Fraud Conference 2026 : comment l’IA et le renseignement sur les réseaux mobiles redéfinissent les systèmes modernes de lutte contre la fraude

Fraud Conference 2026 : comment l’IA et l’intelligence des réseaux mobiles redéfinissent la lutte moderne contre la fraude

En mai 2026, la Fraud Conference 2026 organisée à Londres a mis en lumière un tournant concret dans la lutte contre la criminalité financière : la fraude n’est plus seulement un « problème de détection », mais un défi systémique qui implique l’identité, les appareils, les réseaux de communication, les processus de paiement et les responsabilités réglementaires. À mesure que les attaques dopées à l’IA, l’ingénierie sociale, la fraude en plusieurs étapes, les fuites de données et la criminalité organisée continuent de s’intensifier, les banques et les établissements de paiement sont contraints de passer d’une interception a posteriori à un modèle de défense plus précoce, en temps réel et davantage coordonné. Les discussions de cette conférence ont montré que l’infrastructure de sécurité des digital payments est en train d’être redéfinie, tandis que l’AI in finance et l’intelligence des réseaux mobiles deviennent des composantes essentielles des dispositifs antifraude.

Contexte du secteur

Dans un contexte de diffusion rapide des paiements numériques, les méthodes d’escroquerie se sont elles aussi industrialisées. La fraude classique aux transactions non autorisées existe toujours, mais le défi le plus important ces dernières années est la fraude par paiement push autorisé (APP fraud) : la victime n’est pas débitée de force, mais initie elle-même le transfert sous l’influence de techniques d’ingénierie sociale, d’usurpation d’identité, de faux services clients, d’arnaques à l’investissement ou d’escroqueries sentimentales.

La difficulté de ce type de fraude tient au fait que, du point de vue du système de paiement, les transactions sont souvent « légitimes ». C’est précisément pourquoi s’appuyer uniquement sur des règles d’interception des transactions ou sur une vérification d’identité statique ne suffit plus à couvrir les chaînes de fraude modernes. Plusieurs intervenants à la conférence ont souligné que la prévention de la fraude évolue d’une « détection au niveau du compte ou de la transaction » vers une « appréciation combinée de l’identité, de l’appareil et des communications ».

L’évolution du cadre réglementaire britannique renforce également cette tendance. Autour des règles de compensation obligatoire liées à l’APP fraud, les banques doivent non seulement indemniser les victimes, mais aussi démontrer qu’elles disposent de capacités de prévention plus robustes. Cela signifie que la lutte antifraude n’est plus seulement une question de coût de conformité, mais une capacité essentielle que les établissements financiers doivent développer durablement dans le cadre de la financial regulation.

Évolutions actuelles

L’un des thèmes les plus marquants de cette conférence concernait la relation entre « vérification d’identité » et « intelligence des réseaux mobiles ».

Selon les échanges, les systèmes d’identité numérique restent fondamentaux, mais les attaquants s’adaptent très vite et exploitent les mêmes mécanismes fondés sur les données comportementales, les caractéristiques des appareils et les signaux de connexion pour contourner la détection. C’est pourquoi de plus en plus d’organisations commencent à utiliser des signaux issus du niveau des réseaux télécoms pour combler les angles morts de la vérification d’identité, par exemple la détection des SIM swap, l’analyse des liens entre appareils et numéros, ou encore les contrôles en temps réel de l’intégrité des lignes. Ce type de capacités ne dépend généralement d’aucune action supplémentaire de l’utilisateur et permet donc, tout en réduisant les frictions, d’améliorer aussi l’identification des risques en temps réel.

Un cas évoqué pendant la conférence était celui d’une solution de détection de fraude basée sur des données téléphoniques en temps réel, dont le déploiement dans certaines banques a montré une amélioration des capacités de détection de l’APP fraud.Un cas évoqué lors de la réunion était qu’une solution de détection des fraudes basée sur des données en temps réel du réseau téléphonique, déployée dans certaines banques, a montré une amélioration de la capacité de détection des APP fraud. Bien que les résultats varient selon les institutions et les contextes, cela reflète une orientation plus large du secteur : les contrôles de sécurité de l’payment infrastructure s’étendent progressivement de l’intérieur des banques vers les réseaux de communication, l’écosystème des appareils et la couche de renseignement partagée.

