L’offensive du Vietnam contre la cybercriminalité par l’IA met l’accent sur la détection et la récupération des fraudes financières

Des responsables vietnamiens ont appelé les institutions financières à renforcer leurs défenses fondées sur l’intelligence artificielle contre la cybercriminalité lors d’un forum tenu le 6 novembre, tout en reconnaissant que les nouvelles technologies créent des risques de sécurité. Le programme vietnamien sur la cybercriminalité par l’IA relie la détection automatisée à un problème opérationnel plus difficile : amener les institutions à agir de concert avant que l’argent volé ne disparaisse.

Le Forum et exposition sur la sécurité financière numérique du Vietnam, organisé à Hô Chi Minh-Ville, a mis ce problème en lumière. Les discussions ont associé ingénierie de la sécurité, partage d’informations et prévention de la criminalité financière. La tension centrale porte sur le degré d’autorité que les institutions doivent accorder aux systèmes automatisés, alors que les fraudes non détectées comme les interventions erronées nuisent aux clients.

Ce débat dépasse le Vietnam. Mastercard et Visa promeuvent des défenses coordonnées qui relient les renseignements entre les participants aux paiements. Le défi immédiat du Vietnam consiste à traduire des ambitions similaires en décisions responsables entre banques, intermédiaires de paiement et organismes publics. Un forum peut fixer des priorités ; les preuves opérationnelles doivent montrer si ces priorités améliorent réellement la protection.

Les priorités vietnamiennes en matière de cybercriminalité par l’IA vont au-delà des défenses bancaires

Le forum a ouvert le 6 novembre, suivi d’une exposition jusqu’au 7 novembre. Vietnam Economic Times a rapporté que le colonel Nguyen Ba Son avait appelé à renforcer la sécurité tout au long du développement des systèmes, la coordination et l’application des technologies avancées. Sa couverture décrivait un programme de sécurité financière numérique, plutôt que le lancement validé d’un produit d’IA.

L’évolution de fond réside dans l’accent mis sur la connexion entre prévention, détection et réponse institutionnelle.

Ces fonctions nécessitent des capacités différentes. La prévention cherche à stopper une action non autorisée avant qu’elle ne commence. La détection identifie des éléments indiquant qu’une activité suspecte est en cours. La réponse détermine qui intervient, ce qu’il est légalement habilité à faire et à quelle vitesse une autre institution reçoit les informations pertinentes.

Traiter ces fonctions comme interchangeables masque les décisions les plus difficiles. Un système d’IA peut identifier un paiement suspect sans avoir l’autorité de le retarder. Une banque peut détenir cette autorité sans disposer d’informations suffisantes sur le destinataire. Les enquêteurs peuvent comprendre le schéma plus large après le transfert des fonds.

Le forum est donc important en tant que déclaration de priorités au-delà des frontières institutionnelles. Son importance ne dépend pas de la présentation d’un nouveau modèle ni de l’affirmation d’une avancée technique. Il attire l’attention sur le lien entre un signal de sécurité et l’action qui s’ensuit.

Ce lien modifie également la manière dont les acheteurs devraient interpréter les démonstrations de l’exposition. Une interface convaincante peut montrer des transactions suspectes apparaissant à l’écran. Elle ne prouve pas qu’une institution peut résoudre le dossier sous-jacent, coordonner une restriction ou rendre l’argent à une victime.

La distinction est particulièrement pertinente lorsque les fournisseurs décrivent l’automatisation. Automatiser l’analyse diffère de l’automatisation d’une décision aux conséquences importantes. La première peut aider un enquêteur à trouver les informations pertinentes. La seconde exige une autorité claire, des preuves fiables et un processus permettant de corriger les erreurs.

Il existe aussi une limite de reporting qu’il convient de préserver. Les appels des responsables à une adoption plus large de l’IA ne démontrent pas que l’IA a produit les résultats de surveillance existants. La participation à un système partagé n’identifie pas sa technologie sous-jacente. Ces affirmations exigent des preuves distinctes.

