Joel Winteregg, PDG de Vyntra – Série d’interviews

Joel Winteregg, PDG de Vyntra, est un cadre de la technologie financière et ingénieur logiciel avec près de deux décennies d’expérience dans le développement de technologies pour la prévention de la fraude, la détection de la criminalité financière et la sécurité des transactions. Avant de prendre la direction de Vyntra en juin 2025, il a occupé le poste de PDG du groupe Intix et a passé plus de 18 ans en tant que PDG et co‑fondateur de NetGuardians, où il a contribué à créer des solutions d’intelligence artificielle et d’apprentissage automatique pour les institutions financières. Au début de sa carrière, Winteregg a travaillé comme ingénieur réseau et logiciel à l’Institut des Technologies de l’Information et de la Communication, en se concentrant sur des plateformes de gestion de la sécurité open source et la corrélation d’événements en temps réel. Il dirige désormais Vyntra suite à la fusion d’Intix et NetGuardians.

Vyntra est une entreprise de technologie financière fournissant une intelligence transactionnelle alimentée par l’IA aux banques, fournisseurs de services de paiement, entreprises fintech et autres institutions financières. Créée suite à l’union de NetGuardians et Intix en 2025, l’entreprise combine l’observabilité des transactions en temps réel avec la prévention de la criminalité financière, permettant aux institutions de surveiller les flux de paiements, d’identifier les anomalies opérationnelles, de détecter la fraude, de suivre les risques de blanchiment d’argent et d’enquêter sur les menaces internes. Sa plateforme centralise les données transactionnelles à travers les systèmes et les formats tout en appliquant l’analyse comportementale et l’intelligence collective afin d’aider les organisations à répondre aux risques sans perturber inutilement les paiements légitimes. Vyntra indique servir plus de 130 institutions financières dans plus de 60 pays.

Vous avez passé près de deux décennies à faire de NetGuardians un acteur reconnu de la prévention de la fraude alimentée par l’IA, et avez récemment dirigé Intix avant de devenir PDG de Vyntra. Comment votre perspective sur la criminalité financière a-t-elle évolué à travers ces rôles, et quel écart stratégique Vyntra cherche-t-elle à combler aujourd’hui ?

La criminalité financière n’est plus un problème opérationnel isolé. Elle est devenue un risque systémique pour les institutions financières. Chez NetGuardians, Intix et maintenant Vyntra,, le changement est assez clair. La fraude est passée d’un problème informatique à un problème au niveau du conseil d’administration. Elle était principalement située en dessous du niveau exécutif, sous la responsabilité des équipes informatiques et de cybersécurité. Les conséquences financières, réputationnelles et réglementaires sont désormais suffisamment importantes pour figurer fermement à l’ordre du jour des conseils d’administration et des dirigeants C‑suite, et la réponse qu’elle exige a changé en conséquence. La fraude n’est plus non plus une question de détection de transactions suspectes au sein d’une seule institution. Elle opère désormais à travers les systèmes, les institutions et les canaux, et évolue continuellement, ce qui révèle un écart entre le comportement de la fraude et la manière dont elle est généralement traitée.

Vyntra se concentre sur la réduction de cet écart, s’appuyant sur son expérience auprès de plus de 130 institutions dans plus de 60 pays, où la prévention de la fraude et l’observabilité des transactions sont intégrées dans la même plateforme. Cela signifie aller au-delà des contrôles statiques et des données isolées, vers une intelligence en temps réel, une compréhension comportementale et une vision du risque plus connectée. L’objectif est d’intervenir avant même que la fraude ne se produise tout en offrant aux institutions une meilleure visibilité sur l’ensemble du cycle de vie des transactions.

Les pertes mondiales dues à la fraude bancaire atteignent désormais des centaines de milliards chaque année, avec des campagnes d’escroquerie de plus en plus sophistiquées. De votre point de vue, quels changements structurels ont transformé la fraude en ce qui ressemble à un système industrialisé plutôt qu’à une activité criminelle isolée ?

Le changement déterminant est l’échelle. La fraude est devenue organisée, répétable et de plus en plus industrialisée, et n’est plus une série d’incidents isolés. Pendant des années, la fraude était principalement comprise en termes de volume. Plus d’attaques nécessitaient plus de contrôles, et les institutions ont réagi en affinant les règles de détection et en renforçant l’authentification. Cette approche a maintenant atteint ses limites.

Ce que nous observons maintenant est différent. Les fraudeurs opèrent à grande échelle avec la coordination et l’efficacité d’entreprises légitimes. Ils testent, affinent et optimisent leurs approches. Ils sont agiles, non contraints par la conformité ou les obligations légales, et expérimentent constamment de nouveaux outils et tactiques. Les méthodes réussies sont réutilisées et partagées, et les campagnes sont conçues en pensant à la performance. L’IA accélère cela, mais ce n’est pas la cause première. Elle ne fait que turbocharger un système déjà organisé. Elle permet un ciblage plus rapide, une communication plus convaincante et une plus grande personnalisation. Cette combinaison rend la fraude plus évolutive et nettement plus difficile à détecter. Elle n’est plus opportuniste et commence à ressembler à une industrie.

