Swift expérimente l’apprentissage fédéré avec Google Cloud, Capgemini et Rhino Health
Swift expérimente l’apprentissage fédéré pour son anti-fraude. Ce qui permettrait aux institutions financières de son réseau de collaborer et de former collectivement des modèles sans partager des données brutes.
Vaste projet de détection des fraudes alimentée par l’IA afin d’aider le secteur financier à lutter contre des formes de criminalité financière de
plus en plus sophistiquées. Au départ de Google Cloud, Rhino Health développera et fournira la plateforme d’apprentissage fédéré principale et Capgemini gérera la mise en œuvre et l’intégration de la solution.
L’approche combine l’apprentissage fédéré avec des technologies améliorant la confidentialité pour permettre le partage de données tout en protégeant les informations sensibles. « Idéalement placés pour mener des efforts collaboratifs à l’échelle du secteur pour lutter contre la fraude, cette exploration aidera la communauté à valider si la technologie d’apprentissage fédéré peut aider les institutions financières à garder une longueur d’avance, commente Rachel Levi, Head of Enterprise AI & Global Head of Innovation Engineering, Swift, L’idée ? Garder à distance les mauvais acteurs grâce au partage des étiquettes de fraude et permettre ainsi d’améliorer l’expérience de paiement transfrontalière. »
Données ni échangées, ni transférées
L’initiative impliquera 12 institutions financières mondiales, avec Google Cloud comme partenaire clé. Elle s’appuiera sur le service de contrôle des paiements (PCS) existant de Swift dans la continuité d’un pilote réussi avec des entreprises d’Europe, d’Amérique du Nord, d’Asie et du Moyen-Orient. Au cours du premier semestre 2025, Swift lancera un « sandbox » utilisant des données synthétiques pour prototyper l’apprentissage des fraudes passées.
Au cœur du projet, le principe de l’apprentissage fédéré. Dans cet environnement dans lequel plusieurs entités -que l’on peut nommer « clients »- collaborent pour résoudre un problème d’apprentissage automatique sous la coordination d’un serveur central ou d’un fournisseur de service. Plutôt qu’exiger la centralisation des données pour la formation des modèles, les données brutes sont stockées chez leurs propriétaires et ne sont ni échangées, ni transférées. Le serveur central initialise un modèle et l’envoie à toutes les entités. Ainsi, chaque entité ajuste le modèle à partir de ses propres données. Les paramètres résultants sont ensuite envoyés vers le serveur central. Lorsque tous ces modèles locaux sont agrégés, le résultat est un modèle global qui fonctionne comme s’il avait été entraîné sur l’ensemble des données à la fois.
Dès lors, l’apprentissage fédéré joue un rôle important dans le développement de toute application d’IA impliquant les données à caractère personnel : des services financiers aux véhicules autonomes, des cas d’utilisation gouvernementale aux produits de consommation de toutes sortes. Il peut être également utilisé dans les domaines où les volumes de données sont trop larges pour être centralisés.
Un écosystème financier plus sûr
A entendre Swift, c’est un changement majeur. Les méthodes conventionnelles de détection des fraudes ont du mal à suivre le rythme des tactiques criminelles de plus en plus sophistiquées. Les systèmes existants s’appuient souvent sur les données limitées des institutions individuelles, ce qui entrave la détection de schémas complexes qui s’étendent sur plusieurs banques et juridictions.
« Notre collaboration avec Swift illustre le potentiel transformateur de l’apprentissage fédéré et de l’informatique confidentielle, estime Andrea Gallego, Global MD, GTM Incubation, Google Cloud. En permettant une collaboration sécurisée et le partage des connaissances sans compromettre la confidentialité des données, nous favorisons un écosystème financier plus sûr et plus résilient pour tous. »