Pour le programme vietnamien sur la cybercriminalité par l’IA, cette limite est utile plutôt que restrictive. Elle offre un point de départ plus clair pour évaluer les annonces à venir. Les lecteurs peuvent distinguer l’ambition politique, les infrastructures déployées, les outils expérimentaux et les résultats mesurés, au lieu de les traiter comme une réussite unique.

La même distinction devrait guider les attentes après l’événement. Une discussion sur la protection coordonnée peut influencer les achats et la conception des systèmes. Elle ne modifie pas immédiatement les capacités, obligations ou accès à l’information de chaque institution participante.

La question suivante est donc opérationnelle : quelles institutions sont sous pression pour changer, et qu’exigerait un changement significatif ?

Les banques sont sous pression pour transformer les alertes en décisions

Son a déclaré que le système de surveillance de la Banque d’État du Vietnam était connecté à près de 100 institutions financières et avait signalé plus de 668 000 comptes présentant d’éventuelles violations. Le périmètre rapporté incluait des comptes bancaires, portefeuilles électroniques et comptes d’intermédiaires de paiement. Il s’agit de chiffres de surveillance attribués, et non de condamnations pénales confirmées ni d’une mesure de précision de l’IA.

Un vaste ensemble de comptes signalés crée un problème de décision autant qu’une occasion de détection.

Une alerte indique à une institution qu’un élément mérite attention. Elle n’explique pas nécessairement l’intention du client, n’établit pas un acte répréhensible et n’identifie pas l’intervention appropriée. Traiter chaque alerte comme concluante transformerait un système de filtrage en processus de jugement sans examen.

Cela met les équipes antifraude des banques sous pression. Elles ont besoin d’un contexte suffisant pour hiérarchiser les dossiers, distinguer les activités liées et expliquer pourquoi une réponse particulière était justifiée. Davantage d’alertes ne sont utiles que si les équipes peuvent les convertir en décisions rapides et proportionnées.

Les intermédiaires de paiement font face à un défi connexe. Leur vision d’une transaction peut différer de celle de la banque. Une institution gérant le compte du destinataire peut observer une activité que l’institution émettrice ne peut pas voir. Une coopération efficace dépend de la capacité à rendre le contexte pertinent exploitable de part et d’autre de cette séparation.

La question opérationnelle ne consiste pas simplement à savoir si les institutions partagent des informations. Il s’agit de savoir si les informations arrivent sous une forme qui permet d’agir. Un avertissement sans statut clair, contact responsable ou preuve à l’appui peut laisser le destinataire dans l’incertitude quant à la suite à donner.

Prenons un scénario de paiement illustratif. Un client autorise un transfert après avoir reçu une demande trompeuse. La banque émettrice voit un client connu utilisant un accès légitime. L’institution destinataire voit le comportement du compte de destination. Aucune de ces visions ne permet nécessairement, à elle seule, d’expliquer l’ensemble de la situation.

Il s’agit d’un exemple analytique, et non d’un cas rapporté au forum. Il montre pourquoi des preuves coordonnées sont importantes. Le paiement peut sembler légitime du point de vue de l’accès, tout en restant frauduleux du point de vue du client.

Cet écart fait de la communication avec les clients une composante des opérations de sécurité. Un avertissement générique pourrait ne pas interrompre une escroquerie persuasive. Une restriction inexpliquée peut frustrer un client légitime. L’institution doit décider quelles informations seront utiles sans divulguer de détails d’enquête sensibles.

Les équipes produit sont également sous pression. Si une fonctionnalité de sécurité génère une recommandation, le produit qui l’entoure doit clairement établir les responsabilités. Quelqu’un doit prendre en charge le dossier, autoriser l’intervention, consigner le raisonnement et communiquer le résultat.

Pour la détection des fraudes au Vietnam, la mesure utile dépasse donc le nombre d’avertissements générés. Une évaluation devrait examiner ce qui s’est passé après l’avertissement. Quelqu’un l’a-t-il examiné ? La réponse était-elle appropriée ? L’institution pouvait-elle expliquer et corriger sa décision ?

