Faux documents : comment lutter contre la fraude ?

Les organisations n’ont jamais eu autant besoin de lutter contre la fraude. Selon Sumsub,  la fraude utilisant  des documents d'identité synthétiques, a progressé de +281% en France entre le T1 2024 et le T12025. 

Avec l’avènement des échanges dématérialisés et de l'IA générative, les documents constituent désormais un vecteur important de nombreuses formes de fraude  : faux documents d'identité, faux documents administratifs, faux RIB, fausses factures, fausse attestation, faux passeport, faux diplôme, falsification de justificatifs de domicile…

A tel point que dans des secteurs comme celui de l'assurance santé, la fraude documentaire représentait en 2024 65% des fraudes détectées. (Source : rapport d'activité 2024 de l'ALFA).

Mais les fraudeurs n’ont pas la partie gagnée : dopée elles aussi à l’IA, de nouvelles technologies de lutte contre la fraude embarquent toujours plus d’intelligence pour adresser les multiples cas d’usages de la fraude documentaire. 

Les nouveaux enjeux de la fraude documentaire

Avec l'essor de l'IA générative, les barrières techniques à la création de faux documents s'amenuisent. Désormais, certains faux générés ou retouchés numériquement peuvent être difficiles à identifier par une simple inspection visuelle.

La fraude documentaire peut concerner de très nombreuses catégories de documents. Parmi les plus courants : RIB, factures, carte d'identité, justificatifs de domicile ou de revenus. Autant de pièces nécessaires dans le cadre d'une démarche MaPrimRenov', d’une demande de LOA / LLD, d’une demande d'aide sociale, d’un remboursement de sinistre ou encore d’un dossier de location immobilière.

Et pour chacun de ces documents, les techniques de fraude peuvent varier : de la fabrication de faux documents imitant l’original (la présence d’un logo, la localisation et le format des informations, leurs libellés…) à la falsification de documents originaux (changement d’un nom, d’un montant, d’une date…) en passant par l’usurpation d’identité (consistant à utiliser des documents authentiques sans en être cependant le détenteur légal).

La diversité des méthodes de fraude n’est pas le seul défi auquel les organisations doivent faire face. A grande échelle, des contrôles exclusivement manuels peuvent devenir coûteux et difficiles à mener sur l'ensemble du flux. L'automatisation constitue l'un des principaux leviers pour les systématiser.

A l’ère du digital et de l’immédiateté des interactions, notre conviction est que la détection des risques doit se faire dès réception des documents, en temps réel et de façon systématique… 

Faux documents : quelles technologies anti-fraude ?

Les évolutions de l’IA, les progrès de la computer vision, l’essor de la mutualisation des alertes, le développement du cloud… ont ouvert de nouvelles opportunités en matière de lutte contre la fraude. Lorsqu’elles sont embarquées dans une solution de traitement intelligent de documents, ces nouvelles technologies hyperspécialisées contribuent à sécuriser les processus métier des organisations.

Les Cachets Electroniques Visibles (CEV) pour vérifier l’authenticité des documents

France Titres administre notamment le dispositif 2D-DOC, un CEV dont les usages se sont étendus à plusieurs catégories de documents. Ce mécanisme de sécurisation consiste à encoder au sein d’un code-barre bi-dimensionnel apposé sur le document, un certain nombre d’informations clés véhiculées par le document (nom, prénom, adresse…). Une discordance entre les données authentifiées du 2D-Doc et celles présentées sur le document peut constituer un signal de falsification.

L'Altermetry^® pour détecter des falsifications de documents

L’altermetry^® est une technologie spécialisée dans la détection d’altération d’un document original comme la modification d’une date, d’un bénéficiaire ou l’exagération du montant d’une facture. Aussi parfaite soit-elle, de nombreuses retouches graphiques du document opérée par le fraudeur peuvent laisser des traces dans le code de l’image, suceptibles d'être ainsi détectées par nos algorythmes spécialisés.

Exemple de fausse pièce d'identité détectée via l'altermetry® : les zones chaudes en rouge alertent
sur les données retouchées donc falsifiées (ici : nom, prénom, numéro de pièce, signature)

Le Deep Learning pour identifier de fausses factures

Comment détecter une fraude lorsque le document n’est pas un original altéré, mais un faux comprenant toutes les données attendues ? Les dispositifs d’aides à la rénovation énergétique, tels que MaPrimeRénov', font régulièrement l’objet de tentatives de fraude reposant sur de faux devis, factures ou attestations de travaux.

