💻 computer science

Artificial Intelligence-Enabled Accounting Information Systems and Fraud Detection in Nigeria's Financial Services Sector: The Moderating Role of Natural Language Processing

Cette étude démontre que les systèmes d'information comptable optimisés par l'intelligence artificielle améliorent significativement la détection de la fraude et l'efficacité de l'audit dans le secteur des services financiers au Nigeria, le traitement du langage naturel agissant comme un modérateur positif qui améliore l'interprétation sémantique et l'explicabilité analytique.

Auteurs originaux : Timothy Oluwapelumi Adeyemi, Abigail Omotola Ojogbede

Publié 2026-07-03

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Timothy Oluwapelumi Adeyemi, Abigail Omotola Ojogbede

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez le système financier du Nigéria comme un immense marché animé où l'argent circule plus vite qu'un battement de cœur. Par le passé, les « gardes » surveillant ce marché (les auditeurs) avaient l'habitude de vérifier les reçus après la fin de la journée. Ils cherchaient les erreurs évidentes ou les ruses connues à l'aide d'une simple liste de contrôle. Mais aujourd'hui, les « voleurs » ont amélioré leurs outils. Ils ne se contentent pas de voler de l'argent liquide ; ils utilisent des déguisements numériques complexes, de fausses identités et de la vitesse pour se faufiler dans les failles avant que quiconque ne s'en aperçoive.

Ce document est comme un bulletin de notes sur un nouvel ensemble de gardes de sécurité de haute technologie que les banques et les entreprises financières nigérianes essaient de tester. Voici le compte rendu de ce que l'étude a trouvé, en utilisant des analogies simples :

1. Le Problème : La vieille lampe de poche contre la nouvelle tempête

L'étude explique que l'ancienne méthode de vérification de la fraude est comparable à la recherche d'une aiguille dans une botte de foin à l'aide d'une lampe de poche faible dans la nuit. Vous ne pouvez voir que ce qui se trouve juste devant vous, et vous devez attendre que le désordre soit fait pour commencer à chercher.

La Réalité : La fraude moderne est comme une tempête qui se produit en quelques secondes. Elle se déplace trop vite pour que l'ancienne « lampe de poche » (l'audit traditionnel) puisse la rattraper.
La Solution : Le document examine les systèmes comptables assistés par l'IA. Considérez cela comme le remplacement de la lampe de poche faible par une caméra satellite qui surveille l'ensemble du marché 24h/24 et 7j/7, en haute définition, et capable de repérer un minuscule mouvement à un kilomètre de distance.

2. Le Héros Principal : Le « Satellite Intelligent » (IA)

Les chercheurs ont demandé à 186 experts financiers au Nigéria (banquiers, auditeurs et techniciens) si ces nouveaux « Satellites Intelligents » (systèmes d'IA) aident réellement à attraper les méchants.

Ce qu'ils ont trouvé : Oui, ils fonctionnent. L'étude indique que lorsque les banques utilisent ces outils d'IA, elles deviennent bien meilleures pour :
- La Prévention : Empêcher le crime avant qu'il ne se produise (comme une serrure intelligente qui sait qu'un voleur tente de crochecher la porte).
- La Détection : Repérer le crime au moment où il se produit.
- L'Investigation : Comprendre rapidement comment cela s'est produit.
Le Grand Gagnant : L'étude a révélé que la Prévention est la partie la plus puissante. Il vaut mieux avoir un garde qui arrête le voleur à la porte qu'un garde qui le poursuit après que l'argent a disparu.

3. L'Arme Secrète : Le « Traducteur » (NLP)

C'est ici que cela devient intéressant. L'IA « Satellite Intelligent » est excellente pour examiner les chiffres (comme vérifier si 100 $ ont été transférés). Mais les fraudeurs sont aussi doués pour mentir avec les mots. Ils écrivent de faux e-mails, de faux rapports et des messages confus pour masquer leurs traces.

La Lacune : Un ordinateur est généralement mauvais pour lire les mensonges humains ou le sarcasme dans un message texte.
La Solution : Le document introduit le Traitement du Langage Naturel (NLP). Considérez le NLP comme un traducteur super intelligent qui siège à côté de l'IA.
- Tandis que l'IA examine les chiffres, le NLP lit les histoires (e-mails, plaintes, rapports).
- Il peut déterminer si une phrase semble « louche » ou si un rapport tente de cacher la vérité, même si les chiffres semblent corrects.
Le Résultat : L'étude a révélé que lorsque vous ajoutez ce « Traducteur » (NLP) au « Satellite Intelligent » (IA), l'ensemble du système devient encore plus performant. C'est comme avoir un garde de sécurité qui peut non seulement voir le voleur, mais aussi comprendre le code secret du voleur.

