L'analyse de sentiment pour repérer la fraude

Lancé en 2010 avec le soutien de l'Union Européenne, le Projet FIRST avait pour but de concevoir des solutions capables d'extraire de l'information financière utile à partir de la masse de données non structurées disponible sur internet.
B-next, l'un des participants au programme (aujourd'hui terminé), spécialiste des logiciels de lutte contre la fraude et de gestion de la conformité réglementaire, présentait récemment les résultats de sa contribution, sous la forme d'un prototype d'outil de surveillance des marchés, ciblant plus spécifiquement deux cas de malversation bien connus : les mécanismes de type « pump & dump » et « market sounding ».
Pour les non spécialistes, le premier consiste à propager de fausses rumeurs afin de susciter des vagues d'achat sur un titre (généralement « obscur ») et profiter rapidement de la montée artificielle des cours ainsi provoquée pour réaliser une forte plus-value. Le second adopte un principe de « sondage » : l'impact d'une information est d'abord mesuré « à blanc », ce qui permet d'anticiper les réactions lorsqu'elle est publiée officiellement.
Une particularité de ces deux scénarios est qu'ils s'appuient largement sur internet et les médias sociaux pour opérer, en bénéficiant de leur position de relais d'information universels et quasi-instantanés. Rechercher sur les mêmes supports les indices de ce genre de fraude s'avère donc extrêmement pertinent. De surcroît, face à la sophistication atteinte par les escrocs, la légitimité d'une analyse automatisée, exploitant des techniques d'intelligence artificielle, devient effectivement incontournable.
En pratique, le fonctionnement de la solution de b-next ne révèle pas de grandes surprises : à partir d'une analyse sémantique des données collectées sur 215 sources internet différentes (blogs financiers, forums de discussion, plates-formes de réseau social…), des modèles standards sont établis, permettant de détecter les anomalies quand elles surviennent. Elle peut pourtant offrir, potentiellement, une aide précieuse aux autorités de supervision et de régulation des marchés financiers.
En fait, on retrouve dans cette initiative les recettes à l'origine des tentatives passées de prédire les tendances de la bourse grâce à l'analyse de sentiments sur les réseaux sociaux (ce qui, au passage, donne à réfléchir sur le réel besoin d'un co-financement public). Cette fois, cependant, la technologie est mise au service d'un objectif de lutte contre la fraude, plus réaliste (et raisonnable). D'autres scénarios du même acabit pourraient certainement être envisagés au sein des institutions financières…