Fraude IA : comment l'IA sert les fraudeurs et comment la détecter

La fraude IA désigne deux réalités qui avancent ensemble : les escroqueries que l'intelligence artificielle rend plus crédibles (voix clonée, visioconférence truquée, faux documents générés en quelques secondes) et les systèmes d'IA qui détectent la fraude dans les paiements, les identités et les pièces justificatives. Pour une équipe conformité ou risque, la conséquence est concrète : un relevé de compte ou une fiche de paie ne se juge plus à l'œil, il faut contrôler le fichier lui même, ce que font les outils de lutte contre la fraude documentaire réunis dans notre comparatif. Ce guide décrit les fraudes que l'IA facilite, la façon dont l'IA les détecte, et ses limites.

La fraude IA en un coup d'œil

Le tableau associe chaque usage frauduleux de l'IA à la cible qu'il vise et au contrôle qui permet de le repérer. Les trois premières lignes visent des personnes, la dernière vise les dossiers que traitent les banques, assureurs et services achats.

Comment l'IA sert-elle les fraudeurs ?

L'IA générative n'a pas inventé de nouvelle fraude : elle rend les anciennes moins chères, plus rapides et plus convaincantes. Trois usages dominent.

Voix et vidéos truquées

Quelques secondes d'enregistrement suffisent à imiter une voix. Le cas le plus cité reste celui du bureau de Hong Kong du groupe d'ingénierie Arup : un salarié a viré environ 25 millions de dollars après une visioconférence où tous les participants, directeur financier compris, étaient des deepfakes. L'entreprise l'a confirmé à CNN le 16 mai 2024. C'est la version modernisée de la fraude au président.

Hameçonnage et faux conseillers

Les assistants conversationnels écrivent des messages sans fautes, dans le ton d'une banque ou d'un fournisseur, et les déclinent par milliers. Le signal classique de l'arnaque mal rédigée disparaît.

Faux documents

C'est l'usage qui touche le plus les entreprises. Dans une alerte du 13 novembre 2024 (FIN-2024-Alert004), le FinCEN, la cellule de renseignement financier du Trésor américain, constate que des fraudeurs ont utilisé l'IA générative pour créer des documents, photos et vidéos falsifiés afin de passer les contrôles d'identité des banques. Dans un test interne de septembre 2026, deux assistants grand public ont modifié les montants d'un PDF en quelques secondes, avec un rendu propre à l'écran.

Comment l'IA détecte-t-elle la fraude ?

Les mêmes techniques servent en défense. Un système de détection suit toujours la même chaîne : collecter les données, en tirer des signaux, calculer un score, puis apprendre des décisions des analystes. Le schéma ci-dessous montre ces quatre étapes ; les méthodes changent ensuite selon ce qu'on contrôle.

• Paiements : un modèle apprend le comportement normal de chaque compte (montants, heures, bénéficiaires) et signale les écarts, avant que le virement parte.
• Identités : comparaison du selfie et de la photo de la pièce, détection du vivant, recherche d'une photo déjà vue ailleurs.
• Réseaux : rapprochement des comptes qui partagent un téléphone, une adresse ou un IBAN, pour exposer des filières de faux comptes.
• Documents : analyse du fichier, de l'image et de la cohérence des chiffres, détaillée plus bas.

Le résultat est un score de risque, jamais un verdict : l'entreprise décide de ce qui se passe à chaque niveau (accepter, demander une pièce, faire relire, bloquer). C'est ce qui garde un humain aux commandes sur les cas douteux.

Comment savoir si un document est généré ou modifié par IA ?

Un document peut être entièrement généré, ou être un vrai fichier modifié après son émission ; le second cas est de loin le plus fréquent. Regarder la page ne suffit pas : les traces se trouvent à trois niveaux.

Le fichier

Un PDF enregistre le logiciel qui l'a produit, ses dates de modification et les révisions ajoutées après coup. Un relevé censé sortir du système d'une banque mais enregistré en dernier par un éditeur d'images, c'est un signal fort ; les métadonnées pdf se lisent gratuitement. Une facture analysée affichait 50 900 alors que le montant copié donnait 50 400 : la couche visible avait été retouchée, pas le texte en dessous.

L'image

Zones retouchées, polices qui diffèrent d'un pixel, blocs copiés, textures typiques des générateurs : un détecteur de faux documents les repère sur les scans et les photos.

