Improving Credit Card Fraud Detection Using Ensemble Machine Learning Techniques

Le Détective Numérique et l'Aiguille dans la Botte de Foin

Imaginez que vous marchiez dans une ville immense et bouillonnante où des millions de personnes achètent du café, paient leur loyer et commandent des pizzas chaque seconde. Dans cette ville, il y a des pickpockets qui tentent de voler des portefeuilles, mais ils sont incroyablement rares — peut-être seulement 2 ou 3 voleurs pour 100 acheteurs honnêtes. Si vous engagiez un agent de sécurité dont le seul travail était de repérer ces voleurs, il pourrait devenir très doué pour dire « Personne ne vole ! » car, statistiquement, il a raison presque tout le temps. Mais c'est un mauvais travail pour un agent de sécurité ! S'il en manque ne serait-ce qu'un seul, les conséquences sont énormes. C'est le cauchemar quotidien des sociétés de cartes de crédit en ligne : elles doivent trouver les fraudeurs minuscules et sournois qui se cachent à l'intérieur d'une montagne de transactions parfaitement normales.

Pour résoudre cela, les scientifiques utilisent ce qu'on appelle l'Apprentissage Automatique (Machine Learning). Considérez cela comme un robot super intelligent qui apprend en lisant l'histoire. Il examine des milliers de transactions passées pour comprendre à quoi ressemble une dépense « normale » et à quoi ressemble une dépense « suspecte ». Cependant, il y a un piège : comme il y a très peu de cas de fraude, le robot est confus. C'est comme essayer d'apprendre à quoi ressemble un lion en ne montrant au robot qu'une seule photo de lion, tout en lui montrant un million de photos de chats. Le robot pensera simplement : « Oh, tout est un chat ! ». Pour corriger cela, les chercheurs utilisent une astuce ingénieuse appelée Réseaux Antagonistes Génératifs (GANs). Vous pouvez considérer un GAN comme un maître faussaire et un maître détective travaillant ensemble. Le faussaire tente de créer de fausses images de « lions » si réelles qu'elles trompent le détective, tandis que le détective devient meilleur pour repérer les faux. Le temps qu'ils aient terminé, le détective aura vu assez de « lions » pour enfin reconnaître les vrais. Ce document explore comment utiliser ces faussaires et détectives numériques pour attraper les voleurs de cartes de crédit plus rapidement et plus intelligemment.

---

La Grande Idée du Document : Enseigner aux Robots à Trouver l'Aiguille

Dans cette étude, une équipe de chercheurs de l'Université Cadi Ayyad au Maroc a décidé de construire un meilleur agent de sécurité numérique. Ils voulaient voir s'ils pouvaient combiner l'astuce du « faussaire » (les GANs) avec une équipe de différents robots d'apprentissage automatique (appelés Apprentissage d'Ensemble ou Ensemble Learning) pour attraper la fraude à la carte de crédit en temps réel. Ils ne voulaient pas seulement un robot qui soit précis ; ils voulaient un robot assez rapide pour arrêter un voleur avant même que la transaction ne soit terminée.

Les chercheurs ont commencé avec un ensemble de données réelles provenant d'un site appelé AirportRental. Il contenait 76 900 transactions, mais voici le problème : seulement 1 922 d'entre elles (environ 2,5 %) étaient réellement frauduleuses. C'était une botte de foin massive avec très peu d'aiguilles.

D'abord, ils ont essayé d'enseigner à leurs robots sur ces données déséquilibrées et confuses. Comme prévu, les robots ont privilégié la classe majoritaire. Ils étaient si doués pour dire « Ceci est une transaction normale » qu'ils ont manqué la plupart des fraudes. Mais ensuite, les chercheurs ont introduit les GANs. Ils ont utilisé l'équipe faussaire-détective pour créer des exemples synthétiques (faux mais réalistes) de transactions frauduleuses. Ils ont mélangé ces nouveaux exemples avec les vrais jusqu'à ce que l'ensemble de données soit parfaitement équilibré : 50 % de transactions normales et 50 % de transactions frauduleuses. Soudain, les robots avaient un bien meilleur guide d'étude.