Avec l’augmentation des capacités de calcul, des modèles entraînés sur des milliers de documents authentiques peuvent apprendre à reconnaître les caractéristiques visuelles propres aux documents émis par des énergéticiens ou entreprises du bâtiment. Cet algorithme de similarité (de type Convolutional Neural Network) peut notamment analyser et comparer la position de chaque élément graphique du document (logos, tableaux, typographies, signatures, trames de fond, blocs d’informations...) avec les modèles de référence appris. Une anomalie de mise en page, un logo incohérent ou un élément graphique inhabituel peuvent alors suffire à déclencher une alerte.

Le Face Matching pour valider l’identité d’un client

La vérification d’identité est un moment clé du parcours client. Lorsque ces parcours sont 100% digitaux, cela peut devenir un défi. La reconnaissance faciale basée sur l’IA (Face Matching) permet aujourd’hui de valider la concordance entre plusieurs photos du client provenant de différentes sources : la personne visible dans la webcam est-elle la même que sur la pièce d’identité transmise ? Le Face Matching peut constituer une composante d’un dispositif de vérification d’identité intégré aux procédures KYC et de lutte contre le blanchiment d’argent et le financement du terrorisme (LCB-FT).

Exemple de contrôle d'identité via la reconnaissance faciale :
le visage détecté dans la vidéo matche avec le visage détecté sur la pièce d'identité

Les contrôles de cohérence pour s’assurer de la véracité des coordonnées bancaires

Les contrôles de données sont complémentaires aux contrôles basés sur l’image (Altermetry®, analyse de similarité, Face Matching…). Prenons le cas d'un faux RIB : les fraudeurs n’ont d’autre choix que de laisser leur IBAN sur leur RIB s’ils souhaitent bénéficier du versement sur leur compte. Cas classique : le nom référence de l’IBAN et le nom du détenteur présent sur le RIB sont différents. C’est bien ici le contrôle de cohérence entre les données du référentiel externe IBAN et les données extraites des documents du dossier qui alertera les équipes de lutte contre la fraude.

La mutualisation des analyses pour faire émerger les signaux faibles

L’un des enjeux à venir des organisations dans leur lutte anti-fraude est de faire face à des fraudes de plus en plus fines, et donc d’avoir la capacité d’analyser des signaux de plus en plus faibles. En s’appuyant sur des solutions cloud pour automatiser le traitement et le contrôle de leurs documents, les organisations bénéficient d’une nouvelle arme très puissante : la mutualisation des alertes à l’échelle de tout un écosystème. Imaginez un document frauduleux présenté à un assureur. Il pourrait passer avec une suspicion faible. Imaginons à présent le même document adressé par la même personne à 5 assureurs, la mutualisation en fera un signal fort.

C'est ce que permet la Base M+ comme l'explique Pierre Vanhoute responsable de l'offre lutte contre la Fraude chez AITECA : "lorsqu'un justificatif est transmis, son empreinte est automatiquement comparée dans le référentiel afin d'identifier d'éventuelles similitudes avec des documents connus, déjà qualifiés comme valides ou frauduleux. Cette approche collaborative vise à détecter plus rapidement les anomalies, de réduire les faux positifs et de sécuriser la prise de décision."

La clé du succès : savoir orchestrer et activer les technologies en fonction du contexte

C'est un fait, les technologies de lutte contre la fraude sont de plus en plus puissantes, intelligentes, et certaines sont même autoapprenantes. Mais face à la diversité des cas d’usages, aucune de ces technologies prises indépendamment n’est suffisamment polyvalente pour répondre à toutes les problématiques de fraude documentaire.

Pour illustration, prenons l’exemple des justificatifs de domicile :

• Les contrôles d’authentification blockchain peuvent fournir une preuve robuste d'intégrité ; pour peu que le document soit ancré dans la blockchain… et que le client ne transmette rien d’autre que sa version originale. Or, qui n’a jamais imprimé puis photographié ses justificatifs ?
  
  
• En cas d'absence dans la blockchain, ces documents disposent-ils alors d’un cachet électronique visible ?
  ↗️Si oui des contrôles de cohérence basés sur une signature 2D-DOC seront très efficaces.
  ↘️Si non, d’autres technologies - détection d’altération de l’image, algorithmes de similarité etc. - devront être activées afin de renforcer la stratégie de lutte face aux risques de fraudes.

Cet exemple illustre notre conviction : la véritable intelligence, capable de lutter efficacement contre les différentes situations de fraude, repose sur 2 piliers.

• La maîtrise de l’ensemble des technologies – IA, Deep Learning, Face Matching, réseaux de neurones, OCR…
• La capacité de les activer selon le contexte, le niveau de risque, la provenance des documents, leur nature…

Les entreprises ont de nouvelles armes pour lutter, reste maintenant à adopter la bonne stratégie : combiner les technologies et les orchestrer intelligemment au cœur de leurs processus métier.