Détection de fraude bancaire

Cybersécurité financière & Machine Learning

Description du projet

Ce projet traite un problème critique de cybersécurité financière : la détection de transactions bancaires frauduleuses dans un environnement fortement déséquilibré, où moins de 0,2 % des transactions sont frauduleuses.

L’objectif principal n’est pas la précision globale, mais la réduction des faux négatifs, c’est-à-dire les fraudes non détectées, qui peuvent engendrer des pertes financières importantes.

Le projet repose sur le dataset Credit Card Fraud Detection (Kaggle) et explore plusieurs approches de détection d’anomalies et de classification supervisée.

Objectifs

• Détecter efficacement les transactions frauduleuses

• Atteindre :

  • Recall > 90 %
  • ROC-AUC > 0.95

• Comparer différentes approches :

  • Isolation Forest (non supervisée)
  • XGBoost (supervisée)
  • XGBoost avec SMOTE

• Optimiser le seuil de décision

• Analyser les erreurs (fraudes manquées)

Dataset

• Nom : Credit Card Fraud Detection

• Source : Kaggle

• Taille : 284 807 transactions

• Fraudes : 492 (≈ 0,17 %)

• Features :

  • V1 à V28 : variables anonymisées (PCA)

  • Amount : montant de la transaction

  • Class : variable cible

    • 0 : transaction légitime
    • 1 : fraude

📎 Lien Kaggle : https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud

Méthodes utilisées

Prétraitement

• Normalisation de la variable Amount avec StandardScaler
• Séparation train / test (80 % / 20 %)
• Stratification pour conserver la proportion de fraudes

Modèles testés

• Isolation Forest

  • Détection d’anomalies non supervisée

• XGBoost

  • Gestion du déséquilibre avec scale_pos_weight

• XGBoost + SMOTE

  • Rééquilibrage artificiel de la classe minoritaire

Optimisation du seuil

• Utilisation de la courbe Precision–Recall
• Choix d’un seuil maximisant le rappel tout en limitant les faux positifs

Métriques d’évaluation

Les métriques suivantes ont été utilisées :

• Recall (prioritaire)
• Precision
• F1-score
• ROC-AUC
• Matrice de confusion
• Courbe ROC
• Courbe Precision–Recall

⚠️ L’accuracy n’est pas utilisée comme métrique principale, car elle est trompeuse dans un contexte déséquilibré.

Visualisations produites

• Répartition des classes (fraude / non fraude)
• Distribution des montants des transactions
• Boxplot : montants selon le type de transaction
• Courbe ROC
• Courbe Precision–Recall
• Matrices de confusion
• Comparaison des performances des modèles

Résultats principaux

Modèle	Recall	ROC-AUC	Commentaire
Isolation Forest	Moyen	Faible	Trop de faux positifs
XGBoost (seuil 0.5)	Insuffisant	> 0.95	Seuil non adapté
XGBoost + seuil optimisé	Élevé	> 0.95	Bon compromis
XGBoost + SMOTE + seuil optimisé	> 90 %	> 0.95	✅ Meilleur modèle

Analyse des erreurs

Les fraudes non détectées présentent souvent :

• Des montants faibles
• Des caractéristiques proches des transactions légitimes
• Un fort chevauchement dans l’espace des features

Cela met en évidence les limites des modèles purement statistiques et la nécessité de systèmes hybrides (règles métier + ML).

Exécution du projet (Google Colab)

1. Télécharger le dataset depuis Kaggle

2. Importer le fichier CSV dans Colab

3. Ouvrir le notebook

4. Exécuter les cellules dans l’ordre :

   • Chargement des données
   • Prétraitement
   • Entraînement des modèles
   • Évaluation et visualisations

Licence

Ce projet est réalisé dans un cadre académique. Usage pédagogique uniquement