% en 2022.
En revanche, l’application de la biométrie et de la robotique dans les programmes de lutte contre la fraude connaît une croissance régulière. L’utilisation de la biométrie physique a augmenté de 14% depuis 2019, avec 40% des personnes interrogées l’intégrant désormais dans leurs stratégies de lutte contre la fraude. De plus, l’utilisation de la robotique est passée de 9% en 2019 à 20% dans l’enquête actuelle. Ces technologies trouvent leur application la plus significative dans le secteur bancaire et financier, où 51% utilisent la biométrie physique et 33% la robotique.
Bien que l’adoption de l’IA générative montre des perspectives prometteuses, plusieurs défis peuvent entraver sa croissance prévue dans les programmes de lutte contre la fraude. Les restrictions budgétaires, les problèmes de qualité des données, les lacunes en termes de compétences et les préoccupations éthiques liées au déploiement de l’IA font partie des facteurs que les organisations devront prendre en compte.
L’étude met l’accent sur la nécessité d’une utilisation responsable et éthique des outils d’IA générative. Les organisations doivent investir judicieusement leurs budgets de technologie de lutte contre la fraude pour prendre l’avantage dans la course technologique en cours avec les entreprises criminelles. Il est essentiel de reconnaître la complexité de l’échelle de l’IA et du cycle de vie de l’analyse, et d’opter pour des solutions modulaires qui déploient efficacement des plates-formes alimentées par l’IA.
Alors que la société continue d’explorer les avantages et les inconvénients de l’IA générative, de plus en plus d’organisations franchissent le pas pour intégrer ces technologies dans leurs initiatives de lutte contre la fraude. Bien qu’il puisse y avoir des défis à surmonter, l’intérêt croissant pour l’IA parmi les professionnels de la lutte contre la fraude indique un clair virage vers l’utilisation des technologies avancées dans la lutte contre la fraude.
Section FAQ :
Q: Quelle est la principale conclusion de l’étude menée par l’ACFE et SAS ?
R: L’étude a révélé que environ 83% des personnes interrogées prévoient d’intégrer l’IA générative dans leurs outils de lutte contre la fraude d’ici les deux prochaines années.
Q: Combien de professionnels de la lutte contre la fraude utilisent actuellement les technologies d’IA et d’apprentissage automatique pour la détection de la fraude ?
R: Actuellement, 18% des professionnels de la lutte contre la fraude utilisent les technologies d’IA et d’apprentissage automatique pour la détection de la fraude.
Q: Quel pourcentage de professionnels de la lutte contre la fraude prévoit de mettre en œuvre les technologies d’IA et d’apprentissage automatique d’ici la fin de 2024 ?
R: 32% supplémentaires de professionnels de la lutte contre la fraude prévoient de mettre en œuvre les technologies d’IA et d’apprentissage automatique d’ici la fin de 2024.
Q: De combien a augmenté l’utilisation de l’IA et de l’apprentissage automatique pour la prévention de la fraude depuis 2019 ?
R: L’utilisation de l’IA et de l’apprentissage automatique pour la prévention de la fraude n’a augmenté que de 5% depuis 2019.
Q: Quelles technologies ont connu une croissance régulière dans les programmes de lutte contre la fraude ?
R: L’application de la biométrie et de la robotique a connu une croissance régulière dans les programmes de lutte contre la fraude.
Q: De combien a augmenté l’utilisation de la biométrie physique depuis 2019 ?
R: L’utilisation de la biométrie physique a augmenté de 14% depuis 2019.
Q: De combien a augmenté l’utilisation de la robotique depuis 2019 ?
R: L’utilisation de la robotique est passée de 9% en 2019 à 20% dans l’enquête actuelle.
Q: Dans quel secteur la biométrie et la robotique ont-elles trouvé la plus grande application ?
R: Le secteur bancaire et financier a trouvé la plus grande application de la biométrie et de la robotique.
Q: Quels défis peuvent entraver la croissance prévue de l’IA générative dans les programmes de lutte contre la fraude ?
R: Les restrictions budgétaires, les problèmes de qualité des données, les lacunes en termes de compétences et les préoccupations éthiques liées au déploiement de l’IA peuvent entraver la croissance de l’IA générative.
Q: Sur quoi insiste l’étude en ce qui concerne l’utilisation des outils d’IA générative ?
R: L’étude insiste sur la nécessité d’une utilisation responsable et éthique des outils d’IA générative.
Termes clés / Jargon :
1. Intelligence artificielle (IA) générative – Fait référence aux systèmes d’IA capables de créer de nouveaux contenus ou de générer de nouvelles informations.
2. Professionnels de la lutte contre la fraude – Personnes spécialisées dans la prévention, la détection et l’enquête sur les activités frauduleuses au sein des organisations ou des industries.
3. Intelligence artificielle (IA) – La simulation de l’intelligence humaine dans des machines programmées pour penser, apprendre et résoudre des problèmes.
4. Apprentissage automatique (ML) – Un sous-ensemble de l’IA qui permet aux ordinateurs d’apprendre et de s’améliorer grâce à l’expérience, sans être explicitement programmés.
5. Biométrie – La mesure et l’analyse de caractéristiques physiques ou comportementales uniques des individus, telles que les empreintes digitales ou les traits du visage, à des fins d’identification et d’authentification.
6. Robotique – La branche de la technologie qui traite de la conception, de la construction et du fonctionnement de robots capables d’effectuer des tâches de manière autonome ou avec l’aide humaine.
Liens connexes suggérés :
– Association of Certified Fraud Examiners
– SAS
The source of the article is from the blog scimag.news