Ces questions relient les dépenses de cybersécurité aux résultats pour les clients. Elles montrent aussi pourquoi l’achat d’un outil de détection ne peut, à lui seul, assurer une protection financière coordonnée.

Le renseignement partagé modifie ce que l’IA peut apporter

Le partenariat conclu en février 2025 entre Mastercard et Feedzai offre une comparaison pertinente. Les entreprises ont déclaré qu’elles élargiraient l’accès à Consumer Fraud Risk, qui fournit des renseignements aux institutions émettrices et destinataires. Leur annonce décrit une approche coordonnée de la détection des escroqueries de paiement, bien que ses affirmations commerciales nécessitent une évaluation dans chaque déploiement.

Visa aborde le problème dans une perspective plus large de réseau de paiement. Son évaluation des menaces du printemps 2026 décrit des criminels se tournant vers la manipulation à mesure que les défenses techniques s’améliorent. L’entreprise soutient que l’ingénierie sociale alimentée par l’IA exige une détection plus précoce et une action coordonnée. L’ingénierie sociale consiste à manipuler des personnes afin qu’elles entreprennent des actions qui profitent à un attaquant.

La comparaison pertinente porte sur la manière dont les institutions combinent les preuves et agissent, plutôt que sur le fournisseur qui ajoute l’IA à son offre.

Mastercard et Visa sont des acteurs commerciaux ayant intérêt à vendre des capacités de sécurité. Leurs déclarations constituent des éléments utiles sur l’orientation de leurs produits. Elles ne prouvent pas de manière indépendante qu’une architecture comparable produira les mêmes résultats au Vietnam.

La comparaison clarifie néanmoins la question centrale du forum. Une banque peut améliorer son modèle interne tout en restant incapable de voir des activités pertinentes ailleurs. Le renseignement partagé modifie potentiellement les éléments disponibles pour ce modèle, et pas seulement la sophistication de ses calculs.

La distinction analytique oppose l’optimisation locale à la protection coordonnée. L’optimisation locale améliore une décision à l’aide des informations qu’une institution détient déjà. La protection coordonnée cherche à améliorer cette décision en reliant les preuves pertinentes entre les participants.

Aucune approche n’élimine la nécessité du jugement. Un contexte plus riche peut aider à expliquer un paiement inhabituel, mais il peut aussi introduire des informations contradictoires. Les institutions ont besoin d’un moyen d’évaluer la fiabilité et la pertinence de ce qu’elles reçoivent.

Cela confère à l’IA un rôle pratique et limité. Elle peut aider à organiser les informations, identifier les relations et orienter l’attention. La capacité d’un système donné à accomplir ces tâches avec précision demeure une question de tests, et non une hypothèse justifiée par l’étiquette technologique.

Un compte destinataire illustre cette différence. L’examen d’un transfert individuel peut révéler peu d’éléments. L’analyse d’activités connexes peut conduire à une évaluation différente. Mais l’institution doit toujours distinguer une relation suspecte d’une simple coïncidence innocente.

Cette distinction importe aux acheteurs d’entreprise qui évaluent des propositions. Une démonstration de produit devrait expliquer quelles preuves étayent une alerte et quelles informations restent indisponibles. Un système qui dissimule ces limites peut encourager des conclusions plus affirmées que ne le justifient ses données d’entrée.

Les développeurs devraient également séparer la qualité des recommandations de la fiabilité de l’exécution. Une recommandation pertinente a une valeur limitée si l’institution destinataire ne peut pas la traiter. Une connexion fiable a une valeur limitée si les informations qu’elle transmet sont trompeuses.

C’est pourquoi l’interopérabilité, c’est-à-dire la capacité des systèmes à échanger et utiliser des informations, doit faire partie de la discussion sur la sécurité. Les connexions nécessitent des significations partagées autant que des logiciels compatibles. Les participants doivent comprendre si un message représente une suspicion, une confirmation, une demande ou une action achevée.

La leçon concurrentielle est donc précise. Les entreprises mondiales de paiement font de la coordination un élément de leur défense contre la fraude. Les initiatives vietnamiennes en matière de sécurité financière seront confrontées à des questions opérationnelles similaires, même si leur structure institutionnelle et leurs choix technologiques diffèrent.

