Système de détection d'anomalies dans les transactions par cartes de débit bancaires à Ecobank sénégal par apprentissage non supervisé. Mémoire de master / Yaye Maty Thiam / Ziguinchor : Université Assane Seck de Ziguinchor (2025)  

Public ISBD Titre de série : Système de détection d'anomalies dans les transactions par cartes de débit bancaires à Ecobank sénégal par apprentissage non supervisé Titre : Mémoire de master : informatique Type de document : texte imprimé Auteurs : Yaye Maty Thiam, Auteur ; Khadim Dramé, Directeur de la recherche Editeur : Ziguinchor : Université Assane Seck de Ziguinchor, 2025 Importance : 1 vol. (70 f.) Présentation : ill., couv. ill. en coul. Format : 30 cm Langues : Français (fre) Mots-clés : Carte bancaire  Débit bancaire  Anormalie  Transaction bancaire  Ecobank  Sénégal Index. décimale : MI25/13 Résumé : Ce mémoire porte sur la conception d’un système de détection des transactions anormales pour Ecobank Sénégal, visant à répondre aux enjeux croissants de sécurité bancaire. Les transactions anormales, définies comme des écarts significatifs par rapport aux habitudes des clients, posent des risques financiers et réputationnels majeurs. Le système actuel de Ecobank Sénégal, basé sur des règles prédéfinies, souffre d’un manque de flexibilité et génère un nombre important de faux positifs tout en échouant à détecter les nouveaux schémas de fraude. L’approche proposée s’appuie sur l’apprentissage automatique non supervisé pour développer une solution dynamique et adaptative. À partir de plus d’un million de transactions anonymisées sur 18 mois, une analyse exploratoire approfondie a permis de préparer les données grâce à des techniques d’imputation, de normalisation et d’encodage. Plusieurs algorithmes d’apprentissage non supervisé ont été testés, notamment Isolation Forest, Local Outlier Factor (LOF), Auto encodeurs, One-Class SVM et DBSCAN. Les performances des modèles ont été évaluées sur la base de leur précision, leur réduction des faux positifs et leur capacité à identifier des comportements atypiques en temps réel. Les résultats obtenus indiquent que l’Isolation Forest offre une performance optimale, avec une amélioration significative de la précision et une réduction des faux positifs. Les Auto encodeurs ont également montré leur pertinence pour analyser les anomalies complexes. Cette méthodologie a permis d’atteindre une réduction notable des pertes potentielles liées aux fraudes, ainsi qu’une optimisation des ressources de surveillance et une amélioration de l’expérience client. Bien que le modèle n’ait pas encore été déployé dans un environnement opérationnel, les travaux réalisés constituent une avancée significative vers l’intégration de technologies d’apprentissage automatique dans la détection des fraudes bancaires En ligne : https://www.rivieresdusud.uasz.sn/handle/123456789/2558 Système de détection d'anomalies dans les transactions par cartes de débit bancaires à Ecobank sénégal par apprentissage non supervisé. Mémoire de master : informatique [texte imprimé] / Yaye Maty Thiam, Auteur ; Khadim Dramé, Directeur de la recherche . - Ziguinchor : Université Assane Seck de Ziguinchor, 2025 . - 1 vol. (70 f.) : ill., couv. ill. en coul. ; 30 cm. Langues : Français (fre) Mots-clés : Carte bancaire  Débit bancaire  Anormalie  Transaction bancaire  Ecobank  Sénégal Index. décimale : MI25/13 Résumé : Ce mémoire porte sur la conception d’un système de détection des transactions anormales pour Ecobank Sénégal, visant à répondre aux enjeux croissants de sécurité bancaire. Les transactions anormales, définies comme des écarts significatifs par rapport aux habitudes des clients, posent des risques financiers et réputationnels majeurs. Le système actuel de Ecobank Sénégal, basé sur des règles prédéfinies, souffre d’un manque de flexibilité et génère un nombre important de faux positifs tout en échouant à détecter les nouveaux schémas de fraude. L’approche proposée s’appuie sur l’apprentissage automatique non supervisé pour développer une solution dynamique et adaptative. À partir de plus d’un million de transactions anonymisées sur 18 mois, une analyse exploratoire approfondie a permis de préparer les données grâce à des techniques d’imputation, de normalisation et d’encodage. Plusieurs algorithmes d’apprentissage non supervisé ont été testés, notamment Isolation Forest, Local Outlier Factor (LOF), Auto encodeurs, One-Class SVM et DBSCAN. Les performances des modèles ont été évaluées sur la base de leur précision, leur réduction des faux positifs et leur capacité à identifier des comportements atypiques en temps réel. Les résultats obtenus indiquent que l’Isolation Forest offre une performance optimale, avec une amélioration significative de la précision et une réduction des faux positifs. Les Auto encodeurs ont également montré leur pertinence pour analyser les anomalies complexes. Cette méthodologie a permis d’atteindre une réduction notable des pertes potentielles liées aux fraudes, ainsi qu’une optimisation des ressources de surveillance et une amélioration de l’expérience client. Bien que le modèle n’ait pas encore été déployé dans un environnement opérationnel, les travaux réalisés constituent une avancée significative vers l’intégration de technologies d’apprentissage automatique dans la détection des fraudes bancaires En ligne : https://www.rivieresdusud.uasz.sn/handle/123456789/2558

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
0200001005	MI25/13 ex.1	Mémoires	Bibliothèque Centrale	Thèse, Mémoire	Exclu du prêt

---

1 (1 - 1 / 1) Par page : 25 50 100 200