InsightAI

Qu’est-ce que InsightAI ?

InsightAI est une plateforme d’IA pour la lutte contre le blanchiment d’argent, la détection de la fraude et l’analyse des risques, destinée aux institutions financières régulées, gérée par Pinnacle Technologies and Media Solutions. Elle combine les signaux dispositifs, l’analyse comportementale, les graphes de relations, le contexte des transactions et l’extraction d’informations à partir de documents, afin d’aider les institutions à identifier les risques avant que des pertes ne surviennent.

Le produit sert principalement les banques, les plateformes de paiement, la fintech, l’assurance et l’écosystème commercial ; il ne s’agit pas d’un outil de conversation pour l’analyse de données destiné aux utilisateurs ordinaires. Il peut être déployé en tant que module indépendant ou ajouté à des systèmes existants de lutte contre le blanchiment d’argent et de surveillance des transactions.

Une phrase pour présenter

InsightAI fournit aux institutions financières des scores en temps réel de fraude, des enquêtes AML et des preuves de risque explicites, en s’appuyant sur des signaux multiples provenant des appareils, des transactions, des réseaux de relations et des documents.

Quatre solutions principales

Informations sur le matériel

Les informations sur le dispositif permettent de déterminer si le dispositif et la session actuels sont fiables lors de la connexion, du paiement ou d’autres opérations sensibles. Elles combinent la détection au niveau du terminal, les relations historiques en backend et la transmission en temps réel, plutôt que de se baser uniquement sur l’IP et les cookies.

Types d’attaques prioritaires

• Prise de contrôle de comptes due à une combinaison de nouveaux équipements, de réseaux d’agents et de piratage de bases de données ;
• Collage rapide du numéro de carte et tests de cartes échouant à plusieurs reprises, ainsi que attaques BIN ;
• Applications mobiles réempaquetées avec des signatures incohérentes ou modifiées ;
• Ferme d’équipements contrôlant un grand nombre de comptes non liés par le même appareil ;
• Automatisation des navigateurs sans tête, des scripts et du instrumentation dynamique ;
• Attaques par intermédiaire et interception du trafic ;
• Relation entre les comptes chevaux de Troie et les identités synthétiques.

Enquêtes sur les affaires AML

Le module AML examine le comportement des comptes au sein d’un réseau de relations et d’une chronologie, plutôt que de ne se concentrer que sur une seule alerte. Les transactions, les entités, les documents, les équipements et les comportements sont reliés à une vue unifiée de l’affaire.

• Identifier les modèles de comptes chevaux de Troie tels que la concentration, la dispersion et les transferts circulaires de fonds ;
• Connecter automatiquement les transactions, les entités, les documents et les équipements associés ;
• Générer des résumés d’affaires, des descriptions des risques et des recommandations pour les prochaines enquêtes ;
• Prioriser en fonction du contexte, plutôt que d’utiliser uniquement des seuils statiques ;
• Mener l’enquête dans les diagrammes de relations, les chronologies des transactions et la zone des preuves ;
• Exporter les preuves utilisées pour les déclarations réglementaires STR, SAR ou similaires ;
• Les confirmations de fraude et les signalements d’erreurs sont renvoyés au processus de rétest continu.

Pourquoi les cartes sont-elles importantes ?

En examinant chaque transaction individuellement, les virements d’argent et leurs sorties peuvent ne pas sembler anormaux ; cependant, en représentant les comptes, les contreparties, les équipements et les moments dans un réseau, il devient plus facile de détecter les groupes et les structures hiérarchiques. Le diagramme nécessite néanmoins que l’analyste l’interprète en tenant compte du contexte commercial.

Gestion du risque de fraude en temps réel

Le module FRM fournit des scores à faible latence pour les paiements, l’ouverture de comptes et les activités de compte, en analysant la vitesse, la géolocalisation, le comportement des utilisateurs et le contexte des transactions. Le modèle s’adapte aux nouveaux modèles, mais les institutions doivent conserver des règles, un contrôle manuel et une solution de rechange d’urgence.

Détection de la falsification de documents

Le module de documentation permet d’identifier les modifications de pixels, les anomalies de métadonnées, les incohérences de polices, les problèmes de structure et les contradictions numériques dans les documents financiers et d’identité. Les résultats sont fournis sous forme de score de risque, de marquages spécifiques et d’un rapport explicatif.

Documents applicables

• Les bulletins de salaire, les relevés bancaires, les documents relatifs à l’impôt sur le revenu et les certificats d’embauche dans le cadre du prêt ;
• KYC et PAN, Aadhaar, passeport et carte d’identité nationale dans l’ouverture de compte ;
• Factures de réparation, rapports médicaux et documents de demande dans le cadre des indemnisations d’assurance ;
• Factures, lettres de crédit, connaissements et contrats dans le financement du commerce ;
• Les états financiers, les factures et les documents d’enregistrement dans l’audit d’entreprise.

