La fraude à l'IA se développe à la vitesse d'une startup - et les banques peinent à suivre | Benzinga France

Benzinga
Benzinga kaynağında aç
Share Facebook Twitter LinkedIn Pinterest Email

En mars 2025 , un directeur financier d’une entreprise multinationale basée à Singapour a participé à ce qui semblait être une réunion Zoom de routine avec la haute direction, dont le directeur financier et d’autres cadres. Tous les participants avaient l’air réel et leur voix sonnaient juste. Le directeur financier a ainsi autorisé un virement de 499 000 dollars. Le problème ? Les personnes et voix de cet appel étaient des deepfakes. Au moment où la société a découvert la supercherie, l’argent avait déjà disparu.

La fraude n’est plus simplement une activité criminelle. Elle est devenue une industrie organisée et évolutive alimentée par l’intelligence artificielle (IA). Ce qui nécessitait autrefois une expertise technique, un accès privilégié ou une coordination humaine peut désormais être réalisé avec des outils du commerce, de l’automatisation et même des kits de fraude disponibles par abonnement.

Entre-temps, les banques comptent encore en grande partie sur des systèmes basés sur des règles, des contrôles d’identité statiques et des processus lourds de conformité conçus pour une époque bien différente. Cela a creusé davantage le fossé entre la manière dont la fraude est créée et la manière dont elle est empêchée.

Points clés

L’IA a transformé la fraude en un modèle économique évolutif, permettant aux deepfakes, au clonage vocal et aux escroqueries automatisées de fonctionner comme des startups. Les banques accusent un retard, limitées par des systèmes obsolètes, des contraintes réglementaires et des données cloisonnées qui limitent la détection des menaces en temps réel. Le fossé se creuse de plus en plus, les attaquants innovant plus rapidement, ce qui oblige les institutions financières à adopter des stratégies de défense proactives natives de l’IA.

L’ampleur du problème

Les escroqueries pilotées par l’IA se multiplient à un rythme sans précédent. Les tentatives de fraude par deepfake ont augmenté de plus de 2 000 % au cours des dernières années, certaines attaques se produisant toutes les quelques minutes. 

En 2025, les pertes mondiales dues à la fraude permise par l’IA s’élevaient à environ 21 milliards de dollars. De même, le Nasdaq Verafin a estimé que la fraude bancaire et les escroqueries totales s’élevaient à 579 milliards de dollars dans le monde, mettant en évidence l’ampleur croissante de la menace.

De plus, le coût par attaque augmente également, car un incident réussi de fraude vocale coûte en moyenne 680 000 dollars aux entreprises.

Plus important encore, l’accès à ces outils n’est plus limité. Il est peu coûteux et facile de cloner une voix à l’aide de trois secondes de contenu audio disponible publiquement, avec une correspondance de 85 % de précision par rapport au locuteur d’origine. Les mauvais acteurs peuvent également lancer des campagnes de phishing à l’aide de scripts écrits par l’IA à grande échelle.

Cela a conduit à ce que de nombreux experts décrivent aujourd’hui comme la « fraude en tant que service ». Les groupes criminels ne construisent leurs outils qu’une seule fois, puis les vendent ou les louent à d’autres, transformant la fraude en un modèle économique reproductible.

Le fonctionnement des fraudes à l’IA

La fraude moderne se définit par la rapidité, l’échelle et la personnalisation. Comprendre la mécanique de la fraude à l’IA permet d’expliquer pourquoi les défenses traditionnelles sont constamment insuffisantes. Voici comment ça marche :

Sélection de la cible : Les fraudeurs ciblent des personnes ayant une influence financière, telles que les directeurs financiers, les directeurs financiers ou le personnel du département de la trésorerie. Ils recueillent des informations à partir de sources publiques telles que les pages LinkedIn, les transcriptions d’appels de résultats, les vidéos de conférences et les publications sur les réseaux sociaux.

Création d’actifs : À partir de ces données collectées, ils créent des voix synthétiques et des imitations vidéo deepfake d’exécutifs connus. La technologie crée des médias qui ressemblent presque à des médias authentiques.

Exécution : Les attaquants contactent la victime par e-mail, téléphone ou vidéoconférence, en se faisant passer pour quelqu’un que la victime connaît. L’urgence est créée en raison de revendications d’acquisitions sensibles, d’obligations réglementaires ou d’urgences dans la famille de la personne. Cette pression psychologique minimise l’instinct de la victime de rechercher l’authentification de la revendication.

