Projets

Datamining anti-fraude à la CNAF

La CNAF, tête nationale de la branche « famille » de la sécurité sociale, utilise le Data Mining pour améliorer ses contrôles et prévenir aux mieux les risques de fraude. L'exploration des données leur permet de cibler les allocataires à risques et d'améliorer ainsi l'efficience des contrôles.

PublicitéResponsable du département maîtrise des risques et lutte contre la fraude de la CNAF (Caisse Nationale d'Allocations Familiales), Daniel Buchet présentait lors d'un séminaire organisé par SAS la méthode de Data Mining, mise en oeuvre par cet organisme pour lutter et prévenir la fraude.

Il s'agit d'une exploration des informations pour extraire des données sensibles, afin « d'améliorer l'efficience du contrôle sur les onze millions d'allocataires » selon Daniel Buchet. Il estime que l'utilisation de cette technique a permis de détecter qu'« environ 500 000 allocataires présentent des risques de fraude ». Le risque de fraude est de l'avis de Daniel Buchet « plus fort avec les allocataires RSA que sur les allocations familiales ».

De l'avis de Daniel Buchet, le Data Mining permet à la CNAF « de mieux cibler les allocataires à risques et de mieux répartir les nécessités de contrôles entre les agences ».

Pour référencer les allocataires « à risques », une base de données d'apprentissage a été constituée en analysant 10560 comptes d'allocataires, sur lesquels 1500 cas de fraude ont été détectés. Les informations récoltées sont les informations personnelles de l'allocataire, l'évolution des allocations sur les 24 derniers mois ainsi que les contacts pris avec la CNAF et leurs résultats. En se basant sur ces informations, une modélisation de « cas à risques » a été créée.

Les données des allocataires sont désormais mises en comparaison de ces cas et un score est attribué selon les résultats, pour déterminer le risque de fraude de l'allocataire. Après un échange entre les différentes institutions publiques et les partenaires, puis une vérification en interne, un contrôle au domicile est demandé si le cas paraît suspect. Il s'agit d'un gain de temps qui « permet de qualifier la fraude plus facilement » selon Daniel Buchet.

Le système français de demandes d'allocations, basé sur le déclaratif, sans vérification en amont « permet à certains de tenter de frauder. Les contrôles sont donc très importants dans notre fonctionnement » selon Daniel Buchet. Aujourd'hui, il y a 71 millions d'opérations de contrôle des données par an. Et près de 3,2 millions se font au domicile des allocataires quand le doute sur leur situation est fort.