Opérationnalisation de l'IA pour la prévention de la fraude dans le secteur public

Mise en œuvre de l'IA pour la prévention de la fraude dans le secteur public

Les organismes du secteur public sont à un carrefour décisif. Les gouvernements adoptent l'intelligence artificielle (IA) non seulement pour moderniser leurs opérations principales et améliorer les services aux citoyens. Parallèlement, l'essor de l'IA remodèle également le paysage des menaces. Les criminels déploient désormais des identités synthétiques, des documents améliorés par des deepfakes et des campagnes d'ingénierie sociale hyper-personnalisées obligent les agences à repenser les contrôles de risque hérités qui n'ont jamais été conçus pour cette échelle ou cette sophistication. Par exemple :

• Bénéfices : Les infractions de fraude ont augmenté de 242 % depuis 2020.
• Impôts : 4,5 milliards de dollars de fraude fiscale ont été découverts en 2025 (en hausse de 111,8 % en glissement annuel).
• Brevets : un seul acteur étranger a été lié à plus de 52 000 dépôts de marques frauduleux

L'IA offre des promesses énormes, mais seulement lorsqu'elle est fondée sur des données fiables et une gouvernance solide. La modernisation ne concerne pas un modèle unique ; il s'agit de construire un système sécurisé de bout en bout qui connecte les données, l'intelligence et les flux de travail. Ce blog illustre comment moderniser la prévention de la fraude avec Databricks par le biais d'une agence fictive appelée le Services Bureau.

Un nouveau modèle opérationnel pour l'enquête sur la fraude

Avant d'explorer comment fonctionne cette modernisation, il est utile de comprendre comment se déroulent souvent les enquêtes sur la fraude aujourd'hui au Services Bureau. Les analystes doivent passer d'un système à l'autre pour collecter les données nécessaires à un seul dossier. Ils exportent des fichiers d'un système, téléchargent des feuilles de calcul d'un autre et reçoivent des informations supplémentaires par pièces jointes d'e-mail ou dossiers partagés. Ils combinent ensuite manuellement ces sources, exécutent des macros ou des règles pour signaler les lignes suspectes et effectuent des recherches plus approfondies dans d'autres systèmes pour valider les résultats. Le processus est long, fragmenté et difficile à adapter.

Imaginez maintenant un flux de travail moderne où une seule application visualise 17 dossiers prioritaires, chacun avec des preuves à l'appui et des explications claires liées aux politiques ou aux signaux de fraude. L'IA met en évidence les risques les plus urgents, tandis que l'analyste prend la décision finale. Ce qui prenait autrefois des semaines peut maintenant être fait en une journée, leur permettant d'agir plus rapidement et avec plus de confiance.

Intégrer l'intelligence dans les flux de travail opérationnels avec les applications Databricks

Les données et les informations apportent le plus de valeur lorsqu'elles sont intégrées directement dans les flux de travail quotidiens.

En utilisant Databricks Apps alimenté par Lakebase, le Services Bureau intègre la gouvernance, les agents et les tableaux de bord dans une seule application d'opérations de fraude adaptée à sa mission.

Un analyste fraude senior se connecte à l'application et voit les dossiers qui lui sont attribués. En ouvrant un dossier, l'analyste peut examiner les documents justificatifs stockés dans les volumes Unity Catalog et les données de vérification tierces.

Pendant ce temps, un agent intégré évalue le dossier en arrière-plan et fournit des recommandations avec une justification à l'appui.

Si l'analyste est d'accord, il peut approuver le dossier. Sinon, il peut outrepasser la recommandation et l'escalader pour enquête. Le jugement humain reste central.

Les cadres utilisent la même application pour visualiser les tableaux de bord et interagir avec Genie sans se connecter à plusieurs outils. La direction et les analystes opèrent dans un environnement unifié qui connecte la gouvernance, l'intelligence et l'action.

C'est ce à quoi ressemble l'IA opérationnalisée en pratique. Les informations ne sont pas isolées dans des plateformes d'analyse. Elles sont intégrées dans les flux de travail de mission où les décisions sont prises.

Les équipes peuvent traiter beaucoup plus de dossiers avec le même personnel, tout en réduisant la probabilité que des activités suspectes passent inaperçues. Les enquêteurs obtiennent une visibilité sur les modèles à travers les programmes et la direction a l'assurance que chaque activité signalée est évaluée de manière systématique et cohérente.

Données gouvernées et collaboration sécurisée avec Unity Catalog + Delta Sharing

Le Services Bureau fictif traite les subventions, les contrats, les prestations, les déclarations de revenus et les brevets, ce qui nécessite une gouvernance solide. Des milliers de candidatures affluent quotidiennement via des systèmes externes et atterrissent dans des tables Delta au sein du lakehouse. Des modèles d'apprentissage automatique et des règles métier signalent les cas suspects aux analystes fraude du pays.

Dans Unity Catalog, l'agence gère ses tables d'enquête sur la fraude avec un contrôle d'accès basé sur les attributs (ABAC). Les colonnes sensibles telles que les informations personnelles identifiables (PII) sont régies par des balises qui appliquent automatiquement des politiques de masquage pour des groupes d'utilisateurs spécifiques.