La logique métier

Totaux, soldes, dates et identifiants doivent tomber juste et ressembler à ce que l'émetteur produit d'habitude. Un faux relevé de compte échoue souvent ici en premier : un solde qui ne découle pas des opérations, une date de valeur un dimanche, un IBAN au mauvais format.

Chez Koncile, qui conçoit des outils de détection de fraude documentaire, plus de 150 contrôles répartis sur ces trois niveaux forment un score de 0 à 100, chaque indice étant affiché. Sur 150 000 relevés bancaires analysés, 1,42 % étaient falsifiés, pour la plupart de vrais relevés modifiés après coup plutôt que des documents générés de toutes pièces.

Quelles sont les limites de l'IA contre la fraude ?

L'IA de détection est un filtre, pas un juge. Les équipes qui en tirent le plus prévoient dès le départ quatre limites connues, et les revoient régulièrement avec les résultats réels plutôt qu'avec les promesses des éditeurs.

• Faux positifs : un modèle réglé pour ne rien laisser passer bloque de bons clients. Le seuil est un arbitrage entre pertes et friction, à revoir avec les résultats réels.
• Explicabilité : un score sans raisons ne se défend ni devant un client, ni devant un auditeur. Chaque alerte doit montrer les signaux qui l'ont déclenchée.
• Dérive : les fraudes changent, et un modèle qui n'apprend plus des décisions des analystes perd en précision.
• Retouches fines : une modification faite dans un outil spécialisé puis aplatie dans une nouvelle image laisse peu de traces. Aucun système ne voit tout, d'où un score plutôt qu'un verdict à 100 %.

Que faire face à la fraude IA en entreprise ?

Les contrôles de base restent les plus efficaces contre la fraude en entreprise, à condition d'être appliqués sans exception : rappeler sur un numéro déjà connu avant tout changement de coordonnées bancaires, exiger deux validations au delà d'un montant, conserver les pièces telles qu'elles ont été reçues (les traces de modification vivent dans le fichier, pas dans une impression). L'IA ajoute ce que ces règles ne savent pas faire : contrôler chaque document reçu, à volume, et pondérer des dizaines de signaux faibles.

Comment nous avons établi ce guide

Ce guide s'appuie sur l'alerte FIN-2024-Alert004 du FinCEN du 13 novembre 2024, sur l'article de CNN du 16 mai 2024 rapportant la confirmation d'Arup, et sur les analyses de documents menées par Koncile. Les sources ont été vérifiées le 5 novembre 2026. Les pages les mieux classées en France sur « fraude ia » ont été lues en entier : elles décrivent surtout les arnaques visant les particuliers ; ce guide ajoute le point de vue des entreprises qui reçoivent des documents.

Questions fréquentes

Qu'est-ce que la fraude IA ?

C'est l'usage de l'intelligence artificielle pour tromper une personne ou une organisation : voix clonée, vidéo truquée, message d'hameçonnage rédigé par un assistant ou document falsifié. Le terme désigne aussi, par extension, la détection de ces fraudes par l'IA.

Comment reconnaître une fraude par IA ?

Par l'urgence et le secret demandés, par un canal inhabituel, et par des détails qui ne collent pas : un appel qui refuse d'être rappelé, une pièce dont le fichier a été modifié après son émission. Un rappel sur un numéro connu déjoue la plupart des arnaques vocales.

L'IA peut-elle détecter un document généré par IA ?

Oui, à condition de contrôler plus que l'image : la structure du fichier, les pixels et la cohérence des chiffres. Une retouche fine aplatie dans une nouvelle image peut encore passer, ce qui justifie un score plutôt qu'un verdict.

Quelles sont les fraudes les plus courantes avec l'IA ?

Le clonage de voix et les visioconférences truquées pour obtenir un virement, l'hameçonnage rédigé par IA, et les faux justificatifs (relevés, fiches de paie, pièces d'identité) déposés dans un dossier de crédit, de location ou d'ouverture de compte.

L'IA va-t-elle remplacer les analystes fraude ?

Non. Elle écarte les vérifications de routine et oriente les analystes vers les dossiers qui méritent leur temps. Les décisions sur les cas limites, les enquêtes et le contact client restent humains.