Pour l’initiative vietnamienne contre la cybercriminalité liée à l’IA, l’opportunité consiste à rendre les éléments de preuve pertinents exploitables entre les institutions. Le compromis est qu’un accès élargi et des décisions plus rapides exigent des contrôles renforcés sur l’usage de ces éléments.

Une intervention plus rapide exige des limites claires à l’automatisation

L’Agence vietnamienne d’information a rapporté que Son avait évoqué des discussions avec la Banque d’État au sujet d’un projet pilote de rapprochement et de traçage des flux financiers liés à la fraude. Son compte rendu du projet pilote de traçage de la fraude n’établit pas qu’un système national a été lancé.

La même couverture incluait une mise en garde de Dao Minh Tu, dirigeant de l’Association des banques du Vietnam. Il a averti que des données incohérentes et une IA insuffisamment contrôlée créent des risques pour les décisions et la vie privée. Il a également appelé à des responsabilités claires et à une approbation humaine pour les transactions importantes ou sensibles.

Une intervention plus rapide n’a de valeur que lorsque les institutions peuvent justifier l’action et la corriger si nécessaire.

C’est le compromis central de l’automatisation élargie. Attendre des éléments supplémentaires peut permettre à une activité préjudiciable de se poursuivre. Agir sur la base d’éléments incomplets peut perturber des paiements légitimes. Il n’existe aucune manière responsable d’évaluer la rapidité sans considérer ces deux résultats.

L’expression « approbation humaine » doit également avoir une portée opérationnelle. Un examinateur ne peut exercer un contrôle significatif en validant des recommandations sans disposer de suffisamment de temps ou de contexte. Une étape d’approbation devient utile lorsque la personne comprend les éléments, l’incertitude et les conséquences.

Cela ne signifie pas que chaque tâche nécessite un traitement manuel. Trier les informations et exécuter une restriction sont deux activités distinctes. Les institutions peuvent attribuer des contrôles différents selon l’impact de l’action, plutôt que de traiter l’automatisation comme une catégorie unique.

Le National Institute of Standards and Technology offre une référence utile avec son cadre volontaire de gestion des risques liés à l’IA. Ses fonctions principales couvrent la gouvernance, la cartographie, la mesure et la gestion des risques tout au long de la vie d’un système. Ce cadre ne prouve pas qu’un participant au forum le suit.

Appliquée comme grille d’analyse, cette approche oriente l’attention vers la responsabilité et la mesure. Qui est responsable d’une décision ? Quels risques ont été identifiés ? Comment ont-ils été évalués ? Que se passe-t-il lorsque le système se comporte différemment des attentes ?

Ces questions sont particulièrement pertinentes pour les informations partagées. Une institution recevant une alerte doit savoir si les éléments sous-jacents restent à jour. Elle doit également disposer d’un processus de correction lorsque l’alerte se révèle erronée.

Un faux positif correspond à une activité légitime signalée à tort comme suspecte. Ses conséquences dépendent de l’action qui y est associée. Une demande d’examen complémentaire diffère sensiblement d’une restriction de compte, même si les deux proviennent du même score.

De même, un score de risque est une estimation utilisée pour soutenir une décision. Il n’établit pas la culpabilité. Le présenter comme une conclusion définitive peut fausser tant le jugement du personnel que le traitement des clients.

La confidentialité constitue une autre limite. Un accès élargi aux données doit avoir une finalité définie et des contrôles appropriés. Relier des institutions ne justifie pas d’accorder à chaque participant un accès illimité aux informations de tous les clients.

La couverture disponible du forum laisse sans réponse d’importantes questions de performance. Elle ne fournit pas de référence d’exactitude évaluée de manière indépendante pour un système d’IA récemment déployé. Elle n’établit pas non plus l’existence d’une comparaison publiée montrant qu’un nouveau modèle surpasse les contrôles existants.