La démonstration du produit présente plus de 60 types de documents, 12 niveaux de signaux et des exemples au niveau sub-secondes, mais il s’agit d’une description des capacités de la plateforme, et non d’une garantie universelle pour tous les formats, langues et déploiements. Les organismes doivent utiliser des échantillons réels locaux pour l’acceptation.

Processus de traitement de documents

1. Soumettre des fichiers via l’interface de gestion, en lot ou par interface, et les associer au client et au dossier appropriés.
2. Terminer l’OCR et la reconnaissance du type de document pour déterminer si le fichier répond aux exigences de traitement de base.
3. Exécution en parallèle des vérifications de pixels, de métadonnées, de polices, de structure, d’IA et de validation des données.
4. Vérifier en croisant les champs du document avec les transactions, les identités et d’autres documents.
5. Générer le niveau de risque, les emplacements anormaux, les raisons spécifiques et le rapport d’analyse.
6. Les matériaux à faible risque sont automatiquement acceptés selon les seuils de l’institution, et les fichiers suspects sont envoyés dans une file manuelle.
7. Enregistrer les conclusions de l’enquête, les documents complémentaires, le rejet ou la confirmation des résultats de fraude.
8. Utiliser les retours d’analyse pour les tests rétrospectifs, l’ajustement des règles et la surveillance du modèle.

Processus d’enquête AML

1. Recevoir des alertes depuis la surveillance des transactions ou d’autres systèmes, et créer les dossiers correspondants.
2. Association automatique des comptes, des clients, des transactions, des équipements, des documents et des contreparties.
3. Consultez le diagramme de relations et la chronologie des transactions pour identifier les entrées/sorties, les boucles et les équipements partagés.
4. Lisez les résumés de l’IA, les descriptions des risques et les recommandations, mais revenez vérifier les preuves originales.
5. Compléter le KYC, le contexte commercial, les informations négatives et les enquêtes historiques internes.
6. L’analyste détermine s’il s’agit d’une fausse alerte, poursuit la surveillance, passe au niveau supérieur ou confirme la suspicion.
7. Exporter les preuves et préparer les déclarations telles que STR ou SAR conformément aux exigences locales.
8. Faire remonter les résultats des cas à l’évaluation du modèle et des seuils, tout en conservant un historique d’audit complet.

Explicabilité et audit

La plateforme insiste sur la décomposition des risques en signaux concrets tels que les équipements, les transactions, les graphes et les documents, afin de faciliter la compréhension par les analystes des causes déclenchantes. Dans un contexte réglementaire, il reste nécessaire de conserver les versions du modèle, les données d’entrée, les règles, les interventions manuelles et les raisons finales.

Mode de déploiement

API, SDK et livraison en temps réel

InsightAI propose des interfaces avec authentification par jeton Bearer, des Webhooks et des canaux en temps réel. Device Intelligence offre également des plugins natifs pour Android, iOS et Flutter, tandis que la documentation indique le support des SDK Python, Node.js et Java.

Importation en masse des données clients

Le document FRM montre comment télécharger des données clients au format CSV ou JSON via un jeton d’autorisation, et retourne des informations détaillées sur les succès, les échecs et les erreurs. Pour une intégration en production, il convient d’abord de valider les champs, de chiffrer la transmission, d’assurer l’identité des opérations par lots et de réessayer en cas d’échecs partiels.

À quels organismes convient-il ?

• Banques et plateformes de paiement nécessitant des paiements en temps réel et une évaluation de l’activité du compte ;
• Équipe de conformité accablée par un grand nombre d’alertes AML et de tâches d’enquête L2 ;
• Les organismes qui doivent identifier les comptes chevaux de Troie, les réseaux de gangs et les identités synthétiques ;
• Les startups financières qui souhaitent identifier les appareils non fiables avant la connexion et les transactions ;
• Institutions de crédit qui traitent les bulletins de salaire, les relevés bancaires, les pièces d’identité et les factures ;
• Assureur qui doit vérifier les documents de sinistre ;
• Entreprises réglementées nécessitant un déploiement local, un cloud privé et des capacités d’audit réglementaire.

Quand cela ne convient pas vraiment ?

