Principaux sujets de la publication :

  • Au premier semestre 2026, les systèmes de risque guidés par l’IA de Binance ont aidé à protéger plus de 8 millions d’utilisateurs et à éviter environ 4,6 milliards de dollars de pertes potentielles.

  • Actuellement, l’IA sous-tend 80% à 90% des décisions de risque en temps réel en matière de vérification d’identité, de sécurité du compte, de paiements et de tri des transactions, tandis que des contrôleurs humains gèrent les cas extrêmes qui exigent un jugement plus affiné.

  • Plus de 100 modèles d’IA renforcent les contrôles anti-fraude pour détecter les escroqueries, les documents falsifiés et les tentatives d’ingénierie sociale à grande échelle.

Une capture d’écran de paiement falsifiée ou un document d’identité falsifié peut désormais être généré en quelques secondes, et un scénario de fraude peut être personnalisé pour une cible unique pour un coût presque nul. À mesure que l’escroquerie devient moins coûteuse à produire, la seule manière réaliste de suivre le rythme consiste à évaluer le risque en continu, à grande échelle et en temps réel.

C’est là que l’IA est devenue centrale dans la façon dont Binance protège ses utilisateurs. Au premier semestre 2026, les systèmes de risque pilotés par IA de Binance ont aidé à protéger plus de 8 millions d’utilisateurs et à éviter environ 4,6 milliards de dollars de pertes potentielles, couvrant des activités de trading anormales, des tentatives de piratage de compte, des escroqueries et des fraudes lors de transactions.

Ce blog détaille les chiffres : où l’IA intervient tout au long du parcours utilisateur, comment les modèles internes et externes travaillent ensemble, pourquoi des examinateurs humains restent au cœur du cycle, et comment l’approche va au-delà de la prévention des pertes pour atteindre la conformité et les opérations internes.

Binance transforme plus de 100 modèles d’IA en protection en temps réel pour les utilisateurs

Au premier semestre 2026, Binance a intercepté des millions de tentatives d’escroquerie et de phishing, a placé plus de 42 000 adresses malveillantes sur liste de blocage et a émis plus de 14 000 alertes en temps réel par jour.

Ces résultats proviennent d’une infrastructure d’IA que Binance développe, entraîne et supervise en interne. À ce jour, nous exploitons plus de 100 modèles d’IA dans nos contrôles antifraude et anti-escroquerie, avec des analystes humains en charge de définir les limites, de revoir les cas extrêmes et de reentraîner les modèles à mesure que de nouveaux schémas d’escroquerie émergent.

Dans le cadre du KYC (vérification d’identité), nos chaînes de traitement de revue activées par IA ont permis des gains allant jusqu’à 100x en efficacité opérationnelle par rapport à des processus manuels dans certains flux de travail, tout en conservant des spécialistes sur le cycle pour les cas présentant le risque le plus élevé.

Binance intègre une protection contre le risque pilotée par IA tout au long du parcours utilisateur

L’IA est intégrée à l’ensemble du parcours utilisateur, chaque fois qu’une décision de risque en temps réel doit être prise. Cela inclut la vérification d’identité, la sécurité du compte (comme la détection de signes de piratage de compte), les paiements et une protection et un tri plus larges des transactions.

Chaque action est évaluée au moment où elle se produit, et la grande majorité est résolue automatiquement. C’est ce qui permet à la protection de fonctionner à l’échelle de la plateforme sans ralentir les utilisateurs légitimes, puisque la plupart des personnes ne voient jamais les vérifications s’exécuter en arrière-plan pendant leur activité.

Un ensemble hybride de modèles, développé en interne et au-delà

Binance utilise une combinaison de technologies propriétaires et externes. Les modèles internes sont conçus sur mesure pour les risques spécifiques observés sur la plateforme, tandis que l’IA externe de pointe et les modèles de base gèrent des tâches de raisonnement plus larges.

Cette approche hybride maintient la détection à la frontière de la capacité de l’IA, tout en préservant un avantage adapté aux utilisateurs, aux produits et à l’échelle de Binance. Elle signifie aussi que de nouvelles capacités peuvent être adoptées rapidement à mesure que le domaine de l’IA évolue.

En plus des modèles de détection, Binance conserve une Red Team interne qui teste les défenses comme le ferait un adversaire réel, notamment en sondant la manière dont les technologies émergentes pourraient être utilisées contre la plateforme.

Jimmy Su, Chief Security Officer de Binance, explique : « Ces exercices nous aident à identifier des faiblesses avant que les attaquants ne le fassent, à valider que nos contrôles fonctionnent dans des conditions réalistes et à renforcer en permanence les personnes, les processus et la technologie qui protègent nos utilisateurs. En matière de sécurité, vous ne pouvez pas simplement présumer que vos défenses fonctionneront : vous devez les challenger. »

Exemple : défenses en couches contre l’ingénierie sociale

Certains attaques sont conçues pour contourner totalement la technologie et, à la place, cibler la confiance. Le trading P2P est une zone où les tentatives d’ingénierie sociale sont particulièrement courantes.

Chez Binance, des modèles internes de vision par ordinateur détectent des images falsifiées de justificatifs de paiement en analysant les détails de la transaction et des manipulations subtiles de l’image. Des modèles de traitement du langage naturel identifient des messages d’escroquerie dans le chat. Des modèles de machine learning plus traditionnels évaluent le niveau de risque de chaque ordre. En outre, de grands modèles de langage aident à interpréter l’intention du message et à capter du texte d’escroquerie intégré dans des images.

Les machines trient, les humains décident, les modèles apprennent

Bien que l’IA soit exceptionnelle pour la découverte et le tri initial, les personnes restent essentielles pour une validation détaillée et un jugement contextuel. La détection de la « liveness » et de la falsification des documents d’identité en est un bon exemple. L’IA peut faire un tri rapide de grands volumes et mettre en évidence les suspects, mais de nombreux cas extrêmes nécessitent encore des examinateurs humains pour étiqueter et juger avec plus de précision.

À mesure que de nouveaux schémas d’attaque apparaissent, l’IA aide à les découvrir et à les identifier, puis ces découvertes sont utilisées pour ajuster les modèles. Le résultat est un cycle continu où l’IA apporte l’échelle et où les personnes apportent la précision. Dans l’ensemble des contrôles antifraude, les modèles d’IA prennent 80 % à 90 % des décisions de risque en temps réel et contribuent à environ 45 % des flux de travail de revue humaine.

Pour maintenir une IA responsable à cette échelle, Binance applique une gouvernance structurée des modèles tout au long de leur cycle de vie, du développement et de la validation jusqu’au déploiement et au suivi continu. Les modèles sont testés pour détecter les biais et la précision avant d’entrer en production, et leurs performances sont suivies en continu par rapport à des résultats du monde réel.

Lorsque la précision d’un modèle dérive ou que les taux de faux positifs augmentent au-delà de limites acceptables, comme identifié par le processus de revue humaine mentionné précédemment, il est automatiquement signalé pour un reentraînement. Cela garantit que les décisions automatisées restent justes, explicables et auditables — et pas seulement rapides.

Au-delà de la prévention des pertes : conformité et efficacité interne

En plus de protéger nos utilisateurs, nos équipes de conformité utilisent des outils d’automatisation assistée par IA pour faire évoluer et standardiser des processus, tels que la détection de fraude dans le KYC et l’exécution de la surveillance des transactions.

Plus de 24 initiatives d’IA ont été déployées pour l’onboarding des utilisateurs, l’escalade des triages et la due diligence des partenaires. Ces modèles classent les cas par priorité, identifient des schémas dans des ensembles de données complexes — y compris l’activité on-chain et les empreintes digitales des appareils — et transmettent les bons problèmes aux examinateurs humains, tout en minimisant les alertes inutiles.

En interne, l’effet est similaire. Les analystes utilisent l’IA pour avancer plus vite dans l’analyse, la surveillance et le déploiement de modèles, tandis que les équipes des opérations l’utilisent pour aider aux enquêtes et aux détails des cas. Dans les deux cas, l’objectif est le même : confier le travail répétitif afin que les personnes puissent se concentrer sur des décisions de jugement à plus forte valeur. Cela se reflète dans l’adoption — l’outil agentic interne de Binance enregistre désormais environ 72 % d’adhésion entre les équipes, soutenu par des formations à l’échelle de l’entreprise, des programmes de prompt engineering et une supervision structurée.

En soutenant tout cela, il y a l’engagement en faveur de la confidentialité dès la conception (privacy by design). Les systèmes d’IA de Binance fonctionnent dans un cadre qui privilégie la confidentialité, où la minimisation des données, la limitation des finalités et des garde-fous relatifs aux droits de l’utilisateur sont intégrés à la façon dont les modèles d’IA sont construits et déployés. L’objectif est direct : protéger les utilisateurs contre les abus financiers et les dommages sans compromettre leur droit à la confidentialité des données — et le faire de manière transparente, afin que les utilisateurs comprennent que les garde-fous sont en action en arrière-plan sans que leurs données soient utilisées au-delà de ce que la tâche exige.

Réflexions finales

Chez Binance, la protection des utilisateurs est une priorité dans laquelle nous continuons d’investir. L’IA apporte l’échelle ; les personnes apportent le jugement. À mesure que les outils pour produire de l’escroquerie deviennent moins coûteux, cette combinaison doit continuer d’évoluer — ce qui signifie reentraîner les modèles, affiner les limites et maintenir des analystes expérimentés sur les cas qui en ont besoin.

Lecture supplémentaire

Avis légal : ce contenu vous est présenté « tel quel », uniquement à des fins d’information générale et d’éducation, sans aucune déclaration ni garantie de quelque sorte que ce soit. Il ne doit pas être interprété comme un conseil financier, et n’a pas pour intention de recommander l’achat d’un quelconque produit ou service spécifique. Les prix des actifs numériques peuvent être volatils. La valeur de votre investissement peut baisser ou augmenter, et vous pourriez ne pas récupérer le montant investi. Vous êtes seul responsable de vos décisions d’investissement et Binance n’est pas responsable des pertes que vous pourriez encourir. Ceci ne constitue pas un conseil financier. Pour plus d’informations, veuillez consulter nos Conditions d’utilisation et Avis de risque.

Attention : notez qu’il peut y avoir des divergences entre ce contenu original en anglais et toute version traduite (ces versions peuvent être générées par IA). Veuillez consulter la version originale en anglais afin d’obtenir les informations les plus exactes en cas de divergences.