FairFinGAN: Fairness-aware Synthetic Financial Data Generation

Cet article présente FairFinGAN, un cadre basé sur les WGAN qui génère des données financières synthétiques équilibrées en intégrant des contraintes d'équité directement dans le processus d'entraînement, garantissant ainsi à la fois l'atténuation des biais et la préservation de l'utilité des données pour les tâches prédictives.

L'essentiel

🏦 Le Problème : La Banque qui a des Préjugés

Imaginez que vous demandez un prêt à une banque. Autrefois, un humain décidait. Aujourd'hui, c'est souvent un ordinateur (une intelligence artificielle) qui le fait. Le problème ? Cet ordinateur a été entraîné sur des données historiques qui contiennent des préjugés.

C'est comme si l'ordinateur apprenait à la cuisine de sa grand-mère, qui avait l'habitude de dire : "On ne donne pas de recette aux gens de tel quartier" ou "On ne fait pas confiance aux gens de tel âge". Même si la grand-mère ne le fait pas exprès, l'ordinateur apprend ces règles injustes et les répète.

De plus, les banques ne veulent pas partager leurs vrais fichiers clients (trop de secrets, trop de risques de vol de données). Donc, les chercheurs ont besoin de créer des données factices (des faux clients) pour entraîner de nouveaux ordinateurs sans toucher aux vrais secrets.

Mais attention : si on crée ces faux clients à partir des vieux fichiers biaisés, les nouveaux ordinateurs vont aussi devenir racistes ou sexistes ! C'est le cercle vicieux.

🛠️ La Solution : FairFinGAN (Le Cuisinier Équitable)

Les auteurs de ce papier ont inventé un nouvel outil appelé FairFinGAN. C'est un robot-cuisinier très spécial qui ne se contente pas de copier les vieux plats ; il apprend à cuisiner de manière juste.

Voici comment ça marche, avec une analogie simple :

1. Le Robot Copieur (Le Générateur)

Imaginez un robot (appelé Générateur) qui essaie de dessiner des portraits de clients fictifs. Au début, il copie bêtement les vieux dessins. Si les vieux dessins montrent que "les hommes sont plus souvent riches que les femmes", le robot va dessiner des hommes riches et des femmes pauvres.

2. Le Juge Sévère (Le Critique)

Il y a un deuxième robot, le Critique, qui regarde les dessins. Son travail est de dire : "Est-ce que ce dessin ressemble à un vrai client ?". Si le dessin est trop bizarre, le robot-copieur doit recommencer. C'est comme un jeu de "Qui a le plus le vrai air ?".

3. Le Garde-Fou de la Justice (Le Classificateur)

C'est ici que la magie de FairFinGAN opère. Ils ont ajouté un troisième personnage : un Inspecteur de la Justice.

• Cet inspecteur ne regarde pas si le dessin est réaliste.
• Il regarde si le dessin est équitable.
• Il vérifie : "Est-ce que les hommes et les femmes ont la même chance d'être riches sur ce dessin ?"

Si l'inspecteur voit une injustice, il donne un coup de sifflet (une pénalité) au robot-copieur. Le robot doit alors effacer son dessin et en faire un nouveau, en essayant de corriger l'injustice tout en restant réaliste.

🎯 Comment ça se passe en deux étapes ?

Le processus ressemble à un entraînement sportif en deux phases :

• Phase 1 : L'entraînement physique. Le robot apprend à dessiner des clients qui ressemblent vraiment à la réalité (pour que les données soient utiles).
• Phase 2 : L'entraînement à l'éthique. Une fois qu'il sait bien dessiner, on lui met l'Inspecteur de la Justice devant les yeux. Le robot doit maintenant dessiner des clients qui sont réalistes ET équitables. Il doit trouver le juste milieu : ne pas mentir sur la réalité, mais ne pas perpétuer les injustices.

📊 Les Résultats : Est-ce que ça marche ?

Les chercheurs ont testé leur robot sur 5 vrais jeux de données financières (comme des fichiers de cartes de crédit ou de prêts).

• Avant : Les autres robots (les anciennes méthodes) faisaient soit des dessins très réalistes mais injustes, soit des dessins très justes mais complètement faux (inutiles).
• Avec FairFinGAN : Le robot a réussi le tour de force. Il a créé des données qui sont aussi réalistes que les anciennes méthodes (les banques peuvent s'en servir pour tester leurs systèmes) mais qui sont beaucoup plus justes.

C'est comme si le robot avait appris à cuisiner un plat qui a exactement le même goût que celui de la grand-mère (réaliste), mais sans les ingrédients toxiques (les préjugés).

💡 En Résumé

FairFinGAN, c'est un outil qui permet de créer des données financières de remplacement. Au lieu de simplement copier les erreurs du passé, il "nettoie" les préjugés pendant la création.

• Pourquoi c'est important ? Parce que cela permet de construire des systèmes de prêts, d'assurances ou de crédits qui ne discriminent personne, tout en protégeant la vie privée des vrais clients.
• L'analogie finale : C'est comme si on prenait une vieille carte routière avec des chemins de terre interdits à certains, et qu'on utilisait un GPS intelligent pour redessiner une nouvelle carte où tout le monde a le même accès, sans pour autant changer le paysage.

C'est une avancée majeure pour rendre la finance plus équitable pour tout le monde.

Résumé technique

1. Problématique

Les données financières sont essentielles pour les systèmes de prise de décision automatisés, mais leur accès est souvent restreint par des préoccupations de confidentialité et de propriété. La génération de données synthétiques offre une solution, mais elle présente un risque majeur : les modèles génératifs peuvent reproduire, voire amplifier, les biais historiques présents dans les données réelles (liés au genre, à la race, à l'âge, etc.).