Collecte : Dès que les fonds sont transférés ou que les identifiants de connexion sont fournis, ils transfèrent rapidement l’argent entre plusieurs comptes bancaires, souvent via des plateformes de cryptomonnaie ou des virements internationaux, ce qui rend la récupération difficile.

Pourquoi les banques accusent-elles toujours un retard ?

Malgré d’importants investissements dans la détection des fraudes à l’IA, la plupart des institutions financières livrent un combat asymétrique. Alors que les criminels opèrent sans contraintes réglementaires, cadres éthiques ou obligations de gouvernance, les banques ne jouissent pas de cette liberté.

De plus, le rapport exécutif sur les priorités bancaires 2026 du CSI a révélé que les attaques d’ingénierie sociale renforcées par l’IA (y compris le clonage vocal et le phishing par code QR) ont augmenté de 16 points de pourcentage afin de devenir la principale préoccupation en matière de cybersécurité des institutions financières. Pourtant, 85 % des personnes interrogées conviennent également que les institutions adoptant l’IA bénéficieront d’un avantage concurrentiel significatif, ce qui reflète la tension entre la peur et la nécessité.

La plupart des banques ont tenté d’intégrer l’IA dans des systèmes technologiques obsolètes basés sur des règles et non conçus pour reconnaître des attaques adaptatives en cours de conversation. Selon les experts de SAS, les techniques de prévention de la criminalité basées sur des plateformes d’IA natives surpasseront celles basées sur des plateformes existantes.

De plus, les risques liés aux tiers sont en hausse. L’implication de tiers dans les attaques a été doublée d’une année sur l’autre , atteignant 30 %. Les API de la banque ouverte et l’intégration des portefeuilles mobiles augmentent la surface d’attaque plus rapidement que l’équipe de sécurité ne peut le suivre.

Les signaux de fraude sont souvent compartimentés dans divers départements, ce qui rend difficile la détection d’attaques coordonnées ou intercanaux.

Ce qui doit changer

Pour combler le fossé, les banques doivent aller au-delà des mises à niveau incrémentielles et adopter une approche différente qui nécessite une action à plusieurs niveaux.

Établissez des protocoles de vérification qui utilisent des mots de code préalablement convenus avant qu’une transaction financière ne soit autorisée. Traitez toute demande non sollicitée de paiement urgent, quelle que soit l’identité apparente de l’expéditeur, comme un risque élevé. Vérifiez via un deuxième canal indépendant avant d’agir.

Les institutions financières devraient passer de la détection réactive à l’analyse comportementale proactive en temps réel. Elles peuvent y parvenir en remplaçant les systèmes basés sur des règles par des plateformes natives d’IA capables d’identifier les anomalies dans les schémas de communication, pas seulement dans les données de transaction. De plus, elles peuvent intégrer la prévention de la fraude, les fonctions de lutte contre le blanchiment d’argent et la cybersécurité dans un cadre unifié de gestion des risques.

Les cadres de gouvernance concernant l’utilisation de l’IA dans les banques restent extrêmement sous-développés par rapport au rythme d’adoption par les criminels. Il est devenu essentiel d’établir une supervision réglementaire claire et spécifique à l’IA afin d’éliminer toute friction potentielle. 

Conclusion

L’IA a transformé la fraude en une industrie évolutive à évolution rapide, alors que de nombreuses banques comptent encore sur des systèmes conçus pour un paysage de menaces plus lent et plus prévisible. Les deepfakes, les identités synthétiques et l’ingénierie sociale pilotée par l’IA exposent les limites des défenses traditionnelles et creusent le fossé entre les attaquants et les institutions.

Au-delà des mises à niveau incrémentielles, les banques doivent repenser la manière dont elles détectent, vérifient et répondent aux menaces en temps réel. Dans un monde où la fraude évolue comme une startup, les institutions qui survivront seront celles qui s’adapteront tout aussi rapidement.

Avertissement de Benzinga : Cet article provient d’un contributeur externe non rémunéré. Il ne reflète pas le travail de reportage de Benzinga et n’a pas été édité pour le contenu ou l’exactitude.