En 2023, les tentatives de fraude détectées au sein des grandes entreprises françaises ont augmenté de 28%*. Une hausse qui illustre aussi bien une recrudescence de ces phénomènes qu’une amélioration des capacités détection. Pourtant seules 37% des organisations déclarent à ce jour avoir achevé la structuration et le déploiement d’un programme antifraude et anticorruption. 

La loi Sapin 2 impose d’adopter une approche proactive pour identifier, prévenir et combattre ces schémas de fraude. Une fraude révèle le plus souvent une défaillance du dispositif de conformité. Un schéma de fraude qui n’est pas combattu efficacement dès sa première détection est voué à prospérer rapidement. 

Au-delà du préjudice opérationnel ou financier, la fraude s’avère souvent corrélée à des cas de corruption. Ces schémas de corruption s’insinuent en creux des dispositifs de contrôles. Avec l’émergence des nouvelles technologies, ces schémas gagnent en sophistication et en rapidité d’exécution. 

*Lutte contre la fraude en France : défis et stratégies pour 2024

C’est également un fort booster d’efficacité opérationnelle des équipes comptables et du contrôle interne. L’implémentation d’une telle technologie permet de s’affranchir des limites de l’échantillonnage tout en permettant aux équipes de se focaliser sur les tâches à forte valeur ajoutée (investigation d’anomalies, mise en œuvre et suivi de plan d’actions…).  

L’analyse de données pour détecter les cas suspects peut être mise en œuvre à trois niveaux : 

  1. Au sein même des systèmes opérationnels en capitalisant sur les capacités existantes de l’écosystème informatique qui restent souvent sous-exploitées dans les ERP, systèmes de trésorerie ou de gestion logistique. 
  2. Via des solutions « Add on » de data analytics pour systématiser la détection d’anomalies en s’affranchissant des limites d’échantillonnage (Supervizor ; Eye2Scan ; Geoficiency, Trustpair, Sis ID). Celles-ci proposent déjà des interfaces avec les ERP classiques du marché. 
  3. Via l’Intelligence Artificielle en développant des cas d’usage permettant d’améliorer les capacités de détection des « signaux faibles » comportementaux (ex : remboursements de tickets de caisse, falsification de fiches de paie…) 

Nos convictions

  • Opérer un diagnostic des processus à plus forts enjeux pour identifier le potentiel de data analytics 
  • Commencer petit sur les points de faiblesse connus et en fonction de votre niveau de maturité 
  • Être agile pour s’adapter à l’évolution des schémas de fraude 

Conclusion

In fine, la puissance d’analyse et de détection devra s’accompagner d’une montée en puissance de la capacité organisationnel et humaine : Disposer de ressources suffisantes, en particulier pour opérer les contrôles et investiguer les anomalies. 

Contacts :
- Philippe Mannent
- Bertrand Grenier
- Axel Rousset
- Vianney Mauratille

Would you like more information?

Si vous souhaitez en savoir plus à ce sujet, nos experts sont à votre disposition.