Le projet Cerbère est né d’un consortium entre Bleckwen et Quinten pour répondre à un appel a projet de l’Union Européenne. Pour cela, le consortium dispose d’une aide financière du FEDER.

Le projet vise à développer un démonstrateur et un prototype avancé de système de lutte contre la fraude, notamment dans le milieu financier, en s’appuyant sur les avancées récentes en matière d’intelligence artificielle réalisées dans le deep learning, sur l’expérience de la société QUINTEN dans le domaine de la détection de motifs, et sur les technologies d’analyse de graphes sociaux (social network analysis).

La combinaison des trois technologies constitue une innovation prometteuse dans ce domaine, pour le développement d’algorithmes décisionnels efficaces (notamment en termes de faux positifs vs faux négatifs) et explicables, permettant aux utilisateurs de bénéficier de l’apport de l’expertise et de l’analyse humaine en complément de l’apprentissage statistique.

Seront également développées des technologies de visualisation d’informations permettant aux utilisateurs humains de comprendre les contextes de déclenchement d’alarmes.

 

Le projet se déroule en 3 phases :

La première phase est une phase de cadrage et a pour but :

  • Cerner la problématique dans ses diverses composantes, fonctionnelles, scientifiques, techniques, organisationnelles ;
  • Rechercher et définir des utilisateurs privilégiés qui pourront fournir des échantillons de données ;
  • Implémenter des premiers démonstrateurs illustratifs ;
  • Préciser le choix des technologies à utiliser ;
  • Affiner la planification des étapes ultérieures.

 

La seconde phase consiste en un développement itératif et incrémental, avec pour objectifs :

  • Développer par étapes des outils d’analyse et d’exploration de données, puis des modèles prédictifs, et enfin des démonstrateurs et prototypes. Ces derniers permettent de matérialiser l’avancée des travaux de recherche en fournissant des éléments concrets qui mettent en œuvre les recherches réalisées.
  • Seront développés à la fois des moteurs de traitement de données intégrant les algorithmes innovants, et des interfaces utilisateurs d’investigation des dossiers suspicieux
  • Structurer et partager les enseignements scientifiques issus de la confrontation avec des données réelles

 

Enfin, la dernière phase sera une phase de validation et de démonstration, avec pour but :

  • Disposer d’environnements techniques de démonstration
  • Valider les travaux réalisés en matière de fonctionnalités, de performance, d’acception utilisateur et d’intégrabilité dans les processus opérationnels
  • Réaliser une synthèse des enseignements qui pourra prendre la forme d’un livre blanc et d’un article universitaire, à vocation de diffusion externe, complétés d’un document plus détaillé partagé au sein des partenaires

Le 30 août 2019


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *