Un client fournit un numéro de sécurité sociale valide, passe une vérification dans une base de données et présente un document d’identité convaincant. Tout semble normal — à ceci près que la personne qui demande l’ouverture du compte n’existe en réalité pas.

C’est le défi que la fraude à l’identité synthétique pose aux banques. Plutôt que d’usurper l’identité d’une seule victime, les criminels combinent des informations personnelles authentiques avec des noms, adresses, numéros de téléphone ou dates de naissance inventés afin de créer une nouvelle identité. La Réserve fédérale définit cette pratique comme l’utilisation d’une combinaison d’informations permettant d’identifier personnellement une personne afin de fabriquer une personne ou une entité dans un but malhonnête ou financier.

Les stratagèmes d’identité synthétique peuvent rester dissimulés pendant des mois ou des années. Les fraudeurs peuvent effectuer de petits paiements, établir un historique de crédit crédible et obtenir progressivement des plafonds plus élevés avant de vider les comptes disponibles et de disparaître. Comme aucune victime classique d’un vol d’identité ne signale immédiatement le crime, la perte qui en résulte peut être comptabilisée comme une créance irrécouvrable ordinaire.

L’exposition financière augmente. TransUnion a estimé que l’exposition aux identités synthétiques sur les comptes ouverts américains de cartes de crédit, cartes de magasins, prêts automobiles et prêts personnels avait atteint $3.3 milliards fin 2024. Deloitte prévoit que la fraude à l’identité synthétique entraînera au moins $23 milliards de pertes d’ici 2030.

L’IA générative rend la menace plus difficile à contenir en aidant les criminels à produire de faux documents, des photos de profil réalistes, des vidéos deepfake et des milliers de personnages fictifs cohérents. Aucun produit ne peut à lui seul résoudre tous les aspects du problème. Les banques ont de plus en plus besoin de plusieurs couches fonctionnant ensemble, notamment des graphes d’identité, de la biométrie comportementale, du renseignement sur les appareils, de l’analyse documentaire, des connexions réseau et une surveillance continue des transactions.

Les plateformes suivantes se distinguent par leur capacité à combiner ces signaux dans des décisions de lutte contre la fraude prises en temps réel.

Socure Sigma Synthetic Fraud

Sigma Synthetic Fraud de Socure est l’un des produits conçus spécifiquement pour ce marché. Plutôt que de considérer comme suspect tout demandeur ayant un historique de crédit limité, le modèle est conçu pour distinguer les consommateurs légitimes disposant d’un dossier de crédit peu fourni ou récemment arrivés dans le pays des identités manipulées et fabriquées.

Il analyse les relations entre les noms, les adresses, les numéros de téléphone, les comptes e-mail, les appareils, les adresses IP, les schémas de vélocité ainsi que les données d’identité plus larges, en ligne et hors ligne. Socure indique que son dernier modèle est utilisé par les cinq plus grandes banques américaines, ainsi que par de grands émetteurs de cartes et des centaines d’entreprises fintech.

La plateforme peut également être associée à la vérification de documents, à l’analyse comportementale et au renseignement sur les appareils grâce à la gamme plus large de solutions d’identité de Socure. Elle peut ainsi aider les banques à obtenir un score de risque spécifique aux identités synthétiques sans imposer de friction inutile aux jeunes consommateurs ou aux demandeurs ayant un historique de crédit classique limité.

SentiLink Synthetic Fraud Score

SentiLink s’est forgé une réputation dans la détection des identités synthétiques au cours du processus de demande. Son Synthetic Fraud Score estime la probabilité que le nom, la date de naissance et le numéro de sécurité sociale d’un demandeur n’appartiennent pas à une seule personne cohérente.

L’entreprise distingue les identités manipulées, dans lesquelles une personne peut utiliser son vrai nom avec le numéro d’identification d’une autre personne, des identités entièrement fabriquées par des réseaux de fraude organisés. Les scores d’apprentissage automatique sont complétés par des indicateurs explicables qui aident les enquêteurs à examiner des problèmes tels que des relations suspectes entre numéros de sécurité sociale, des historiques téléphoniques inhabituels ou des éléments d’identité incohérents.

