Contexte

Cet organisme est le spécialiste du crédit à la consommation en ligne et finance des milliers de prêts chaque année. Quelques chiffres :

  • Plus de 2,5 millions de clients
  • Une centaine de partenaires acteurs du e-commerce
  • Plus de 250 collaborateurs

Avec une offre 100% digitale, il est aujourd'hui leader des paiements en plusieurs fois.

Enjeux

Chaque année, les autorités françaises font face à un nombre très élevé de fraudes et les établissements de crédit à la consommation sont sans cesse à la recherche d’outil pour les endiguer. Chaque année on recense entre 1 et 2 Millions d’€ de fraude sur les prêts personnels classiques. Cet essor a mis en évidence la multiplication des cinématiques de fraude (mode opératoire des fraudeurs) et a augmenté le temps passé par les experts à les détecter.

L'organisme avait besoin d’apprendre des cas de fraudes passés afin de pouvoir détecter les tentatives de fraude avant la décision de l’octroi et ainsi alléger la charge de travail de ses conseillers.

Il intensifie sa lutte contre la fraude au crédit en mettant en place l’outil Scoring.IA et des solutions d’IA et de Machine Learning

L'un des autres enjeux importants pour le groupe était d’utiliser et d’intégrer le Machine Learning et l’IA dans ses processus afin de réduire la fraude grâce à un score performant.

Méthodes et Solutions

Mise en place d’une solution de Machine Learning et d’IA et d’un outil de scoring performant.

Bénéfices

75%

de fraude subie évitée

- 6%

de prêts financés

Alors que les tentatives de fraude augmentent de 30% par an, Scoring.AI nous a permis de réduire la fraude de plus de 50%.

Responsable du service fraude chez le client