Système de détection de la fraude financière à l'aide d'approches et de techniques d'intelligence artificielle

La fraude financière est devenue un défi majeur à l'ère numérique moderne, posant des menaces à la stabilité économique, à la confiance des clients et à l'intégrité des systèmes financiers. Les approches traditionnelles basées sur des règles et guidées par des experts pour la détection de la fraude ont montré des limites dans la résolution de la nature dynamique et évolutive des activités frauduleuses. Cette thèse présente une exploration approfondie d'un nouveau paradigme qui combine la puissance de l'Intelligence Artificielle (IA) basée sur la Connaissance et des techniques d'Apprentissage Automatique (ML) pour une détection efficace et robuste des fraudes financières.L'objectif principal de cette recherche est double : d'une part, examiner la viabilité de l'utilisation des méthodes ML et DL pour détecter la fraude financière et d'autre part, évaluer l'efficacité d'une approche basée sur l'IA basée sur la Connaissance pour traiter les subtilités du paysage frauduleux en évolution. La recherche commence par proposer deux hypothèses : premièrement, que les méthodes ML et DL peuvent identifier efficacement les schémas frauduleux et deuxièmement, qu'une approche basée sur l'IA basée sur la Connaissance offre un cadre flexible pour intégrer des connaissances spécifiques au domaine pour améliorer la détection de la fraude.Pour tester ces hypothèses, un cadre expérimental approfondi est utilisé, impliquant divers algorithmes ML tels que XGBoost, Random Forest, les réseaux neuronau