Détection de la fraude basée sur l'intelligence artificielle et les bases de données orientées graphe
Résumé
BNP Paribas Personal Finance (BNPP PF) propose des produits de paiement fractionné à un certain nombre de partenaires. Lun de ces produits, un paiement en 3 ou 4 fois sur le e- commerce 100% dématérialisé, engendre un montant significatif de fraude. Les personnes ayant lintention de frauder interchangent certaines informations personnelles afin de contourner les règles et les listes noires mises en place. Pour contrer ce phénomène, BNPP PF a construit un dispositif innovant autour dune base de données orientée graphes combinée à un score en Machine Learning.
A propos - BNPP Personal Finance

BNPP Personal Finance, financement aux particuliers en Europe au travers des activités de crédit à la consommation
personal-finance.bnpparibas
A propos des orateurs
Julie Cavarroc
Data scientist Centre de Scoring @BNP Paribas Personal Finance
Julie a intégré le groupe BNPP PF en 2018 en tant que Data Scientist au sein du Centre de Scoring après une année dalternance. Diplômée de la Toulouse School of Economics, elle occupe ce poste depuis 4 ans sur des missions de veilles technologiques et de développement de scores utilisant des algorithmes de machine learning.

Edouard Tabary

Responsable innovation & data science - Centre de Scoring @BNP Paribas Personal Finance
Edouard a rejoint BNP Paribas en 2016 après une première expérience de consultant au sein du cabinet PwC. Il a développé depuis une expertise autour de la gestion quantitative du risque et de la solvabilité. Actuellement responsable de léquipe innovation et data science au centre de scoring de BNPP PF, Edouard est diplômé de lEcole Polytechnique et de la London School of Economics.