4. Le Verdict

Le document conclut qu'en raison du monde numérique à évolution rapide du Nigéria :

Les systèmes d'IA sont essentiels pour détecter la fraude car ils sont plus rapides et plus intelligents que les contrôles uniquement humains.
Le NLP est la « recette secrète » qui rend l'IA encore plus intelligente en l'aidant à comprendre le langage humain et les significations cachées.
Ensemble, ils rendent le système financier plus sûr, plus transparent et plus difficile à tromper pour les criminels.

En bref : Le document affirme que pour attraper les voleurs numériques modernes au Nigéria, on ne peut plus se contenter d'un simple manuel de règles. Il faut un système d'IA de haute technologie qui surveille les chiffres et un traducteur intelligent qui lit les mots, travaillant ensemble pour stopper la fraude avant qu'elle ne vole l'argent.

Résumé Technique : Systèmes d'Information Comptable Optimisés par l'Intelligence Artificielle et Détection de la Fraude dans le Secteur des Services Financiers au Nigeria

1. Énoncé du Problème

La numérisation rapide des systèmes financiers dans les économies émergentes, particulièrement au Nigeria, a amélioré l'efficacité opérationnelle et l'inclusion financière, mais a simultanément accru l'exposition à une fraude cybernétique sophistiquée. Les schémas de fraude contemporains — allant de la fraude à l'identité synthétique et au phishing aux réseaux de déception numérique coordonnés — contournent souvent les mécanismes d'audit conventionnels. Les systèmes traditionnels, qui reposent sur une vérification rétrospective, une surveillance basée sur des règles et un échantillonnage périodique, peinent à répondre à la vélocité, à la complexité et à la nature adaptative de la criminalité financière moderne.

En outre, une lacune significative existe dans la littérature concernant l'application de ces technologies au sein des écosystèmes financiers africains émergents. Les preuves empiriques existantes sont fortement concentrées dans les économies technologiquement avancées d'Occident et d'Asie de l'Est, laissant les réalités opérationnelles des infrastructures fragmentées et des conditions réglementaires évolutives dans des pays comme le Nigeria sous-explorées. Plus précisément, il existe une compréhension limitée de la manière dont le Traitement du Langage Naturel (NLP) modère la relation entre les Systèmes d'Information Comptable (SIC) optimisés par l'IA et l'efficacité de l'audit, notamment en ce qui concerne l'interprétation des données textuelles non structurées et l'explicabilité des décisions pilotées par l'IA.

2. Méthodologie

Conception et Philosophie de la Recherche :
L'étude adopte une philosophie de recherche positiviste et un plan de recherche transversal quantitatif. Elle utilise une approche hypothético-déductive pour tester empiriquement des hypothèses fondées sur la théorie concernant les relations entre les SIC optimisés par l'IA, le NLP et l'efficacité de la détection de la fraude.

Collecte de Données :

Population : Professionnels de l'audit, de la comptabilité, de la conformité, de la gestion de la fraude et de la gouvernance des risques financiers au sein du secteur financier réglementé du Nigeria (banques commerciales, sociétés d'assurance et organisations FinTech).
Échantillonnage : Une technique d'échantillonnage intentionnel stratifié a été utilisée pour assurer la représentation entre les secteurs. À partir d'un cadre d'échantillonnage de 310 professionnels (sourcés via les répertoires de l'ICAN et du CIBN), 186 réponses valides ont été retenues (taux de réponse de 74,8 %).
Instrument : Un questionnaire structuré comprenant 47 items mesurant huit construits : Collecte de Données, Analyse de Données, Évaluation des Risques, Détection, Prévention, Investigation, Audit et Efficacité de la Détection de la Fraude, et Capacité NLP. Les items ont été mesurés sur une échelle de Likert en cinq points.
Validité et Fiabilité : La validité de contenu a été établie via une revue d'experts. La validité de construit a été évaluée par une Analyse Factorielle Exploratoire (EFA), en supprimant les items ayant des charges inférieures à 0,60. La cohérence interne a été confirmée par des valeurs d'alpha de Cronbach supérieures à 0,70 pour tous les construits. Le biais de méthode commune a été évalué via le test du facteur unique de Harman (variance de 34,6 %).

Stratégie Analytique :
Les données ont été analysées à l'aide d'IBM SPSS Statistics 27 et AMOS 27. L'analyse a suivi quatre étapes :

Statistiques descriptives pour résumer les profils des répondants et les distributions des variables.
Tests de diagnostic pour la normalité, la multicolinéarité (VIF < 10) et les hypothèses de résidus.
Régression linéaire multiple pour examiner l'influence des dimensions des SIC optimisés par l'IA sur l'efficacité de l'audit.
Régression modérée hiérarchique pour tester le rôle modérateur du NLP, suivant les procédures de Baron et Kenny ainsi que de Cohen et al., avec des variables centrées sur la moyenne pour réduire la multicolinéarité.

