DataVisor
DataVisor · Autres
DataVisor est une plateforme de fraude et AML pour banques, fintechs et acteurs du paiement. Elle note les événements en temps réel avec l'apprentissage automatique non supervisé et l'analyse des liens entre entités.
À propos de DataVisor
About
Qu'est-ce que DataVisor
DataVisor est une plateforme antifraude centrée sur la détection de fraude et le blanchiment, conçue pour les banques, les processeurs de paiement et les grandes entreprises numériques. Son moteur repose sur l'apprentissage automatique non supervisé: les modèles cherchent des groupes de comportements inhabituels parmi les comptes et les opérations, sans attendre que quelqu'un étiquette des fraudes passées. C'est ainsi qu'une nouvelle filière apparaît avant même le premier cas confirmé.
L'entreprise a été fondée en 2013 à Mountain View, en Californie, et n'a jamais quitté le terrain de la criminalité financière. Ce que vous achetez, c'est une couche de décision. Les signaux de vos systèmes croisent les données de consortium de la plateforme, reçoivent une note en moins de 100 millisecondes, puis reviennent sous forme de blocage, d'approbation ou d'alerte pour un analyste.
Deux limites comptent. Le tarif n'est pas publié et l'achat se transforme en projet d'intégration mené par l'équipe commerciale, sur des semaines et non des heures. Et la lutte contre le blanchiment suppose une équipe fraude déjà dotée de règles et de files à migrer. Un développeur seul ne s'inscrit pas pour obtenir des notes le jour même.
Pour démarrer
- Demandez une démonstration et cadrez le cas d'usage. L'équipe identifie les parcours à couvrir: ouverture de compte, cartes, virements ACH et SWIFT, ou prise de contrôle de compte.
- Raccordez vos données. Vous poussez les événements de transaction, d'appareil et de compte via les API et les SDK, ou vous les transmettez depuis votre pipeline existant.
- Construisez les stratégies. Les analystes assemblent scores du modèle, règles, listes et seuils dans la plateforme, avec un environnement de test pour chaque modification.
- Tournez d'abord en parallèle. L'usage courant consiste à noter le trafic réel en mode sombre pendant quelques semaines et à comparer les alertes avec le système en place avant la bascule.
- Passez en production et ajustez. Une fois les décisions branchées au paiement ou à l'ouverture de compte, les agents de réglage et Vera, l'assistant conversationnel, aident à déplacer les seuils et à traiter les dossiers.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de DataVisor.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Équipes fraude et risque des banques
- Processeurs de paiement et fintechs
- Analystes AML et conformité
Tâches
- Repérer des fraudes que personne n'a encore étiquetées
- Réduire la file de revue manuelle
- Enquêter sur des comptes liés
- Produire les alertes et rapports AML
Cas d'usage
- Lancer un nouveau moyen de paiement
- Un pic d'inscriptions impossible à traiter à la main
- Remplacer une pile de règles héritée
Fonctionnalités clés
Détection par apprentissage automatique non supervisé
Le moteur regroupe comptes et événements selon leur comportement commun, puis signale les ensembles qui ne ressemblent à rien de connu. Aucun historique étiqueté n'est nécessaire au démarrage, et c'est la différence entre coincer une filière la première semaine ou attendre les impayés. Les modèles supervisés et les règles continuent de tourner à côté pour ce que vous connaissez déjà bien.
Analyse des liens entre entités
L'analyse des liens relie comptes, appareils, numéros de téléphone, adresses et instruments de paiement dans un graphe, si bien que l'analyste voit le réseau plutôt que le compte isolé devant lui. Des attributs anodins pris un par un deviennent des preuves une fois remis en contexte. C'est ce qui transforme une file d'alertes en une poignée d'enquêtes.
