Split multiple documents with AI

Notre approche pour détecter la fraude documentaire

Ils cherchent à détecter les manipulations d'image, les altérations de pixels et les artefacts de compression.

Ces techniques sont utiles, mais elles passent à côté d'une large catégorie de fraudes. La fraude documentaire moderne se joue souvent au niveau sémantique.

Les fraudeurs ne modifient pas toujours la structure visuelle d'un document. Ils en modifient le contenu. Exemples : modifier le total d'une facture, changer les coordonnées de paiement, altérer un chiffre sur un bulletin de salaire, remplacer un numéro de compte bancaire.

Ces modifications peuvent paraître visuellement légitimes. Mais elles introduisent des incohérences logiques, invisibles pour les méthodes d'analyse visuelle.

Koncile aborde la détection de fraude documentaire différemment.

Chaque modèle de détection est conçu avec des experts métier qui comprennent la structure et la logique des documents réels. Plutôt que de s'appuyer uniquement sur des signaux visuels, Koncile ajoute une couche de contrôles logiques et juridiques, propres à chaque domaine.

Chaque incohérence détectée contribue à un score de risque de fraude compris entre 0 et 1. Lorsque ce score dépasse un seuil prédéfini, le document est signalé comme potentiellement frauduleux.

Nous détectons les problèmes logiques

La fraude documentaire se révèle souvent par des incohérences dans les données. Les modèles Koncile détectent plusieurs catégories d'anomalies. Ce sont des incohérences mathématiques ou structurelles au sein du document. Exemples : des totaux de factures qui ne correspondent pas aux lignes de détail, des calculs de TVA incorrects, des quantités et prix unitaires incohérents, des incohérences de devise, des totaux impossibles à recalculer.

Ces contrôles révèlent immédiatement de nombreuses formes de fraude à la facturation et de manipulation comptable.

Nous repérons les incohérences sémantiques

Certains documents contiennent des informations techniquement valides, mais peu plausibles dans leur contexte. Exemples : une adresse fournisseur incohérente avec ses données d'immatriculation, un numéro d'entreprise qui ne correspond pas à la raison sociale, un taux de TVA incohérent avec la juridiction applicable, un document faisant référence à des entités qui ne peuvent pas logiquement coexister.

Ces anomalies nécessitent un raisonnement basé sur la connaissance et une validation par des données externes.

Nous mettons au jour les incohérences réglementaires et sectorielles

Certains documents peuvent paraître cohérents en interne, tout en violant des règles réglementaires ou des contraintes propres à un secteur. Les modèles Koncile intègrent une connaissance juridique et opérationnelle pour détecter les situations où un document ne respecte pas la logique métier ou réglementaire attendue. Exemples : une facture sans mentions légales obligatoires (numéro de TVA, date, identité du fournisseur), une facture non conforme aux règles de facturation en vigueur, un bulletin de salaire dont les montants sont incohérents avec le droit du travail, un bulletin de salaire avec des cotisations ou retenues manquantes ou mal calculées.

Ces cas requièrent une compréhension non seulement du document lui-même, mais aussi du cadre juridique et opérationnel dans lequel il s'inscrit.

La détection de fraude documentaire nécessite bien plus qu'une analyse de pixels. La plupart des outils de détection de fraude documentaire s'appuient uniquement sur l'analyse visuelle.