FAQ

Nous opérons dans un marché de niche et sommes suffisamment spécialisés pour défendre et maintenir notre position sur le marché. Il est essentiel de mentionner que nous ne remplaçons pas les outils traditionnels ou les équipes internes de science data.

Nous complétons les processus existants pour découvrir la fraude résiduelle qu'ils ne peuvent pas découvrir.

Chez Bleckwen, nous disposons d'un groupe international diversifié de data science, spécialisés dans l'intelligence artificielle et l'apprentissage automatique.

L'IA est notre compétence principale, et nous avons construit une base solide de connaissances sur la fraude au crédit avec nos clients actuels.
Nous avons également une histoire unique, ayant autrefois fait partie d'une grande entreprise avant d’être indépendant, ce qui nous donne un éventail d'expériences.

Nous avons l'expérience et la base de connaissances d'une grande entreprise tout en ayant l'agilité et l'innovation d'une entreprise Fintech. Et, ce qui est peut-être le plus inhabituel pour une Fintech, notre premier client a été BNP Paribas, la plus grande banque d'Europe. Cela en dit long, car nous avons été conçus pour cette taille et les exigences de BNP. De nombreuses startups de notre niveau ne pourraient pas répondre à ces exigences et ne sont pas aussi évolutives. BNP Paribas a joué un rôle essentiel dans notre histoire et nous a permis de développer notre technologie pour fournir nos services actuels.

Nous souhaitons renfoncer notre équipe marketing pour accroître notre présence dans l'écosystème Fintech.

Bleckwen a connu une période d'hyper croissance passionnante au cours des derniers mois. Pendant cette période, nous avons signé avec RCI (Renault Bank) en France et lancé une évaluation de la fraude avec RCI en Espagne, pour donner suite à notre succès éprouvé en France. Nous avons atteint nos objectifs de croissance pour 2021, doublé la taille de l'équipe commerciale et étendu nos activités de marketing au cours de cette période.

Nous avons levé 8 millions d'euros dans notre série A et nous lancerons notre série B fin 2022.

Nous disposons actuellement d'une marge de manœuvre financière jusqu'à la fin du mois de mars 2023. Notre objectif est d'atteindre une croissance de 150 % en 2022 et de lancer notre série B avant la fin de l’an prochain.

Nous mesurons la précision du modèle en fonction des critères que vous avez définis. Nous mesurons la détectabilité (la fraude détectée par rapport à toutes les copies existantes) et la précision ou la pertinence (la fraude vue par rapport à toutes les alertes). Ce sont les deux principales mesures de la précision. Nous pouvons également prendre des mesures techniques si nécessaire. La précision dépend fortement des contraintes et des paramètres fixés par le collaborateur.

Cela dépend du projet, car nous construisons des modèles personnalisés en fonction de vos contraintes commerciales et de votre niveau aux faux positifs. Notre objectif est de détecter au moins 50% de la fraude résiduelle.

Non, les modèles ont besoin de suffisamment de données (24 à 36 mois de données historiques) pour être bien formés. Si vous effectuez encore des contrôles manuels pour surveiller votre fraude, notre solution n'est pas adaptée à vos besoins. Mais en attendant, nous vous recommandons de surveiller vos données historiques, par exemple, les suspicions de fraude, la définition de la fraude dans votre entreprise, la distinction entre risque et perte de crédit pour éviter les erreurs d'étiquetage. Vous pourrez rapidement mettre en œuvre notre service dès que vous aurez atteint un volume important.

Notre objectif de retour sur investissement de 400% signifie que notre solution est toujours intéressante. Vous pourriez utiliser notre solution sur-mesure en parallèle de votre système de détection interne, car vous devez toujours examiner le coût de votre équipe de data science.

Si votre retour sur investissement est inférieur au nôtre, vous tirerez quand même une grande valeur en l’utilisant. Nous savons par expérience que la création d'un outil de détection interne peut prendre des mois, voire des années, en fonction de la manière dont vous allouez à ce projet ainsi que le temps et les ressources de vos équipes data science.

Il existe de multiples raisons pour lesquelles vous devriez confier vos projets sur la fraude à Bleckwen plutôt qu'à votre équipe interne.

L'IA est un modèle mathématique permettant d'utiliser les connaissances des entreprises pour prendre de meilleures décisions. Si vous n'êtes toujours pas convaincu, nous sommes heureux de vous proposer notre évaluation qui mesure et projette la fraude résiduelle dans votre business. Cette évaluation a un coût de 30 000 €, mais nous souhaitons l'offrir gratuitement. Nous sommes convaincus de la robustesse de notre solution. Par conséquent, cette évaluation est sans engagement de votre part.

Comme nous sommes une société de services, nous ne voyons pas d'opportunité de conseiller votre équipe de data science, mais nous serions heureux de faire quelques recommandations.

Notre service peut détecter la fraude résiduelle sur les individus, et nous travaillons actuellement sur la construction d’un modèle de la fraude dans les entreprises.

Nous n'analysons pas les documents eux-mêmes, mais nous pouvons trouver des incohérences dans les informations fournies dans les données brutes. Dans l'application, certains enregistrements sont faux, d'autres sont authentiques. Nous pouvons donc détecter la fraude aux faux documents sans les documents eux-mêmes.

There are two types of dashboards in the credit solution. The first is the operational dashboard that the customer currently has access to, including alerts and usage statistics. The second is the ML monitoring dashboard, which we now only use.

Nous vous proposons un modèle personnalisé et explicable, avec un retour sur investissement éprouvé et une intégration rapide.

Oui, nous acceptons toutes les données sous un format anonyme afin de respecter le GDPR.

Des données anonymes spécifiques peuvent affecter la performance du modèle.

Nous utilisons uniquement les données de la société X pour construire le modèle. Nous n'enrichissons pas les modèles avec des sources de données externes, mais cela pourrait changer à l'avenir.

Phase de développement » : vous pouvez toujours utiliser notre solution en parallèle tout en développant vos outils pour économiser de l'argent sur la fraude résiduelle.

Oui, entièrement conforme au GDPR (données anonymes).

Nous basons nos modèles sur un système XG boost. C'est un appel et une API en temps réel.

L'API permet une grande flexibilité dans le transfert de vos fichiers de crédit et de notre scoring. En outre, avec cette API, vous gardez toujours le contrôle et disposez d'une vue d'ensemble. L'API vous permet également d'économiser un temps et des ressources précieux car, sinon, vous devrez développer votre système interne pour communiquer spécifiquement avec nous au sujet des demandes de crédit.

Cela vous coûterait plusieurs mois et des ressources (argent investi et temps passé par votre équipe technique) pour mettre en œuvre une solution qui n'apporte aucun avantage supplémentaire. L'avantage est que nous ne travaillons qu'avec des données structurées et anonymes.

Nous surveillons les variations des modèles, donc cela dépend de la situation.

Les problèmes de dérive surviennent lorsque le modèle ne peut plus trouver de nouveaux systèmes de fraude, car il n'intègre pas ces nouveaux schémas de fraude dans son modèle. Lorsque la dérive devient apparente, nous recyclons le modèle.

La fréquence dépend de l'augmentation. Nous surveillons donc l'importance, et s'il y a une dérive importante, le modèle sera recyclé.

Même si vous disposez déjà d'un outil interne, 88% des projets d'IA ne produisent pas. Nous vous fournirons également une évaluation de la fraude résiduelle (24 à 36 mois) sur la base de vos données historiques. Vous obtiendrez également une projection de la réduction de la fraude résiduelle en utilisant notre solution.