Le défi principal réside dans la création de données synthétiques qui soient à la fois :

• Fidèles (préservant la distribution et l'utilité statistique pour les tâches prédictives).
• Équitables (garantissant une parité statistique par rapport aux attributs protégés).

Les méthodes existantes (comme CTGAN ou TabFairGAN) peinent souvent à trouver un équilibre optimal entre l'exactitude des prédictions et la réduction des biais, ou sacrifient trop l'utilité des données pour atteindre l'équité.

2. Méthodologie : FairFinGAN

L'article propose FairFinGAN, un cadre basé sur les WGAN (Wasserstein Generative Adversarial Networks) conçu spécifiquement pour les données tabulaires financières. L'approche se distingue par une stratégie d'entraînement en deux phases intégrant des contraintes d'équité directement dans le processus de génération.

Architecture et Composants

• Générateur (G) : Un réseau de neurones profond (MLP) qui transforme un vecteur de bruit latent $z$ en un échantillon synthétique $(x', y', s')$, où $x'$ sont les attributs, $y'$ l'étiquette de classe et $s'$ l'attribut protégé. Il utilise des couches Gumbel-Softmax pour gérer les attributs catégoriels.
• Critique (C) : Basé sur une architecture WGAN, il évalue la réalisme des données générées par rapport aux données réelles.
• Classifieur (H) : Un classifieur MLP pré-entraîné sur les données réelles. Il sert d'évaluateur d'équité en calculant les scores de biais sur les données générées.

Processus d'Entraînement (Deux Phases)

1. Phase 1 (Synthèse de données réalistes) :
   • Le générateur et le critique s'affrontent selon le jeu classique WGAN.
   • L'objectif est de produire des données qui imitent fidèlement la distribution des données réelles (maximisation de l'utilité).
2. Phase 2 (Correction pour l'équité) :
   • Le générateur est mis à jour en utilisant une fonction de perte supplémentaire basée sur les métriques d'équité calculées par le classifieur $H$ sur les données générées.
   • Deux variantes sont proposées selon la métrique d'équité choisie :
     • FairFinGAN-SP : Minimise l'écart de Parité Statistique (Statistical Parity) entre les groupes protégés.
     • FairFinGAN-EOd : Minimise l'écart des Odds Égalisés (Equalized Odds), assurant que les taux de vrais positifs et de faux positifs sont égaux entre les groupes.
   • La fonction de perte totale combine la perte du WGAN et une pénalité de biais pondérée par un paramètre $\lambda_{fair}$.

3. Contributions Clés

1. Cadre FairFinGAN : Introduction d'un modèle WGAN basé sur deux phases pour la génération de données financières équitables.
2. Stratégie d'entraînement hybride : Intégration directe de contraintes d'équité (Parité Statistique et Odds Égalisés) via un classifieur auxiliaire dans la boucle de rétropropagation du générateur, agissant au niveau du jeu de données plutôt qu'au niveau du modèle de classification final.
3. Validation extensive : Évaluation sur cinq jeux de données financiers réels (Adult, Credit Card, Credit Scoring, Dutch Census, German Credit) couvrant divers attributs protégés (Genre, Race, Âge).
4. Comparaison rigoureuse : Benchmark contre des méthodes de pointe (CTGAN, TabFairGAN) et analyse de l'impact sur plusieurs classificateurs (LR, DT, kNN, MLP).

4. Résultats Expérimentaux

Les expériences montrent que FairFinGAN atteint un compromis supérieur entre équité et utilité par rapport aux méthodes de base :

• Réduction des biais : Sur la plupart des jeux de données, FairFinGAN (surtout la variante EOd) obtient les meilleures ou deuxièmes meilleures métriques d'équité (SP, EO, EOd, PP, ABROCA). Par exemple, sur le jeu de données Adult (attribut Race), FairFinGAN-EOd réduit considérablement les écarts de parité statistique par rapport à TabFairGAN.
• Préservation de l'utilité : Contrairement à TabFairGAN qui tend à sacrifier la précision prédictive pour l'équité, FairFinGAN maintient une précision (Accuracy) compétitive, souvent supérieure à celle de TabFairGAN et proche de celle de CTGAN.
• Robustesse : Les résultats sont cohérents à travers différents classificateurs (Logistic Regression, Decision Trees, etc.), bien que l'efficacité varie légèrement selon le mécanisme d'apprentissage sous-jacent.
• Cas d'usage spécifiques : Sur le jeu de données Credit Scoring, FairFinGAN-EOd offre les meilleurs résultats d'équité tout en maintenant une précision élevée, ce qui est crucial pour les applications de prêt bancaire.

5. Signification et Perspectives

Signification :
Ce travail démontre qu'il est possible de générer des données synthétiques financières qui respectent les exigences réglementaires en matière d'équité sans compromettre la qualité des modèles prédictifs dérivés. Cela offre aux institutions financières un outil pour :

• Réduire les biais historiques dans les systèmes de scoring de crédit.
• Partager des données de recherche sans violer la vie privée.
• Se conformer aux régulations croissantes sur l'IA équitable.

Perspectives Futures :
Les auteurs prévoient d'étendre FairFinGAN pour gérer plusieurs attributs protégés simultanément et d'explorer son application dans d'autres domaines sensibles comme la santé et l'éducation. De plus, l'intégration de la différentielle de confidentialité (differential privacy) et de métriques d'équité plus avancées est envisagée pour renforcer la fiabilité et l'applicabilité des données générées.