Le rapport sur la fraude de SentiLink couvrant le second semestre 2025 reposait sur plus de 236 millions de demandes d’ouverture de compte. L’entreprise a indiqué servir onze des quinze plus grandes banques américaines. Cette échelle donne à ses modèles une visibilité sur des attaques coordonnées qui peuvent sembler insignifiantes dans les dossiers d’un seul établissement.

Alloy Fraud Platform

Alloy aborde la détection des identités synthétiques comme un problème d’orchestration des décisions. Les banques obtiennent souvent des données d’identité, des vérifications de documents, des outils liés aux appareils et des scores de fraude auprès de plusieurs fournisseurs, avant de découvrir que ces systèmes communiquent mal entre eux. Alloy réunit ces signaux dans des workflows configurables d’intégration des clients et de surveillance des comptes.

Son Fraud Signal utilise un apprentissage automatique entraîné sur des comportements agrégés et des schémas de risque provenant d’un réseau de plus de 900 institutions financières et entreprises fintech. La plateforme peut combiner des informations issues de centaines de services de données, appliquer l’appétence au risque propre à une banque et déclencher une vérification renforcée lorsqu’une demande dépasse un seuil défini.

Cette flexibilité est importante pour détecter les identités synthétiques, car le signal d’alerte est rarement un document manifestement frauduleux. Il s’agit plus souvent d’un ensemble de petites incohérences concernant les coordonnées, les appareils, les adresses et l’historique des demandes. Alloy est conçu pour transformer ces indices dispersés en une décision coordonnée.

Sardine

Sardine combine la vérification d’identité avec le renseignement sur les appareils, la biométrie comportementale, les données de consortium et l’analyse de graphes. Sa technologie peut examiner davantage que les informations saisies dans une demande, notamment la manière dont celle-ci a été remplie, la présence éventuelle d’un appareil ailleurs dans le réseau et l’existence de connexions techniques dissimulées entre des identités apparemment indépendantes.

Le Connections Graph de Sardine est particulièrement pertinent pour les banques confrontées à une fraude synthétique organisée, car il peut identifier des groupes de comptes liés par des appareils, des commerçants, des adresses ou des schémas de transaction communs. Son agent Graph Analyst est conçu pour étudier ces relations et mettre au jour des abus coordonnés qu’une solution ponctuelle classique pourrait ne pas détecter.

Sardine étend également les signaux de risque au-delà de l’intégration initiale des clients, vers la surveillance des transactions et les workflows de lutte contre le blanchiment d’argent. Cette vision couvrant tout le cycle de vie peut aider les banques à identifier des comptes synthétiques qui se comportent normalement au début, puis commencent à recevoir des transferts suspects, à déplacer rapidement de l’argent ou à fonctionner au sein d’un réseau de comptes mules.

Feedzai

Feedzai relie le filtrage d’identité effectué à l’ouverture d’un compte à une surveillance continue des paiements et des comportements. Sa fonctionnalité Secure Onboarding peut orchestrer différents signaux de risque via une interface unique et conserver le profil de risque obtenu après l’approbation du demandeur.

Cette continuité est importante, car une identité synthétique peut passer la vérification initiale et consacrer des mois à bâtir un historique crédible avant de tenter un bust-out. Feedzai peut surveiller les caractéristiques de l’appareil, les changements de comportement et les transactions pendant toute cette période, au lieu de considérer l’intégration initiale comme la décision définitive sur l’identité.

