Analytique & IA

Que sont les data matching et data mining ?

Le data matching consiste à comparer et à regrouper des données issues de sources variées afin d’en identifier les correspondances. Dans les bases de données, cette technique permet d’associer les informations provenant de différentes entreprises pour révéler les relations entre leurs ensembles de données. Méthode notamment utilisée par l’ONSS pour obtenir des informations fiables, cohérentes et complètes.

Le data mining désigne l’ensemble des méthodes et des processus visant à extraire, à partir de volumes importants de données, des connaissances nouvelles. Ces dernières se présentent sous la forme de structures récurrentes, de relations statistiques, de corrélations significatives ou d’anomalies. Avec, pour finalité, de produire des informations actionnables, mobilisables tant pour l’aide à la décision que pour la modélisation prédictive et l’anticipation de tendances. Le data mining s’appuie sur des approches issues des statistiques, de l’apprentissage automatique et de l’analyse algorithmique. Parmi les techniques couramment employées figurent les arbres de décision. Ils permettent d’opérationnaliser des tâches de classification en partitionnant l’espace des variables explicatives et en inférant des règles de décision à partir de plusieurs variables d’entrée.

Ces deux processus aident l’ONSS dans le renforcement de son efficacité et la diminution de la fraude.

Détection et analyse

La maîtrise des risques entend, d'une part, détecter proactivement les risques inhérents à nos propres processus internes afin de compliquer, voire empêcher, tout abus. D’autre part, elle vise aussi à déceler, examiner et cartographier les phénomènes à risque. La démarche peut être motivée par des constatations sur le terrain, des mesures générant moins de revenus financiers ou le constat de dépenses de sécurité sociale plus lourdes dans certains domaines. Dans le cadre de la détection et la cartographie des risques, l’ONSS s’appuie aussi sans cesse davantage sur des analyses approfondies d’informations issues de banques de données.

Souvent, l’objectif est aussi de révéler et démanteler le réseau des entreprises et des responsables liés à la fraude. La cartographie des problèmes passe alors par l’inspection de la comptabilité et des transactions financières ainsi que par l’interrogation du personnel et des responsables avérés ou présumés. À cet effet doit primer une bonne collaboration avec les instances judiciaires, les autres institutions de sécurité sociale (ONEM, INASTI, etc.) et d’autres partenaires tels que l’administration fiscale, le Fonds de fermeture des entreprises, les services d’inspection régionaux, etc.

Automatisation et expérience utilisateur

En matière d’automatisation, l’IA offre la possibilité d’extraire automatiquement des informations de documents non structurés ou semi-structurés - tels que déclarations, formulaires ou e-mails - et de les structurer. Le besoin d’interventions manuelles s’en trouve réduit, la marge d’erreur se réduit et la rapidité de service augmente sensiblement. L’IA peut en outre s’utiliser comme outil d’aide à la prise de décision de par sa capacité, par exemple, à prioriser automatiquement les dossiers selon leur degré d’urgence. Et les collaborateurs de se consacrer ainsi davantage aux dossiers requérant le plus d’attention. Avec, en finale, un gain en efficacité et qualité du travail.

Sur le plan de l’expérience utilisateur, l’ONSS peut également profiter des assistants virtuels pilotés par l’IA. Lesquels peuvent aider les citoyens à introduire des documents, les informer des délais ou répondre à des questions fréquemment posées, sans relâche (24/7) et dans plusieurs langues. Ces assistants virtuels apportent une amélioration du service et soulagent le helpdesk de la pression téléphonique.