Par exemple, les analystes fraude juniors peuvent consulter les détails du dossier nécessaires à l'examen, mais ne jamais voir les champs PII masqués. Les analystes seniors et les enquêteurs approuvés peuvent accéder à un contexte supplémentaire en fonction de leur rôle et de la politique.

La gouvernance va au-delà des contrôles d'accès. La lignée complète est disponible au niveau de la table et de la colonne. Les analystes et les équipes de conformité peuvent voir exactement d'où provient un élément de données et où il circule en aval. Si un régulateur demande d'où provient un champ, la réponse est disponible en quelques secondes.

Coordination de l'intelligence avec les Agent Bricks

Une fois les données gouvernées et accessibles, le défi suivant est la priorisation. Les cadres doivent comprendre les tendances des risques. Les responsables de la fraude doivent aligner les décisions opérationnelles sur les directives politiques et les menaces externes émergentes.

Le Services Bureau utilise Agent Bricks, un superviseur multi-agents, pour coordonner trois capacités :

• Genie : extrait les statistiques en direct dans un espace de travail qui interroge les données du lakehouse.
• Assistant de connaissances : ajoute des procédures avec un agent basé sur les politiques de l'agence.
• Web : apporte les tendances via un serveur externe Model Context Protocol (MCP) qui analyse les modèles de fraude émergents.

Au sein de la plateforme Databricks, Agent Bricks est configuré en définissant son rôle et en spécifiant les agents qu'il peut orchestrer. À partir de là, les dirigeants peuvent poser des questions en langage naturel telles que : « À la date du 1er décembre, que devrions-nous prioriser ensuite ? Où se situent nos principaux domaines de risque et comment nous comportons-nous ? »

En coulisses, Agent Bricks appelle Genie pour exécuter des requêtes SQL sur des tables de fraude en direct. Il invoque l'agent de connaissances pour faire remonter les citations de politiques pertinentes avec des références directes aux documents sources, puis récupère des signaux externes sur les schémas de fraude émergents.

Le superviseur synthétise ces entrées en une réponse claire avec des actions recommandées et un raisonnement à l'appui.

Ce n'est pas une réponse générique de LLM. Il s'agit d'une IA fondée sur des données d'entreprise, alignée sur la politique et enrichie d'un contexte en temps réel. L'agent recommande où l'unité d'enquête sur la fraude devrait passer son temps dans les prochaines 24 à 48 heures, armée du contexte qu'elle est actuellement dans une situation de retard « critique » de près de 53 000 cas.

Pour les dirigeants, cela signifie des conseils exploitables livrés en langage clair. Et pour les équipes opérationnelles, cela signifie un alignement plus rapide sur les risques.

Les boucles de rétroaction sont intégrées. Grâce aux sessions d'étiquetage, les utilisateurs peuvent évaluer les réponses et fournir des conseils pour affiner les sorties au fil du temps.

Cette approche intègre l'IA en production en tant que système coordonné plutôt qu'un modèle autonome.

La gouvernance de l'IA est tout aussi importante. Chaque recommandation produite par l'agent est fondée sur des sources de données traçables, des références politiques et un raisonnement documenté. Les analystes restent impliqués et peuvent examiner les preuves à l'appui avant d'accepter ou de rejeter la recommandation. Cette transparence aide les agences à maintenir la confiance dans les décisions assistées par l'IA tout en garantissant la conformité aux exigences réglementaires et de supervision.

Transformer les questions en informations exploitables avec AI/BI Genie

Les responsables opérationnels ont également besoin de visibilité sur la répartition de la charge de travail et les indicateurs de performance.

Au sein d'un tableau de bord exécutif construit sur AI/BI Genie, le Bureau des services suit les indicateurs clés de performance de son programme de fraude. L'interface est interactive. La sélection d'un examinateur individuel met automatiquement à jour les graphiques associés pour révéler la charge de travail, les cas en retard et la combinaison des cas.

Si la direction constate que les examinateurs expérimentés portent une part disproportionnée de cas en retard, elle peut demander directement à Genie : « Quelle est la répartition des cas par niveau d'examinateur ? »

Genie génère la requête SQL sur la table de fraude de référence, renvoie une table structurée et produit automatiquement une visualisation. Le SQL reste visible pour la transparence et la validation.

Avec ces informations, la direction peut rééquilibrer les charges de travail ou accélérer la formation des examinateurs juniors. Les analystes comme les dirigeants peuvent passer de la question à la preuve sans attendre les équipes techniques.

AI/BI Genie transforme l'analyse d'un reporting statique en une intelligence conversationnelle, transparente et exploitable.

Conclusion

Les agences du secteur public modernes ne peuvent pas se permettre des systèmes fragmentés où la gouvernance des données réside dans un outil, l'analyse dans un autre et les flux de travail opérationnels ailleurs.

En unifiant les données, l'IA et la gouvernance au sein de la plateforme Databricks, les agences peuvent construire des fondations sécurisées, coordonner des agents intelligents et intégrer des informations directement dans les applications critiques.

Avec des modèles construits sur des données fiables et contextuelles :

• La détection de fraude devient plus rapide.
• La collaboration devient plus sécurisée.
• Les décisions deviennent plus transparentes et défendables.

Pour savoir comment votre agence peut moderniser la prévention de la fraude et d'autres programmes critiques, contactez notre équipe du secteur public.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original