000			02864cam a2200289 4500500
005			20250125180325.0
041			_afre
042			_adc
100	1	0	_aLaude, Henri _eauthor
245	0	0	_aComment détecter des signaux faibles ? Un apport des data sciences à la lutte contre la fraude.
260			_c2016.
500			_a36
520			_aCet article propose une nouvelle méthode de détection de points aberrants dans une série temporelle multivariée qui découle directement de pratiques utilisées dans le cadre de ce que l’on nomme communément les data sciences. Les praticiens de l’intelligence économique traquent les signaux faibles dans des ensembles de données de plus en plus volumineux dont de nombreux attributs varient dans le temps. Les outils statistiques et graphiques couramment mis à leur disposition concernant les processus temporels s’appuient sur l’étude individuelle de chaque série et mettent en exergue les tendances et les variations par rapport à ces tendances. A l’inverse, notre méthode a pour objet d’aider l’analyste dans l’identification d’un signal lié à un comportement anormal eu égard à des relations, même difficilement détectables, entre de nombreuses séries temporelles.Une des applications naturelles de cette méthode est l’identification de fraudes ou de manipulations, en identifiant des signaux faibles dans les pistes d’audit de processus.
520			_aThis paper proposes a new method for outliers detection in multivariate time series which follows directly from practices used in the context of what is commonly called the data science. Practitioners need to chase the weak signals included in more and more voluminous data sets with many attributes changing over time. The statistical and graphical tools commonly available that are related to the temporal processes are based on individual study of each series and are dedicated to highlight trends and deviations from those trends. In contrast, our approach is to assist the analyst in identifying a signal related to aberrant behavior with regard to relationships, even difficult to detect, among many time series.One of the obvious applications of this method is the identification of fraud or psychological manipulations, identifying weak signals in audit trails process.
690			_adata science
690			_apoints aberrants
690			_aséries temporelles
690			_afraude
690			_adétection de nouveautés
690			_aoutliers
690			_afraud
690			_anovelty detection
690			_adata science
690			_atimes series
786	0		_nRevue internationale d'intelligence économique | 8 | 1 | 2016-01-22 | p. 61-78 | 2101-647X
856	4	1	_uhttps://shs.cairn.info/revue-internationale-d-intelligence-economique-2016-1-page-61?lang=fr&redirect-ssocas=7080
999			_c1043841 _d1043841