3. Contributions Clés

Empirisme Contextuel : L'étude fournit des preuves empiriques provenant du Nigeria, une économie émergente caractérisée par une numérisation rapide et une fragmentation infrastructurelle, étendant ainsi l'applicabilité de l'audit intelligent au-delà des contextes développés d'Occident et d'Asie de l'Est.
Intégration Théorique : Elle ancre l'investigation dans le Diamant de la Fraude (incorporant la capacité comme quatrième dimension de la fraude) et le Modèle d'Acceptation de la Technologie (TAM) (se concentrant sur l'utilité perçue et la facilité d'utilisation). Ce double cadre explique à la fois les conditions structurelles facilitant la fraude et la dynamique institutionnelle favorisant l'adoption technologique.
Rôle Modérateur du NLP : La recherche isole et teste spécifiquement l'effet modérateur du NLP, comblant une lacune dans la littérature concernant la manière dont les capacités d'interprétation sémantique améliorent l'efficacité de la détection de la fraude assistée par l'IA dans des environnements où les données textuelles non structurées (ex: rapports d'audit, récits de conformité) sont critiques.

4. Résultats

Résultats Descriptifs :
Les répondants ont généralement eu des perceptions positives de l'IA-SIC et des capacités de NLP. L'« Analyse de Données » (Moyenne = 3,96) et la « Détection » (Moyenne = 3,93) ont été les mieux notées, tandis que la « Collecte de Données » et l'« Investigation » ont obtenu des scores plus faibles, reflétant de potentiels défis d'infrastructure et d'intégration.

Test d'Hypothèse (H1) :
L'analyse de régression multiple a révélé que les dimensions des SIC optimisés par l'IA expliquent collectivement environ 62,6 % de la variance de l'efficacité de l'audit et de la détection de la fraude ( $R^2 = 0,626, p < 0,001$ ).

La Prévention est apparue comme le prédicteur le plus fort ( $\beta = 0,384, p < 0,001$ ), indiquant que la surveillance proactive et prédictive est la composante la plus critique d'une gouvernance de la fraude efficace.
La Détection ( $\beta = 0,173, p < 0,001$ ), la Collecte de Données ( $\beta = 0,149, p = 0,001$ ) et l'Analyse de Données ( $\beta = 0,117, p = 0,015$ ) ont également montré des influences positives statistiquement significatives.
L'Évaluation des Risques a montré une relation positive mais marginalement insignifiante ( $p = 0,058$ ), suggérant que son efficacité peut dépendre de conditions institutionnelles complémentaires.

Analyse de Modération (H2) :
La régression modérée hiérarchique a confirmé que le NLP modère significativement la relation entre l'IA-SIC et l'efficacité de l'audit.

L'inclusion du NLP a amélioré le pouvoir explicatif du modèle ( $\Delta R^2 = 0,035, p = 0,002$ ).
Le terme d'interaction (IA $\times$ NLP) était statistiquement significatif ( $\Delta R^2 = 0,013, p = 0,041$ ).
Les résultats indiquent que le NLP agit comme une capacité complémentaire, renforçant l'efficacité des systèmes d'IA en étendant l'analyse des données numériques structurées vers les environnements textuels non structurés (ex: récits d'audit, déclarations de divulgation), améliorant ainsi l'interprétation sémantique et la précision de l'investigation.

5. Signification et Revendications

L'article soutient que l'IA-SIC et le NLP sont de plus en plus vitaux pour renforcer la gouvernance de la fraude, la responsabilité réglementaire et la confiance institutionnelle au sein des environnements financiers numériques émergents.

Signification Pratique : L'étude soutient que les institutions financières doivent passer d'un audit rétrospectif basé sur des règles à une surveillance continue pilotée par l'intelligence. Elle souligne que les capacités préventives sont le mécanisme le plus efficace pour atténuer les pertes liées à la fraude. De plus, elle postule que le NLP est essentiel pour traiter la nature de « boîte noire » de l'IA en traduisant les sorties algorithmiques en récits d'audit compréhensibles, améliorant ainsi l'explicabilité et la défendabilité réglementaire.
Signification Théorique : Les conclusions étendent la Théorie du Diamant de la Fraude en démontrant comment l'IA réduit la dimension « opportunité » de la fraude grâce à une surveillance continue et une conformité automatisée. Simultanément, les résultats renforcent le TAM en suggérant que les institutions adoptent ces technologies principalement en raison de leur utilité perçue pour améliorer la performance de la gouvernance et l'efficacité opérationnelle.
Limites : Les auteurs reconnaissent modestement que la conception transversale limite l'inférence causale et que le recours à des données d'enquête perceptuelles peut introduire un biais. Ils suggèrent que les recherches futures utilisent des approches longitudinales ou mixtes pour examiner les implications organisationnelles à long terme.

En conclusion, l'étude affirme que si l'IA-SIC fournit l'architecture fondamentale pour la détection moderne de la fraude, l'intégration du NLP est un facteur modérateur critique qui améliore la portée analytique, l'interprétabilité et l'efficacité globale de la gouvernance dans les écosystèmes financiers complexes et intensifs en données comme celui du Nigeria.