• Seulement pour les utilisateurs ayant besoin d’OCR standard, de lecture de PDF ou d’organisation de fichiers personnels ;
• Entreprises qui traitent des données financières et matérielles personnelles sans base légale ;
• Petites équipes souhaitant utiliser des outils autonomes, gratuits et permanents, sans nécessiter de mise en œuvre ;
• Des organisations sans retour d’analystes, sans processus de traitement des dossiers et sans capacités de gouvernance des modèles ;
• Institutions prêtes à laisser le score de risque unique prendre automatiquement toutes les décisions de refus ;
• Projets d’achat qui ne se basent que sur des indicateurs de communication sans validation par des échantillons locaux.

Avantages du produit

• Les équipements, les comportements, les transactions, les cartes de relations et les signaux documentaires peuvent se renforcer mutuellement ;
• Un lien relativement complet s’établit, allant du risque lié aux équipements avant la transaction jusqu’aux enquêtes AML après la transaction ;
• Les diagrammes de relations aident à identifier des réseaux de groupes difficiles à détecter avec des règles individuelles ;
• La détection de documents analyse en même temps les pixels, les métadonnées, la structure et la cohérence numérique ;
• Les résultats des risques sont accompagnés d’explications et de preuves, ce qui facilite la surveillance et la révision manuelle ;
• L’architecture modulaire permet de commencer le déploiement à partir d’un problème bien défini ;
• Prend en charge SaaS, le cloud privé et les environnements locaux ;
• Les API, Webhooks, canaux en temps réel et SDK multi-plateformes permettent une intégration en production.

Restrictions d'utilisation

• Tous les chiffres relatifs aux faux négatifs, à l’amélioration de l’efficacité et au taux de précision doivent être vérifiés sur l’échantillon de notre institution ;
• Les signaux d’équipement et de comportement sont influencés par la version du système, les outils d’accessibilité et l’environnement réseau ;
• Les relations dans le diagramme représentent des liens, mais ne correspondent pas à des faits de violation de la loi ou de fraude ;
• L’absence de métadonnées du document, la compression de l’impression et les différences linguistiques peuvent affecter la détection ;
• L’apprentissage continu, en l’absence de retours de haute qualité, amplifie les étiquetages erronés ;
• Le déploiement local nécessite encore des mises à jour de modèles, la correction de vulnérabilités et une surveillance en temps réel du fonctionnement ;
• Les décisions financières à haut risque nécessitent une supervision humaine, ainsi que des mécanismes d’explication et de recours.
• Les informations publiques ne contiennent pas de prix complets, de données de débit ni de liste de la couverture par région.

Prix et modalités d’achat

InsightAI ne divulgue pas de montant standard pour ses forfaits ; ils sont généralement acquis par le biais de consultations, de démonstrations, de projets pilotes et de contrats entreprise. Les coûts dépendent des modules choisis, du volume de transactions ou de documents, du mode de déploiement, de la région, de la capacité des interfaces, ainsi que de la mise en œuvre et du support.

Les conditions permettent à la plateforme de proposer gratuitement une période d’essai, après laquelle des frais peuvent être facturés ; l’abonnement peut être payé à l’avance pour une période déterminée et renouvelé automatiquement. Un remboursement peut être demandé dans un délai de 10 jours en cas d’achat initial du contrat, sous conditions spécifiques ; les modalités exactes d’annulation et de remboursement pour les commandes professionnelles restent soumises aux termes du contrat signé.

Sécurité, fiabilité et conformité

La page de solution liste SOC 2 Type II, ISO 27001, les droits d’accès basés sur les rôles, VAPT et une disponibilité de la plateforme de 99,9 %, et décrit le produit comme étant adapté aux contextes réglementaires financiers en Inde. L’acheteur doit demander les certificats actuels, les rapports et la portée de validation des SLA du contrat.

Confidentialité et traitement des données

La politique de confidentialité a été mise à jour le 7 août 2026 ; le site collecte le nom, l’adresse e-mail, l’IP, le navigateur, les pages visitées, le temps passé et des informations diagnostiques. La portée du traitement des données produites par l’entreprise doit encore être déterminée en fonction des commandes, des annexes de traitement des données et de l’architecture de déploiement.

Gouvernance des risques de modèle

• Définir des objectifs métier, des entrées, des seuils et des utilisations interdites pour chaque modèle ;
• Valider le taux de précision, les faux positifs, les faux négatifs et les délais à l’aide d’un ensemble de test indépendant ;
• Vérifier les différences par groupe de clients, région, équipement et type de document ;
• Surveiller le dérive conceptuelle, la dérive des données et la qualité des étiquettes de feedback ;
• Combiner les scores du modèle avec des règles, des données manuelles et des preuves externes ;
• Enregistrer tous les changements majeurs de règles et de modèles et conserver des versions de rollback ;
• Mettre en place des processus de plaintes clients, de révision manuelle et de correction d’erreurs ;
• Des raisons explicites peuvent être conservées pour les déclarations de régulation et les décisions de refus.