L’entreprise indique que ses produits d’identité sont conçus pour prévenir la fraude synthétique, l’usurpation d’identité et la prise de contrôle de comptes tout au long du cycle de vie du client. Feedzai a également rapporté, dans son enquête mondiale auprès des professionnels de la criminalité financière, que 90% des institutions financières participantes utilisaient déjà l’IA pour accélérer les enquêtes ou détecter de nouvelles tactiques frauduleuses. Ce résultat illustre le rôle croissant de l’analyse automatisée dans les défenses bancaires modernes.

TransUnion TruValidate Synthetic Fraud Model

Le TruValidate Synthetic Fraud Model de TransUnion bénéficie de la position de l’entreprise à l’intersection des historiques de crédit, des dossiers d’identité et du renseignement numérique sur les risques. Le produit est conçu pour identifier les identités synthétiques tout en limitant le rejet de demandeurs légitimes.

TruValidate peut combiner des informations d’identité hors ligne avec des traces de navigation, des données de réseau téléphonique, l’identité de l’appareil et d’autres signaux numériques au moyen d’un graphe d’identité. Une banque peut ainsi déterminer non seulement si un numéro de sécurité sociale existe, mais aussi si l’identité complète semble s’être développée naturellement au fil du temps.

Les recherches de TransUnion ont montré que l’exposition des prêteurs américains liée aux identités synthétiques avait atteint un niveau record, l’exposition des comptes ouverts progressant jusqu’à environ $3.3 milliards fin 2024. La technologie peut donc prendre en charge à la fois le filtrage initial et la surveillance des portefeuilles, afin d’aider les prêteurs à détecter les identités qui ne deviennent suspectes qu’après l’octroi du crédit.

LexisNexis Fraud Intelligence Synthetic Score

LexisNexis Risk Solutions utilise des informations publiques, propriétaires et intersectorielles pour identifier les combinaisons d’éléments d’identité qui ne sont pas cohérentes lorsqu’elles sont examinées ensemble. Son Fraud Intelligence Synthetic Score évalue plus de 170 caractéristiques d’identité et événements de vie, à la recherche d’incohérences concernant les numéros de sécurité sociale, les noms, les adresses e-mail, les numéros de téléphone et d’autres attributs.

Le résultat prend la forme d’un score de risque à trois chiffres accompagné de codes d’alerte classés par ordre de priorité, fournissant aux enquêteurs davantage de contexte qu’une simple réponse d’approbation ou de refus. Selon LexisNexis, le modèle peut détecter des indicateurs tels qu’une existence inhabituellement récente auprès d’un bureau de crédit, des champs de contact surchargés et des éléments d’identité apparaissant à une vélocité suspecte.

Le score est disponible via une API, un traitement par lots ou la plateforme décisionnelle de l’entreprise. Les banques peuvent donc l’intégrer à leurs systèmes d’intégration existants sans reconstruire toute leur infrastructure de lutte contre la fraude.

Experian Precise ID

Precise ID d’Experian combine la vérification d’identité, l’analyse de la fraude et l’authentification renforcée au moment de l’ouverture d’un compte. Ses modèles sont conçus pour détecter le vol d’identité, le défaut de premier paiement, le comportement de bust-out et la fraude à l’identité synthétique, tout en aidant les banques à approuver automatiquement les clients authentiques.

Experian s’appuie sur les demandes de crédit effectuées auprès de plusieurs prêteurs, les informations démographiques et un graphe d’identité montrant comment les données personnelles ont été reliées et réutilisées au fil du temps. Ces liens peuvent révéler qu’un même numéro de téléphone, une même adresse ou un même numéro de sécurité sociale est apparu dans plusieurs identités ou demandes.

Experian indique que neuf des dix plus grandes banques américaines utilisent les services Precise ID et que la plateforme traite chaque année des centaines de millions de transactions. Les banques peuvent déployer directement le produit ou y accéder via les environnements Ascend et CrossCore d’Experian, ce qui en fait une option pour les établissements qui s’appuient déjà sur les données Experian pour le crédit et la prise de décision client.

