INDUSTRIES

Combattre la fraude sociale avec Splunk

En 2019, la Cour des Comptes estimait que la fraude aux organismes sociaux s’élevait à 1,5 milliard d’euros. Cette fraude sociale est en augmentation constante et rien ne semble pouvoir l’endiguer. Pourtant, des solutions techniques existent pour la combattre, comme l’explique Splunk dans un nouvel e-book. 

La fraude sociale est un fléau qui touche la plupart des pays développés 

Dans un rapport publié en septembre dernier, une commission d’enquête de l’Assemblée Nationale décrivait la fraude sociale comme « structurée et en expansion », et tendant « à exploiter de façon systématique les failles laissées ouvertes par notre système de protection sociale ».

C’est un constat qui pourrait paraître comique : il y a en France plus de personnes disposant d’un numéro de sécurité sociale que le nombre total d’habitants. Ces « assurés fantômes » sont au moins 2,4 millions ! La faute souvent à des données peu fiables et à une sécurisation insuffisante de l’identification des demandeurs. 

Les dispositifs d’aides mis en place depuis le début de la pandémie (et en premier lieu l’activité partielle) se sont aussi montrés propices à la fraude, qui a été évaluée à 225 millions d’euros. 

Alors que la part de la dette dans notre PIB atteindra le niveau record de 117,2% en 2021, l’Etat et les organismes de protection sociale ne peuvent plus se permettre de laisser la situation s’aggraver. Au-delà de la multiplication des contrôles et du renforcement des effectifs, il existe des moyens techniques prometteurs pour détecter la fraude. 

Un rapport de l’OCDE de 2020 souligne en effet le rôle des échanges et de croisements de données, ainsi que l’utilisation de techniques d’analyse de données pour s’attaquer à la fraude. 

L’expérience des allocations d’assurance chômage aux Etats-Unis 

Using Data to Cure Unemployment Fraud in a Covid-19 WorldDans un nouvel e-book (disponible en anglais ici), nous présentons comment Splunk a permis au programme d’assurance chômage américain (Unemployment Insurance Benefits, UIB) de combattre la fraude grâce aux données. 

En mars 2020, avec l’adoption du CARES Act, les Etats-Unis ont mis à disposition 268 milliards de dollars pour soutenir les millions de personnes ayant perdu leur emploi ou étant dans l’incapacité de travailler à cause de la pandémie. Le système d’assurance chômage s’est retrouvé submergé par les demandes, et s’est retrouvé sujet à la fraude généralisée. Le Département du Travail parle de 36 milliards de dollars détournés ! 

C’est dans ce contexte que Splunk a mis ses outils d’analyse de données au service de la lutte contre la fraude. Splunk a mis en place un cadre d’analyse de la fraude en travaillant à partir des processus existants dans les organismes d’assurances chômage (plutôt que de les réinventer). 

Ensuite, pour évaluer au mieux le bien-fondé des demandes d’allocations, Splunk a mis au point un système de modélisation des demandes, en collectant des données sur les demandes frauduleuses et sur les demandes légitimes et en identifiant, grâce au Machine Learning, les caractéristiques récurrentes des demandes frauduleuses. 

L’e-book décrit en détails les 4 étapes du processus mis en place par Splunk : 

  1. L’enquête, qui passe notamment par la vérification de l’identité du demandeur et de celle de l’appareil utilisé pour faire sa demande ;  
  2. Le suivi des données en temps réel (supervision), pour détecter d’éventuelles anomalies ;
  3. L’analyse des flux de données, notamment pour superviser l’envoi des sommes versées dans la bonne direction ; 
  4. La prise de décision et l’action, notamment l’arrêt immédiat des versements lorsque la fraude est établie.

À chaque étape, la clé du processus est dans la mise en relation de toutes les données relatives au système d’assurance chômage et l’automatisation des tâches les plus simples pour laisser le temps aux équipes de conduire les enquêtes les plus complexes. 

En identifiant et stoppant les pratiques frauduleuses, Splunk a permis de réduire les pertes financières, mais aussi de limiter l’impact négatif de ce phénomène sur la réputation du système d’assurance chômage.

Nous avons récemment mis en valeur dans un livre blanc le rôle des données dans le pilotage des politiques publiques. Leur potentiel est réel pour mettre à disposition des services publics répondant aux besoins des citoyens. J’espère que cet article de blog vous aura convaincu que les données sont aussi au rendez-vous pour lutter contre la fraude ! 

 

Clara Lemaire
Posted by

Clara Lemaire

Je suis en charge des affaires publiques pour Splunk, basée à Bruxelles. Mon rôle est d’améliorer la visibilité de Splunk auprès des pouvoirs publics de l’UE, ainsi qu’en France, en Allemagne et aux Pays-Bas. Chez Splunk je suis amenée à m’intéresser à de nombreux sujets, tels que l’Intelligence Artificielle et plus largement l’utilisation des Big Data, mais aussi la politique de cybersécurité et les règles de libre circulation des données entre les Etats.

Tags

Combattre la fraude sociale avec Splunk

Afficher tous les tags
Show Less Tags

Join the Discussion