API, GitHub et statut open source

InsightAI a rendu publiques les documents d’interface pour les appareils, AML et FRM, ainsi que la liste de la compatibilité des SDK multiplateformes, mais aucune organisation GitHub officielle ni dépôt de code principal n’a pu être identifiée. Les projets open source portant le même nom trouvés n’ont aucun lien avec cette plateforme de lutte contre la criminalité financière.

Recommandations pour l’acceptation pilote

• Préparer des échantillons de rétrocession couvrant la fraude réelle, les utilisateurs normaux et les cas limites ;
• Hiérarchiser les échantillons par appareil, transaction, affaire et scénario de document ;
• Comparer les règles existantes, les résultats manuels et la valeur ajoutée d’InsightAI ;
• Mesurer les faux positifs, les faux négatifs, le temps de traitement des cas et les pertes réelles ;
• Vérifier le débit maximal, le délai bout en bout, les tentatives de réessai en cas d’échec et la dégradation ;
• Tester la mise à niveau, les sauvegardes, la surveillance et le récupération en cas de catastrophe pour une installation locale ;
• Vérifier si l’explication est suffisante pour soutenir la révision par l’analyste et les autorités de régulation ;
• Vérifier la suppression des données, les journaux, les clés et les permissions des rôles ;
• Inclure les indicateurs finaux, les responsabilités et les clauses de sortie dans le contrat.

Informations de base

Questions fréquentes

Qu’est-ce que InsightAI détecte principalement ?

Il couvre la fraude aux paiements, la prise de contrôle des comptes, les réseaux de comptes chevaux de Troie, l’abus automatisé, les identités synthétiques, la falsification de documents et les risques de conformité AML. Les différents modules peuvent être déployés séparément ou en combinaison.

Est-il possible d’identifier les risques avant que la transaction ne ait lieu ?

Les informations sur le dispositif analysent les signaux du dispositif, du réseau et du comportement lors de la connexion, du paiement et des opérations sensibles, afin de faciliter les décisions avant transaction. La stratégie d’interception finale doit prévoir des voies de vérification par défi, de traitement manuel et de recours.

Quels scénarios la détection de documents prend-elle en charge ?

Adapté aux prêts, au KYC, à l’assurance et au financement du commerce ; il peut traiter des bulletins de salaire, des relevés bancaires, des pièces d’identité, des factures, des lettres de crédit et d’autres documents. Les modèles concrets et les pays couverts devront être confirmés lors d’un pilote.

Est-ce que le déploiement local est disponible ?

Des solutions SaaS, du cloud privé et un déploiement local sont proposés, il est également possible d’adopter un modèle hybride en fonction de l’architecture. Les responsabilités liées au matériel, aux mises à jour et à la maintenance pour le déploiement local doivent être clairement définies dans le contrat.

Quel est le prix ?

Il n’existe pas de tarif uniforme et public ; il est nécessaire de demander un devis en fonction des modules, du volume d’activité, du mode de déploiement, de la région et de l’étendue de la mise en œuvre. L’entreprise doit également prendre en compte les frais liés aux dépassements, au renouvellement, au support et à la sortie.

Des API et SDK sont-ils fournis ?

Des interfaces, des Webhooks, des canaux en temps réel ainsi que des SDK pour les appareils Android, iOS, Flutter, etc. sont fournis ; la documentation indique également le support pour Python, Node.js et Java.

La plateforme est-elle open source ?

Pas de code ouvert. La publication de documents techniques et des capacités d’intégration SDK ne signifie pas que les modèles principaux, les graphes et le code de la console soient mis à disposition.

La précision officielle et les chiffres de réduction des faux positifs peuvent-ils être garantis ?

Aucune garantie directe n’est possible. Les données, les modèles d’attaque, la région et les procédures opérationnelles influencent tous les résultats ; il convient de les valider de manière indépendante sur des échantillons propres à l’institution et d’inclure ces validations dans les critères d’acceptation.

Résumé

InsightAI relie les risques liés aux équipements, les évaluations en temps réel des transactions, les graphes de relations AML et l’analyse forensique des documents en une plateforme modulaire de prévention et de lutte contre la criminalité financière. Elle convient aux organismes régulés qui ont besoin d’une faible latence, d’une interprétabilité, d’une traçabilité et d’un déploiement local.

L’accent de la sélection doit reposer sur la validation des effets réels et incrémentaux, des données et des limites de déploiement, plutôt que sur les seuls indicateurs publicitaires. Ce n’est qu’en intégrant simultanément le suivi des modèles, les enquêtes manuelles, les réclamations, les droits d’accès et les preuves de régulation que la capacité de la plateforme peut être introduite en toute sécurité dans le processus de production.