Mastercard surveille la fraude grâce à un nouveau modèle de fondation
Mastercard franchit une nouvelle étape dans la lutte contre la fraude en dévoilant un large tabular model (LTM), un modèle de fondation entraîné sur des milliards de transactions par carte bancaire. Contrairement aux grands modèles de langage (LLM), cet outil analyse des données tabulaires structurées, transactions, flux d'autorisation, incidents de fraude, rétrofacturations, activité de fidélité, pour détecter des comportements anormaux sans recourir à des règles prédéfinies. L'enjeu est considérable pour le secteur des paiements numériques : les systèmes de détection de fraude traditionnels reposent sur des règles définies manuellement, nécessitant une intervention humaine constante pour les calibrer. Un modèle capable d'identifier automatiquement des patterns inhabituels, même ceux qu'aucun analyste n'avait anticipés, représente un changement de paradigme. En excluant les identifiants personnels dès la phase d'entraînement, Mastercard positionne également cette approche comme une réponse aux préoccupations croissantes sur la vie privée dans les services financiers. Sur le plan technique, l'infrastructure repose sur Nvidia pour la puissance de calcul et Databricks pour l'ingénierie des données et le développement du modèle. Les premiers résultats montrent une amélioration notable sur des cas précis, notamment les achats à haute valeur et faible fréquence, typiquement sur-signalés comme suspects par les systèmes classiques. Le modèle s'avère plus précis pour distinguer ces transactions légitimes. Mastercard prévoit des déploiements hybrides combinant l'LTM avec les procédures existantes, et envisage de l'étendre à la gestion de portefeuilles, aux programmes de fidélité et à l'analytique interne. L'approche multi-fonctions du modèle unique comporte néanmoins un risque structurel : une défaillance dans un domaine d'application pourrait avoir des répercussions en cascade sur l'ensemble des cas d'usage. C'est pourquoi la société adopte une stratégie prudente d'intégration progressive, cohérente avec les exigences réglementaires strictes qui encadrent le secteur des paiements.
UEMastercard opérant dans toute l'UE, ce modèle de détection de fraude pourrait renforcer la sécurité des paiements numériques pour les consommateurs européens dans le cadre de la réglementation PSD2.