Le rôle de l’IA est lui aussi en train d’évoluer. Les discussions n’ont pas présenté l’IA comme une simple menace, mais l’ont définie comme une « capacité utilisée des deux côtés, à l’attaque comme à la défense ». Les fraudeurs exploitent de plus en plus habilement les outils d’automatisation pour générer des messages à grande échelle, falsifier des scripts et manipuler les victimes ; de leur côté, les défenseurs commencent à utiliser l’IA pour une reconnaissance de motifs plus rapide, la détection d’anomalies et la classification des messages suspects.

Une orientation digne d’attention est celle des outils d’assistance en temps réel destinés aux consommateurs. L’une des solutions discutées lors de la réunion consiste à utiliser l’IA pour analyser instantanément des messages suspects et fournir des alertes aux moments clés où l’utilisateur interagit avec un fraudeur. L’intérêt de ce type d’outil ne réside pas dans le remplacement de la gestion des risques des banques, mais dans le fait d’avancer la protection au moment de décision « avant que la victime n’ait encore effectué le transfert ».

Un autre point de discussion concerne les paiements agentiques (agentic payments) et les paiements programmables. À mesure que les paiements A2A, l’open banking et les réseaux de paiements en temps réel mûrissent, les paiements ne sont plus uniquement déclenchés manuellement : ils peuvent aussi être initiés et gérés par des systèmes, des moteurs de règles ou des agents IA. La réunion a estimé que, si ce type de nouvelle expérience de paiement est associé à une authentification forte, à la surveillance comportementale et à des contraintes réglementaires, il pourrait en théorie réduire les frictions tout en renforçant le contrôle en temps réel des transactions anormales. Cela a une importance majeure pour les architectures de open banking, d’embedded finance et des futurs real-time payments.

Impact sur le système financier

1. Efficacité des paiements

Si les contrôles antifraude peuvent passer d’une logique post-transaction à une logique pré-transaction, et d’une validation ponctuelle à une évaluation conjointe de signaux multiples, le système de paiement pourra maintenir un taux de validation plus élevé avec moins d’intervention humaine. Pour les consommateurs, cela signifie moins de confirmations supplémentaires et une expérience de paiement plus fluide ; pour les entreprises, cela aide à réduire les pertes de transactions dues aux blocages abusifs.

2. Inclusion financière

Un dispositif antifraude plus intelligent peut également favoriser un accès plus large aux services financiers numériques. Pour les utilisateurs dépourvus d’historique de crédit traditionnel ou de longues séries d’historique de comportement sur leurs comptes, les signaux du réseau mobile, les relations entre appareils et les schémas comportementaux peuvent constituer des bases complémentaires d’évaluation du risque, permettant ainsi aux institutions d’élargir leur couverture de services dans un cadre plus prudent.

3. Concurrence bancaireLa différence de capacités antifraude entre les banques et les établissements de paiement devient progressivement un élément de la concurrence entre services. Plus vite une entreprise pourra intégrer les renseignements télécoms, les modèles d’IA et les données intersectorielles, plus elle aura de chances de réduire le churn des utilisateurs tout en restant conforme. Cela est particulièrement important pour les plateformes de digital banking et les processeurs de paiement, car les utilisateurs n’acceptent généralement pas longtemps des processus de sécurité à forte friction et peu transparents.

4. Coût de conformité

Dans un environnement réglementaire plus strict, les investissements antifraude deviendront des dépenses opérationnelles continues plutôt qu’un projet ponctuel. Les banques doivent prouver qu’elles disposent non seulement de modèles, mais aussi de processus auditables, de mécanismes de collaboration interéquipes et d’une capacité claire de réponse aux incidents. Cela fait de la coopération entre les fournisseurs de financial technology et les institutions financières davantage un achat d’infrastructure qu’un simple déploiement logiciel.