BioCatch Connect

BioCatch recherche des indices de fraude dans la manière dont une personne interagit avec une application bancaire. Son intelligence comportementale peut analyser les habitudes de frappe, les mouvements de la souris, l’activité sur écran tactile, les habitudes de navigation, les caractéristiques de l’appareil et les signes de sessions automatisées ou contrôlées à distance.

Cela fournit une ligne de défense supplémentaire lorsqu’une identité synthétique est accompagnée de documents et d’informations personnelles qui semblent techniquement valides. BioCatch Connect associe la télémétrie en temps réel à une intelligence prédictive et à des milliers de signaux liés aux demandes, au réseau, aux appareils et aux transactions.

La plateforme est conçue pour détecter la fraude à l’ouverture de compte, l’activité de bots, la prise de contrôle de comptes et les comptes mules tout au long du parcours client. BioCatch indique que sa technologie est utilisée par plus de 350 banques de détail et analyse chaque mois des milliards de sessions utilisateurs.

La biométrie comportementale ne permet pas nécessairement de prouver à elle seule qu’une identité existe. Elle peut toutefois révéler lorsque le demandeur dissimulé derrière un dossier d’identité soigné se comporte comme un opérateur de bots, une ferme à fraude ou un criminel récidiviste.

Mitek Verified Identity Platform

La Verified Identity Platform de Mitek, communément appelée MiVIP, se concentre sur une assurance d’identité à plusieurs niveaux grâce à la validation des données, l’authentification des documents, la biométrie, le renseignement sur les risques et le filtrage de lutte contre le blanchiment d’argent. Les banques peuvent configurer différents parcours de vérification selon le produit, le client et le niveau de risque concerné.

Ses fonctionnalités fondées sur l’IA sont destinées à identifier la manipulation de documents, les deepfakes et les autres contenus synthétiques de plus en plus utilisés lors de l’intégration à distance. Mitek prend également en charge l’authentification continue après l’ouverture d’un compte, permettant aux banques de réutiliser les informations biométriques vérifiées pour la connexion ou l’approbation des transactions.

Une étude publiée par Mitek et Datos Insights en 2026 a révélé que 84% des cadres de la lutte contre la fraude interrogés considéraient la fraude à l’identité synthétique comme un risque élevé ou modéré lors des demandes. La même étude estimait à environ $2.94 milliards en 2025 les pertes de crédit non garanties aux États-Unis associées aux identités synthétiques. Ces résultats soulignent la nécessité de passer de vérifications d’identité ponctuelles à une assurance continue.

Les banques ont besoin de plusieurs couches, pas d’un score unique

La plateforme la plus adaptée à une banque dépend de la faiblesse de ses défenses actuelles. Un prêteur qui peine à distinguer les consommateurs disposant d’un dossier de crédit peu fourni des identités fabriquées peut donner la priorité à Socure, SentiLink, TransUnion ou LexisNexis. Un établissement confronté à un trop grand nombre de fournisseurs déconnectés peut davantage bénéficier du modèle d’orchestration d’Alloy.

Les banques confrontées à des fermes de bots, à des groupes de comptes coordonnés ou à des réseaux de comptes mules synthétiques peuvent accorder plus d’importance à Sardine, Feedzai ou BioCatch. Experian et Mitek proposent des combinaisons de données d’identité, d’analyse documentaire et de vérification renforcée.

La conclusion générale est que la fraude à l’identité synthétique ne peut pas être combattue en vérifiant simplement la validité de chaque information prise séparément. Un véritable numéro de sécurité sociale, une adresse où le courrier peut être distribué et un selfie convaincant peuvent toujours appartenir à une personne fabriquée par un réseau de fraude.

Les banques doivent évaluer si une identité possède un historique crédible, si son comportement numérique paraît humain, si ses composantes entretiennent des relations suspectes et si son activité reste cohérente après l’intégration. L’IA facilite la création d’identités synthétiques, mais elle donne aussi aux institutions financières les moyens de relier ces indices avant qu’un client fictif ne se transforme en perte bien réelle.