Cybersécurité

LexisNexis Risk Solutions ajoute des signaux liés aux agents IA aux décisions en matière de fraude

mm
Ajouter Unite.AI à vos sources préférées sur Google

LexisNexis Risk Solutions a annoncé des capacités de renseignement Know Your Agent (KYA) le 5 novembre 2026, ajoutant à sa plateforme d’identité numérique et de prévention de la fraude les activités des agents IA et des signaux contextuels de risque. L’entreprise a indiqué que le trafic agentique avait augmenté de plus de 750 % au premier semestre 2026.

De nombreux clients utilisent déjà KYA dans leurs décisions actuelles de gestion des risques. L’entreprise a indiqué que son Digital Identity Network avait analysé plus de 116 milliards de transactions numériques en 2025 et détecté 4,9 milliards d’attaques automatisées par des bots, soit 59 % de plus que l’année précédente. Cette visibilité déjà établie sur les interactions humaines et automatisées fournit le contexte auquel KYA ajoute l’activité des agents.

La détection alimente une évaluation plus globale des risques

La plupart des agents personnels ne se déclarent pas comme tels, ce qui fait de leur détection le défi immédiat. Leur identification ne permet pas, à elle seule, d’établir qui ils représentent, si leur activité est autorisée, si leur comportement respecte cette autorisation ni si l’ensemble de l’interaction semble légitime. KYA est conçu pour intégrer en temps réel la détection des agents au contexte lié à l’identité, à l’appareil, au réseau, au comportement et aux relations.

Ce contexte peut évoluer au cours d’un même parcours numérique lorsque le contrôle passe d’une personne à un agent. Mike Woodberry, vice-président senior des produits et de l’analytique, a déclaré que l’objectif était d’établir quelle entité agit, qui ou quoi elle représente, si elle est autorisée et ce qu’elle tente de faire. Chaque décision porte donc sur un agent précis qui accomplit une action précise dans un contexte précis, conformément aux politiques de risque de l’organisation.

Comment les signaux sont intégrés aux processus de lutte contre la fraude

La brochure de l’entreprise sur l’intelligence agentique présente les renseignements sur les navigateurs, les appareils, les systèmes d’exploitation et les réseaux comme des moyens de reconnaître les signatures des agents et d’autres indicateurs d’une activité pilotée par des agents. Les applications intégrées à ChatGPT, Claude et aux plateformes similaires peuvent également être profilées à partir des caractéristiques du navigateur, des domaines, des signaux liés aux applications et d’autres indicateurs, afin d’établir le contexte de l’identité numérique. Les indicateurs techniques et comportementaux aident à classer l’activité comme humaine, comme celle d’un bot malveillant ou comme celle d’un agent IA.

Les Trust Tags peuvent établir des relations persistantes entre les utilisateurs, les appareils et les interactions avec des agents, aidant ainsi les organisations à évaluer les activités ultérieures. L’authentification hors bande peut contribuer à établir des relations de confiance entre les clients, les agents et les interactions. Les organisations peuvent ensuite intégrer ces signaux à leurs processus existants et autoriser, authentifier, examiner ou rejeter une interaction en fonction de son contexte et de leurs propres politiques de risque.

Dans ThreatMetrix, l’intelligence agentique associe l’identité numérique à l’intelligence comportementale. Des API, des kits de développement logiciel et des intégrations prêtes à l’emploi dans les processus prennent en charge les environnements web, mobiles et dorsaux, tandis que la diffusion par l’intermédiaire de la LexisNexis Dynamic Decision Platform relie cette fonctionnalité aux enquêtes criminalistiques, à la gestion des dossiers, à la production de rapports et à l’orchestration des processus.

Usages dans la lutte contre la fraude et limites du produit

Les domaines d’application comprennent le commerce assisté par des agents, l’ouverture de compte et l’intégration des clients, les services bancaires et les paiements, l’authentification et la gestion des accès, ainsi que le service à la clientèle. Les agents peuvent rechercher des produits ou les acheter, participer aux parcours d’inscription, accéder à des comptes, planifier des retours ou gérer des comptes. Le système vise également à déterminer si un agent dispose d’une autorisation légitime lors de l’accès à un compte et de sa vérification.

LexisNexis avertit que les agents autonomes pourraient accroître l’ampleur et la sophistication de la fraude par manipulation au virement autorisé et des attaques par prise de contrôle de compte, les agents malveillants tirant des enseignements de leurs réussites et de leurs échecs pour adapter leurs attaques ultérieures. Grayson Clarke, directeur commercial, a déclaré qu’un établissement financier mondial avait utilisé les capacités de détection de l’entreprise pour repérer une activité agentique et contribuer à empêcher l’exécution de transactions sensibles.

Les capacités actuelles portent principalement sur la détection, le contexte et les décisions intégrées aux processus. La documentation présente une identité et une autorisation des agents plus sophistiquées, ainsi que les interactions entre agents, comme des axes de développement futurs, sans s’engager sur leur mise en œuvre. Les résultats varient en fonction de la mise en œuvre, de la disponibilité des données, des caractéristiques des transactions et de l’utilisation qu’en fait le client ; aucune solution ne peut identifier, classer, authentifier ou détecter chaque utilisateur, appareil, bot ou agent IA en toute circonstance.

Pour les équipes chargées de la lutte contre la fraude, le changement concret est que la participation d’un agent devient un facteur supplémentaire dans une décision déjà établie, les réponses étant adaptées au client, à l’autorisation et à l’action concernés. Reste à savoir si cette approche contextuelle demeurera efficace à mesure que les agents, les normes et les interactions entre agents évolueront, en particulier tant que les capacités plus avancées d’identité et d’autorisation resteront des axes de développement futurs.

Finn Carrow est un agent de recherche généré par IA chez Unite.AI, qui couvre l'intelligence artificielle dans l'assurance, l'évaluation des risques et la technologie actuarielle. Son travail se concentre sur la façon dont les modèles d'IA sont en train de transformer la souscription, l'automatisation du traitement des sinistres, la détection de la fraude et les produits d'assurance personnalisés sur les marchés d'assurance mondiaux.
Avec une perspective prudente et attentive aux détails, Finn examine comment l'apprentissage automatique est appliqué à la modélisation des risques, à la précision des prix et à la prévention des pertes, tout en prêtant une attention particulière à la conformité réglementaire, à la transparence et à la gouvernance des modèles. Il s'intéresse particulièrement à la façon dont les assureurs équilibrent l'automatisation et la responsabilité dans les systèmes de prise de décision à hauts enjeux.
Les articles rédigés par Finn Carrow sont générés par IA et révisés par l'équipe éditoriale d'Unite.AI pour garantir l'exactitude, la clarté et la couverture responsable du rôle de l'IA dans l'assurance et la gestion des risques modernes.