5. Gestion des risques

L’IA a à la fois amélioré l’efficacité défensive et introduit de nouveaux risques liés aux modèles, aux erreurs de classification et aux attaques adversariales. À mesure que les fraudeurs commencent à tester et à manipuler les systèmes de décision IA, les institutions financières doivent intégrer la gouvernance des modèles, la qualité des données et les mécanismes de revue humaine dans leur cadre de gestion des risques. Les futurs systèmes antifraude ne devront pas seulement être « plus intelligents », mais aussi « plus explicables et plus auditables ».

Défis rencontrés

Confidentialité des données

Avec l’introduction de renseignements issus des réseaux mobiles et de données comportementales, la question des frontières des données deviendra plus saillante. La manière dont les institutions peuvent utiliser des signaux de risque plus riches sans enfreindre les exigences de protection de la vie privée est une question centrale dans la mise en œuvre.

Cybersécurité

Un échange de données à plus grande échelle signifie une surface d’attaque plus vaste. Qu’il s’agisse de données de communication, d’identité ou de paiement, dès lors qu’elles sont intégrées dans une même chaîne de décision, des mécanismes plus robustes de contrôle d’accès, de chiffrement et de surveillance sont nécessaires.

Intégration technologique

De nombreux systèmes antifraude bancaires sont encore assemblés à partir de composants provenant de différentes générations et de différents fournisseurs. Pour intégrer réellement l’IA, la gestion des risques en temps réel, la vérification d’identité et les signaux de niveau télécom dans un seul et même cadre décisionnel, il faut souvent des coûts élevés de refonte technologique.

Incertitude réglementaire

Les cadres réglementaires autour de l’IA, du partage des données et de la responsabilité dans les paiements continuent d’évoluer. Les régulateurs soutiennent généralement une protection accrue des consommateurs et une coopération sectorielle plus forte, mais ils s’intéressent aussi à la minimisation des données, aux biais des modèles et à la répartition des responsabilités. Pour la prévention de la fraude dans des scénarios impliquant digital identity, stablecoins, CBDC ou des paiements transfrontaliers, les frontières réglementaires seront plus complexes.

Perspectives d’avenir

Au cours des trois à cinq prochaines années, les systèmes antifraude devraient continuer à évoluer selon trois axes.

Premièrement, la temps réel. À mesure que les réseaux de paiements instantanés et les transactions A2A poursuivent leur expansion, la gestion des risques devra suivre le rythme du règlement instantané, et la marge de récupération a posteriori deviendra de plus en plus réduite.Deuxièmement, fusion des renseignements. La collaboration entre les banques, les établissements de paiement, les opérateurs de télécommunications, les fournisseurs de services d’identité et les réseaux de renseignement sectoriels deviendra plus étroite, et la lutte contre la fraude passera d’une capacité interne à l’échelle d’une institution à une capacité d’infrastructure intersectorielle.

Troisièmement, l’IA à double sens. Les attaquants continueront d’exploiter l’IA pour produire des contenus frauduleux à grande échelle, tandis que les défenseurs utiliseront l’IA pour détecter les comportements anormaux, aider les consommateurs à prendre des décisions et automatiser les mesures de traitement. Ceux qui sauront mieux gouverner les modèles, intégrer les données et maîtriser les faux positifs seront plus susceptibles de prendre l’avantage dans la prochaine փուլ de la concurrence dans la finance numérique.

Dans l’ensemble, le message transmis par Fraud Conference 2026 n’est pas que « l’IA va résoudre la fraude », mais que le secteur financier est déjà entré dans une nouvelle phase : la lutte contre la fraude n’est plus seulement la tâche d’un outil unique ou d’une équipe unique, mais un chantier systémique composé conjointement de l’identité, des réseaux mobiles, de l’infrastructure de paiement, de la conformité réglementaire et de l’éducation des clients. Pour les institutions qui font progresser l’innovation bancaire et la modernisation des paiements numériques, cette évolution aura un impact direct sur leur gestion des risques, l’expérience utilisateur et leur modèle opérationnel à long terme.