Selon un rapport récent du Trésor américain sur la gestion des risques liés à l'intelligence artificielle (IA) dans le secteur financier, les grandes institutions financières ont un avantage concurrentiel sur les plus petites dans la prévention des fraudes basée sur l'IA. Le rapport met en évidence le manque de données disponibles pour former des modèles d'IA pour la prévention des fraudes, en particulier en raison d'un partage insuffisant des données entre les entreprises. Les plus petites institutions financières ne disposent généralement pas des données internes et de l'expertise nécessaires pour développer leurs propres modèles d'IA de lutte contre la fraude, tandis que les grandes institutions ont accès à des données historiques étendues. Le rapport souligne la nécessité de collaboration et de partage des données entre les institutions financières pour améliorer la formation des modèles d'IA et d'apprentissage automatique de lutte contre la fraude. Il reconnaît également que les fraudeurs eux-mêmes utilisent de plus en plus les technologies de l'IA et de l'apprentissage automatique, ce qui rend la collaboration entre les IF encore plus cruciale.

La recherche de PYMNTS Intelligence montre que les IF s'appuient sur une combinaison de systèmes de prévention de la fraude internes, de ressources tierces et de nouvelles technologies pour lutter contre la fraude. Bien que l'utilisation de l'IA et de l'apprentissage automatique dans la prévention de la fraude augmente, le rapport note que le développement de ces outils peut être coûteux, ce qui fait que seulement un faible pourcentage d'IF développent leurs propres technologies d'IA et d'apprentissage automatique pour la prévention de la fraude. La collaboration avec des fournisseurs tiers est courante pour acquérir des outils de lutte contre la fraude. Le rapport conclut que la combinaison de la technologie et de la réflexion critique est essentielle pour lutter efficacement contre la criminalité financière, en adoptant une approche "Robocop, pas Terminator".