Ensuite, ils ont testé une lignée de différents modèles d'apprentissage automatique pour voir lequel était le meilleur détective. Ils ont testé :

• La Régression Logistique et le Naïve Bayes (des penseurs simples et rapides).
• Le KNN et le SVM (des penseurs plus lents et plus complexes).
• La Forêt Aléatoire (Random Forest) et XGBoost (des équipes puissantes de décideurs travaillant ensemble).

Ils ont mesuré deux choses : À quel point étaient-ils bons pour attraper la fraude ? (C'est ce qu'on appelle le Rappel ou Recall). Et à quelle vitesse étaient-ils ? (C'est le Temps d'Exécution).

Les Résultats : L'Équipe Rapide Gagne

Les expériences ont montré que l'astuce du « faussaire » a fait des merveilles. Lorsque les robots ont appris à partir des données équilibrées créées par les GANs, leur capacité à repérer la fraude a grimpé en flèche. En moyenne, leur Rappel (la capacité à trouver les méchants) a bondi d'environ 25 points de pourcentage. Cela signifie qu'ils ont arrêté de manquer les voleurs.

Parmi tous les modèles testés, une équipe s'est distinguée comme le champion incontesté : XGBoost.

Voici pourquoi XGBoost était la star du spectacle :

1. Il était le plus précis : Sur les données équilibrées, XGBoost a atteint une Précision de 95 % (il avait raison presque chaque fois qu'il donnait l'alerte) et un Rappel de 93 % (il a attrapé presque toute la fraude). Il avait également un AUC-ROC de 99 %, ce qui est une façon sophistiquée de dire qu'il était presque parfait pour distinguer les bonnes des mauvaises transactions.
2. Il était le plus rapide sous pression : C'est la partie la plus excitante. Les chercheurs n'ont pas seulement testé les robots un par un ; ils ont simulé un comptoir de location d'aéroport très fréquenté où des centaines de transactions se produisaient simultanément.
   • Lorsqu'ils géraient seulement 1 transaction, les modèles simples comme le Naïve Bayes étaient les plus rapides, ne prenant que 0,09 milliseconde.
   • Mais à mesure que la foule passait à 30 transactions simultanées, les modèles simples et les modèles complexes (comme KNN et SVM) commençaient à ralentir de manière spectaculaire. Le temps du KNN est passé à 18,45 ms, et le SVM a pris 21,10 ms. Leur performance s'est « dégradée » (a empiré) de plus de 800 %.
   • XGBoost, cependant, est resté serein. Même avec 30 transactions, il n'a pris que 2,90 millisecondes. Sa performance n'a ralenti que d'environ 480 %, ce qui représente la meilleure stabilité du groupe.

Le document écarte explicitement l'idée que les modèles simples les plus rapides (comme le Naïve Bayes) sont le meilleur choix pour les systèmes du monde réel. Bien qu'ils soient rapides pour une tâche unique, ils ne peuvent pas gérer l'heure de pointe d'une journée chargée. Le document argumente également contre le recours à de vieilles données déséquilibrées, montant que sans l'équilibrage par les GAN, même les meilleurs modèles peinent à trouver la fraude.

Le Verdict

L'étude conclut que la meilleure façon de détecter la fraude à la carte de crédit est d'utiliser un GAN pour créer un ensemble d'entraînement équilibré, puis de laisser un modèle d'Ensemble comme XGBoost effectuer la détection. Cette combinaison offre le meilleur des deux mondes : un robot incroyablement doué pour repérer les fraudeurs rares et minuscules, et un robot assez rapide pour les arrêter avant que l'argent ne quitte votre compte.

Les auteurs suggèrent que cette approche est une solution robuste et évolutive pour les systèmes financiers réels. Ils n'ont pas seulement trouvé une victoire théorique ; ils ont simulé la pression en temps réel d'un système de transaction très fréquenté et ont prouvé que XGBoost peut supporter la chaleur. Bien qu'ils n'aient pas prétendu que ceci est la solution finale à toute fraude (puisque les voleurs changent toujours leurs tactiques), ils ont montré que cette combinaison spécifique d'outils est une étape très solide, fiable et pratique pour sécuriser nos portefeuilles numériques.