Ces omissions n’invalident pas le programme. Elles définissent les éléments encore nécessaires avant de formuler des affirmations plus fortes. La conclusion appropriée est que les responsables ont présenté des priorités et discuté d’infrastructures, tandis que l’efficacité mesurable de l’IA demeure une question distincte.

Cette distinction protège la crédibilité des informations sur la détection de la fraude au Vietnam. Elle donne également aux acheteurs une meilleure base d’examen que le seul enthousiasme pour l’automatisation.

La récupération change la définition de la performance en matière de sécurité

Une défense financière doit être évaluée à travers ce qu’il advient de l’argent du client, en parallèle de ce qui se passe au sein du système de détection.

C’est l’importance analytique de la discussion sur le traçage et le rapprochement en parallèle de la prévention. L’attention s’élargit, passant de l’identification d’une activité suspecte à la compréhension du parcours complet d’un dossier. Elle demande si les institutions peuvent relier une alerte initiale à un résultat utile.

La détection, l’interruption et la récupération sont des résultats différents. Un système peut détecter un transfert suspect après son exécution. Une institution peut interrompre une transaction sans résoudre le dossier plus large. La récupération de fonds implique des actions et des dépendances supplémentaires.

Regrouper ces résultats dans un seul indicateur de réussite rend la performance difficile à évaluer. Les lecteurs doivent savoir ce qui a été mesuré et à quelle étape. Les institutions devraient éviter de présenter des volumes d’activité comme des preuves interchangeables de la protection des clients.

La même prudence s’applique au total de comptes signalés rapporté. Signaler plus de 668 000 comptes indique l’ampleur de l’activité de surveillance. Cela ne révèle ni combien de signalements étaient exacts ni à quelle fréquence une intervention a empêché un préjudice.

Cette distinction devrait guider les futures affirmations sur l’IA. Si une banque modifie simultanément son modèle et ses procédures opérationnelles, les meilleurs résultats ne peuvent pas être automatiquement attribués au modèle. Une meilleure coordination ou un renforcement des effectifs peuvent aussi y contribuer.

Une évaluation crédible expliquerait la comparaison effectuée. Elle distinguerait la contribution de la technologie des changements concernant les informations disponibles, la capacité d’examen ou la politique d’intervention. Sans ce contexte, une amélioration apparente reste difficile à interpréter.

L’expérience client fait partie de cette évaluation. Une restriction peut protéger une personne contre la fraude tout en créant des désagréments. La question pertinente est de savoir si l’intervention était justifiée, proportionnée et résolue au moyen d’un processus compréhensible pour le client.

Pour les clients légitimes affectés par des erreurs, la rapidité de correction compte. Un système qui identifie une erreur mais laisse la restriction non résolue n’a pas terminé sa tâche. La responsabilité opérationnelle va au-delà de la décision initiale.

Cela crée une exigence pratique de mémoire institutionnelle. Les équipes doivent préserver ce qu’elles savaient, pourquoi elles ont agi et comment le dossier s’est conclu. Sinon, un examinateur ultérieur ne peut distinguer une décision raisonnable d’un échec évitable.

Une base de connaissances d’équipe consultable peut soutenir les procédures approuvées et les enseignements tirés d’incidents clôturés. Les éléments financiers sensibles exigent toujours un accès et un traitement contrôlés par l’institution. La documentation soutient le flux de travail ; elle ne remplace ni l’autorité ni les garanties nécessaires à son fonctionnement.

Pour les développeurs, cela plaide en faveur de produits qui préservent le contexte tout au long d’un dossier. Pour les acheteurs en entreprise, cela suggère d’évaluer le parcours de l’alerte à la résolution. Pour les utilisateurs d’IA, cela rappelle qu’une recommandation formulée avec assurance nécessite un processus de décision responsable.

Les discussions vietnamiennes sur la sécurité financière ont donc une pertinence qui dépasse un seul marché national. Elles mettent en lumière un problème général d’approvisionnement : les organisations achètent souvent une capacité, mais ont besoin d’un résultat. Les relier exige des technologies, des responsabilités et des éléments de preuve qui résistent aux conditions opérationnelles réelles.

