SEON élargit ses signaux face aux réseaux de fraude et aux fausses identités dopées à l’IA

SEON, l’AI Command Center dédié à la prévention de la fraude et à la conformité en matière de lutte contre le blanchiment de capitaux (LCB), a annoncé aujourd’hui l’extension de Signal Intelligence, qui fait passer la base de signaux de la plateforme de plus de 900 à plus de 1 100 points de données propriétaires, collectés directement. La nouvelle couverture s’étend à l’intelligence d’adresse, au comportement de session et aux données de téléphone et d’opérateur, ainsi qu’à des signaux plus approfondis d’empreinte numérique et d’appareil. Cette extension aide les équipes risques à mettre au jour les incohérences d’identité et l’infrastructure qui relie les réseaux de fraude, sans ajouter d’étape supplémentaire au parcours client.

Il devient de plus en plus difficile de savoir si un client est authentique. Les fraudeurs devaient auparavant rassembler des justificatifs d’identité, remplir chaque formulaire et gérer les comptes un par un. Usurper l’identité d’un client demandait des efforts ; il suffit désormais d’une connexion internet et d’un prompt. Les outils d’IA générative peuvent produire des profils crédibles et des historiques d’appareil cohérents en quelques minutes. Selon le Groupe d’action financière (GAFI), toute personne équipée d’un smartphone peut générer des deepfakes convaincants dans le temps qu’il faut pour créer un profil sur les réseaux sociaux. L’ACAMS indique que 75 % des professionnels de la lutte contre la criminalité financière placent l’usage abusif de l’IA générative en tête des risques émergents pour la troisième année consécutive. Si le fraudeur choisit toujours l’identité et la cible, les agents d’IA se chargent de la production à la vitesse de la machine.

La difficulté pour les équipes antifraude tient au fait que chaque signal, pris isolément, peut paraître légitime. Un e-mail passe la validation. Un appareil semble sain. Une adresse est vérifiée. La fraude ne devient visible que lorsque ces signaux sont confrontés les uns aux autres. L’extension de SEON fournit aux équipes risques davantage de preuves indépendantes sur chacune de ces couches, multipliant les occasions de révéler ce qui a été fabriqué, ce qui a été réutilisé et ce qui a changé. Elle approfondit trois dimensions du profil d’identité : l’historique, l’infrastructure connectée et le comportement en temps réel, puis met ce contexte au service des décisions prises en aval par les règles, les analystes et les agents d’IA.

Révéler l’historique que l’IA ne peut pas créer instantanément

• Les vérifications Digital Footprint montrent où un e-mail ou un numéro de téléphone apparaît dans les services que les gens utilisent au fil du temps. La couverture élargie inclut les plateformes pour développeurs d’IA, les sites d’offres d’emploi, les sites immobiliers et les applications de rencontre.
• Phone Intelligence ajoute l’historique des échanges de carte SIM (SIM swap) et des portabilités.
• Ensemble, ces signaux aident les équipes à déterminer si une identité et un numéro de téléphone ont existé au-delà de cet instant précis.

Mettre au jour l’infrastructure réutilisée par les réseaux de fraude

• Address Intelligence transforme des chaînes d’adresses désordonnées en signal de risque en vérifiant et en normalisant les adresses dans plus de 240 pays, et en attribuant des identifiants cohérents à l’adresse et au bâtiment exacts. Ces identifiants révèlent quand des comptes sans lien entre eux font tourner des numéros d’appartement ou des variantes de formatage à la même adresse.
• Les signaux élargis de Device Intelligence détectent également l’activité d’agents d’IA, les appareils iOS compromis, les incohérences d’eSIM sur Android et les écarts entre réseau et pays lorsqu’un VPN masque l’adresse IP visible.
• Ensemble, ces signaux aident les équipes à repérer les comptes liés à une infrastructure réutilisée et à évaluer si l’environnement de l’appareil est digne de confiance.

Comprendre l’intention à mesure qu’elle se manifeste

• Session Monitoring suit le comportement du client de l’entrée en relation jusqu’au paiement, en passant par la connexion, la récupération de compte et la validation de la commande.
• Les équipes peuvent détecter l’automatisation, l’accès à distance, l’activité hors écran et les appels en cours pendant qu’une session se déroule, afin d’intervenir avant que l’activité suspecte ne se transforme en prise de contrôle de compte.

Affiner chaque décision, agentique comme humaine, grâce à davantage de contexte

• Au sein de l’AI Command Center de SEON, les équipes fraude et risques peuvent exploiter les nouveaux signaux dans les règles, les alertes, les revues de clients et les enquêtes sur les réseaux, afin que chaque décision s’appuie sur une vision complète.
• Chaque signal de cette extension peut également être connecté aux outils d’IA choisis par l’enquêteur via le serveur Model Context Protocol (MCP) de SEON, afin que les agents raisonnent à partir de preuves réelles, avec tout le contexte au même endroit.
• Analystes humains et agents d’IA peuvent travailler à partir de la même base de signaux, en faisant passer les preuves de la détection à l’enquête puis à l’action.

« L’IA a rendu bon marché la production d’une identité crédible. Ce que les fraudeurs ne peuvent pas faire facilement à grande échelle, c’est construire un historique cohérent pour chaque compte sans réutiliser d’infrastructure », a déclaré Tamas Kadar, CEO et cofondateur de SEON. « C’est là que notre base de signaux fait la différence. Plus une équipe antifraude peut vérifier de dimensions simultanément, plus il est difficile de dissimuler une identité qui ne tient pas la route. »

SEON a également lancé sa série Hidden Risk Files, un ensemble de courtes enquêtes rédigées par ses consultants en fraude qui montrent comment des signaux spécifiques détectent des fraudes que d’autres ne voient pas. Chaque cas part d’un indice suspect et le suit jusqu’à l’infrastructure partagée derrière un réseau de fraude plus vaste. La série offre aux responsables de la lutte contre la fraude un aperçu concret de la manière dont l’intelligence des signaux transforme une enquête. Le premier volet révèle comment un seul attribut d’appareil, une mesure de la luminosité de l’écran, a permis de relier des milliers de comptes d’un réseau de fraude opérant sur du véritable matériel Android.