Fraude Intelligence

L'exemple Fraude Intelligence présente Scrydon configuré pour un analyste AML/détection de fraude dans les services financiers. Il relie les tables gérées, la couche d'ontologie typée et un workflow agentique — permettant à l'analyste de poser des questions en langage naturel et d'obtenir des réponses gouvernées, typées et citées.

Ce que cela modélise

La vue d'un régulateur sur :

• Les transactions entre contreparties.
• Les clients (personnes ou entités parties à ces transactions).
• Les déclarations d'activités suspectes (SAR).
• Les entités réglementées et les régulateurs qui les supervisent.
• Les évaluations des risques et les mesures de supervision.

L'exemple est livré avec un pack d'ontologie Fraude Intelligence avec des liaisons pré-construites sur les CSV de démonstration. Une fois installé, l'analyste peut demander :

• « Montre-moi toutes les transactions impliquant Acme Holdings qui ont déclenché une SAR au T1. »
• « Quels régulateurs supervisent les entités à risque élevé en Belgique ? »
• « Quelle est la tendance des mesures de supervision contre les fintechs ? »

Téléchargement

Le pack est un bundle .scrydon-pack.tar.gz téléchargeable — il n'est pas préinstallé avec la plateforme.

• fraude-intelligence.scrydon-pack.tar.gz — dernière version.
• scrydon-pack-fraude-intelligence-1.0.0.scrydon-pack.tar.gz — version épinglée.

Installation

1. Téléchargez le bundle ci-dessus.
2. Dans votre déploiement Scrydon, ouvrez Paramètres → Plateforme → Packs.
3. Faites glisser le .tar.gz sur la zone de dépôt (ou cliquez pour sélectionner le fichier). La boîte de dialogue affiche le packageId, la version et le résumé des ontologies contribuées par le bundle.
4. Cochez l'avertissement de pack non signé et cliquez sur Upload. Le pack apparaît dans le catalogue de votre organisation sous le nom Fraude Intelligence v1.0.0.
5. Dans votre espace de travail, ouvrez le marketplace Ontologie et activez Fraude Intelligence pour l'environnement d'espace de travail actif.
6. Uploadez les CSV de démonstration ci-dessous comme tables gérées, puis mappez les liaisons du pack sur celles-ci dans /ontology → Liaisons.

Pour le tutoriel complet (inspection du schéma, mappage des colonnes de liaisons, vérification du graphe, construction d'un workflow de triage agentique), consultez le tutoriel pas à pas.

Ce qui est intéressant

• Raisonnement typé — l'agent raisonne sur RegulatedEntity et Transaction, pas sur des lignes regulated_entities. Renommer une colonne ne casse pas le workflow.
• Provenance partout — chaque réponse de l'agent cite les lignes et liaisons sous-jacentes.
• Traversée multi-sauts — demandez les régulateurs des entités impliquées dans des transactions à risque élevé ; l'agent traverse les liens sans que vous ayez à câbler les jointures.
• Masquage au niveau des colonnes — les champs confidentiels (ex. originatorName) sont masqués pour les membres et visibles pour les administrateurs.

Données d'exemple

Neuf CSV anonymisés et référencés croisés dans apps/docs/public/static/fraude-intelligence/ :

• compliance_authorities.csv
• customer_due_diligence.csv
• persons.csv
• regulated_entities.csv
• risk_assessments.csv
• supervisory_actions.csv
• supervisory_authorities.csv
• suspicious_activity_reports.csv
• transactions.csv

Liens connexes

• Tutoriel pas à pas — installation, liaison, vérification, construction d'un workflow agentique.
• Ontologie — la couche typée.
• Ontologie → Packs — comment les packs sont livrés et installés.
• Analytics → Classification et masquage — gouvernance au niveau des colonnes.
• Conformité → RGPD — applicable pour les données personnelles dans ce scénario.