Le programme vietnamien contre la cybercriminalité liée à l’IA sera plus facile à évaluer lorsque les annonces décriront explicitement ces liens. Un compte rendu plus clair des décisions et des résultats offrirait des éléments plus solides qu’une nouvelle démonstration d’activité suspecte apparaissant sur un tableau de bord.

Ce qu’il faut surveiller après le forum de novembre

Les signaux de suivi les plus utiles concernent la mise en œuvre, les résultats mesurables et la gouvernance des décisions, dans cet ordre.

Premièrement, surveillez les informations concrètes sur le projet pilote de traçage proposé. Une mise à jour significative identifierait son périmètre opérationnel, les institutions participantes et les responsabilités. Elle devrait distinguer une discussion, une expérimentation approuvée et un service opérationnel.

Cette distinction importe, car chaque étape soutient une conclusion différente. Un pilote approuvé renforcerait l’idée que les priorités de coordination progressent vers la mise en œuvre. Un compte rendu du forum répétant la proposition laisserait cette question sans réponse.

Les détails opérationnels comptent également. Les lecteurs devraient rechercher une explication de la manière dont un dossier entre dans le processus et de l’institution qui traite l’action suivante. Ces détails révèlent davantage sur la préparation pratique qu’une déclaration générale de coopération.

Deuxièmement, surveillez les résultats qui distinguent les alertes, les cas confirmés, les transactions interrompues et les fonds récupérés. Des définitions claires rendraient les futures affirmations de performance plus instructives. Elles faciliteraient également l’identification des étapes où le processus échoue encore.

Une mise à jour ne rapportant que des alertes supplémentaires montrerait une activité de surveillance plus importante. Elle n’établirait pas, à elle seule, une meilleure protection. Des éléments reliant une intervention à un dossier résolu offriraient une base plus solide pour évaluer l’efficacité.

Toute affirmation spécifique à l’IA devrait expliquer ce que la technologie a apporté. Déclarer qu’un modèle a amélioré la détection nécessite une comparaison significative et un compte rendu des erreurs. Une amélioration globale des opérations de lutte contre la fraude n’établit pas automatiquement une amélioration du modèle.

Troisièmement, surveillez si la gouvernance devient une partie du déploiement plutôt qu’une promesse distincte. Parmi les signaux utiles figurent des responsables décisionnels désignés, des exigences d’approbation définies, des processus d’examen documentés et une voie de correction des restrictions erronées.

Ces contrôles renforceraient l’argument selon lequel les institutions se préparent à une automatisation aux conséquences importantes. Des annonces qui élargissent l’autorité de l’IA sans expliquer la supervision laisseraient le compromis central sans réponse. Une action plus rapide mérite un examen plus attentif lorsque ses conséquences dépassent une recommandation interne.

Il s’agit de critères d’observation pour les prochains mois, et non de délais annoncés. La couverture examinée n’établit pas de calendrier public de mise en œuvre pour chaque proposition. Les attentes devraient suivre les éléments ultérieurs plutôt qu’un calendrier supposé.

Le test plus large consiste à savoir si les institutions décrivent les progrès dans des termes que les clients peuvent reconnaître. Une expérience de paiement plus sûre dépend d’une intervention appropriée, d’une communication claire et d’une résolution efficace. Ces résultats rendent la coordination tangible.

Suivez l’histoire vietnamienne de la cybercriminalité liée à l’IA en demandant ce qui a changé entre l’alerte et la décision finale. Recherchez un responsable opérationnel désigné, des éléments soutenant l’intervention et une explication du résultat. Lorsqu’une annonce met en avant un modèle, demandez comment sa contribution a été mesurée. Lorsqu’elle met en avant des institutions connectées, demandez ce que ces connexions leur permettent de faire. Lorsqu’elle met en avant des activités bloquées, demandez comment les erreurs sont identifiées et résolues. Cette approche maintient l’attention sur l’ambition la plus conséquente du forum : transformer le renseignement partagé en protection rapide et responsable. Les mises à jour ultérieures montreront-elles cette chaîne complète, ou décriront-elles uniquement les outils destinés à la soutenir ?