Décision en temps réel et automatisation
La notation s'exécute sous les 100 millisecondes, à des volumes que l'éditeur situe au-delà de 15 000 requêtes par seconde. La décision peut bloquer, approuver, demander une vérification supplémentaire ou envoyer en revue, et le flux se construit à l'écran. L'automatisation sort les cas évidents de la file, et c'est précisément ce qui change le calcul d'effectifs d'une équipe risque.
Agents IA pour la stratégie et l'enquête
DataVisor fournit des agents qui rédigent des stratégies, ajustent les seuils, enquêtent sur les alertes et montent les rapports. Vera, son agent conversationnel, accepte des demandes en langage naturel comme « montre-moi les comptes liés à cet appareil » et renvoie le résultat. À traiter comme des accélérateurs pour analystes expérimentés, pas comme un remplacement du jugement sur les cas limites.
Vera Code et outils pour développeurs
Vera Code est le kit qui permet de bâtir des flux fraude et AML sans partir des écrans par défaut de la plateforme. Les équipes utilisent les API pour intégrer la notation dans leurs propres services, brancher des sources de données maison et livrer un flux en quelques jours. Cela compte quand le modèle de risque doit vivre dans le cycle de release d'une équipe produit.
Enquête, gestion de dossiers et reporting
Les alertes arrivent dans un espace de travail qui réunit les entités liées, les signaux derrière le score et l'historique des décisions. L'analyste annote, escalade ou clôture avec un motif, et les agents de reporting préparent ce que demandent les régulateurs et l'audit interne. Garder la preuve à côté de la décision évite la reconstitution qui grignote le temps de revue.
Avantages et inconvénients
Avantages
- La détection non supervisée trouve des réseaux sans attendre des cas étiquetés, exactement le trou que laissent les moteurs de règles.
- L'analyse des liens réunit les comptes connectés sur un écran, donc une enquête couvre ce qui demandait plusieurs alertes.
- Une notation sous les 100 ms à fort volume évite que la décision ralentisse le paiement ou l'ouverture de compte.
- Les agents IA et Vera réduisent le travail manuel dans le réglage des stratégies et le tri des alertes.
- Les API et Vera Code laissent l'ingénierie intégrer la notation dans ses propres services plutôt que d'ajouter un outil de plus.
Inconvénients
- Aucun tarif public. Il faut passer par un échange commercial et obtenir un devis avant de savoir si le budget suit.
- La mise en place est un projet, pas une inscription. L'intégration des données et la migration des règles prennent en général des semaines et mobilisent l'ingénierie.
- La plateforme vise les grandes opérations fraude. Une petite équipe sans analyste pour traiter les dossiers paiera des capacités qu'elle n'exploitera pas.
- Le comportement du modèle demande des explications. Les groupes non supervisés font remonter des motifs que votre équipe doit encore interpréter et défendre devant un auditeur.
Questions fréquentes
DataVisor sert à détecter et bloquer la fraude et la criminalité financière en temps réel: ouverture de compte, prise de contrôle, cartes, chèques, virements ACH et SWIFT, et surveillance AML. Les banques, processeurs de paiement et grandes entreprises numériques utilisent ce logiciel antifraude comme couche de décision entre leurs flux de transactions et leurs équipes de revue.
Contenus associés
Découvrez des outils, des compétences et des articles liés à DataVisor.
Alternatives à DataVisor
Odyssey 3
Odyssey · AutresOdyssey-3 est le modèle du monde fondationnel d'Odyssey. Il simule la physique en temps réel, transforme une consigne en environnement interactif et s'adapte aux robots, voitures et jeux.
JarvisCore
Prescott Data · Programmation · Productivité · AutresJarvisCore est un runtime Python open source où les agents IA travaillent en pairs sur un maillage, prennent les tâches dans un registre partagé et joignent les services externes via un broker zero trust.
Clef
Cloudflare · Entreprise · AutresClef est le modèle de décision open source de Cloudflare pour Workers AI. Il renvoie des probabilités calibrées pour des questions typées au lieu de texte, ce qui permet à un agent de classer, router et agir vite.