Une part croissante de la fraude aujourd’hui implique des transactions « autorisées », où les victimes sont manipulées pour envoyer elles‑mêmes des fonds. Pourquoi les cadres traditionnels de prévention de la fraude peinent-ils avec cette catégorie, et que doit‑il changer fondamentalement ?

Les cadres traditionnels sont construits autour d’activités non autorisées. Ils sont conçus pour détecter les violations, les identifiants compromis ou les schémas d’accès suspects. Dans le cas de fraude autorisée, le système fonctionne comme prévu. Le client s’authentifie, la transaction est confirmée, et il n’y a aucune anomalie technique évidente. Du point de vue du système, tout semble légitime.

L’ampleur de ce problème est importante. Selon le dernier Rapport annuel sur la fraude de UK Finance, les pertes liées à la fraude APP ont augmenté de 19 % en 2025 pour atteindre 576,4 millions de livres, sur 248 070 cas. Le problème est que la fraude s’est déjà produite avant le paiement. Elle se produit lors de l’interaction, par manipulation et ingénierie sociale. Ce qui doit changer, c’est l’accent. Au lieu de se concentrer uniquement sur le fait qu’une transaction soit autorisée, les institutions doivent comprendre le contexte et l’intention. Cela nécessite une compréhension comportementale et une analyse en temps réel, pas seulement des vérifications au niveau de la transaction.

Les systèmes de paiement instantané s’accélèrent à l’échelle mondiale, mais ils réduisent également la fenêtre de détection de la fraude à quelques secondes. Comment les institutions financières devraient-elles repenser la gestion des risques dans un monde où les transactions sont presque immédiatement irréversibles ?

La rapidité est devenue l’un des facteurs déterminants tant pour la fraude que pour la prévention. De nombreuses escroqueries se déroulent désormais en une seule journée, et une fois les fonds transférés, ils sont souvent déplacés ou retirés en quelques minutes. Parallèlement, l’infrastructure de paiement est conçue pour offrir de l’immédiateté, et la réglementation accélère cette évolution. Le règlement européen sur les paiements instantanés oblige tous les prestataires de services de paiement de la zone euro à effectuer des virements de crédit instantanés et à proposer des services de vérification du bénéficiaire à partir d’octobre 2025.

Cela crée une tension entre rapidité et sécurité. Dans cet environnement, une intervention retardée n’est plus viable. La gestion des risques doit fonctionner en temps réel. Au lieu de ralentir les paiements, la détection des risques, la prise de décision et la réponse doivent être suffisamment rapides pour se produire à l’intérieur même du flux de paiement. Cela change fondamentalement la façon dont les institutions doivent envisager la fraude. Les institutions doivent passer de l’analyse post‑événement à la prévention en flux, en arrêtant les transactions frauduleuses avant le règlement, et non en les enquêtant après.

L’IA est désormais utilisée des deux côtés de l’équation, par les fraudeurs pour intensifier les attaques et par les institutions financières pour les détecter. À quoi ressemble la prochaine phase de cette course aux armements, et où voyez‑vous l’équilibre basculer ?

La course aux armements est accélérée par l’IA, mais le résultat ne sera pas défini uniquement par la technologie. Il dépendra tout autant de la façon dont l’intelligence est partagée et appliquée efficacement. Les fraudeurs opèrent déjà comme des réseaux hautement coordonnés, et les institutions financières doivent de plus en plus répondre de la même manière. Ils partagent l’infrastructure, les données et les tactiques, et lorsqu’une approche est bloquée, elle est rapidement adaptée et déployée ailleurs. L’IA renforce cela en permettant une itération plus rapide et des campagnes plus convaincantes et évolutives.

Du côté de la défense, on observe un net passage du traitement de la fraude comme un problème propre à une institution à la reconnaissance de celle‑ci comme un défi à l’échelle du réseau. Des initiatives comme le FPAD d’EBA CLEARING et les développements de SWIFT reflètent une évolution vers une intelligence de fraude partagée et en temps réel, notamment dans le contexte des paiements instantanés. Cela est important car de nombreux signaux les plus précieux se situent au‑delà d’une seule institution, qu’il s’agisse de comptes mule, d’anomalies comportementales ou de schémas émergents. Lorsque cette intelligence est partagée et intégrée en temps réel, la détection s’améliore. Lorsqu’elle ne l’est pas, la fraude se déplace simplement ailleurs. L’équilibre penchera en faveur de ceux qui peuvent combiner analyse en temps réel et intelligence collective. Ceux qui opèrent en isolement auront du mal à suivre le rythme.

Vyntra met l’accent sur l’analyse comportementale et l’intelligence transactionnelle en temps réel. En quoi cela diffère‑t‑il des systèmes basés sur des règles, et pourquoi le comportement devient‑il le signal critique dans la détection de la fraude ?

Les systèmes basés sur des règles sont intrinsèquement statiques. Ils reposent sur des conditions prédéfinies et des modèles connus. Cela fonctionne dans une certaine mesure, mais devient moins efficace à mesure que la fraude évolue. L’analyse comportementale est différente. Elle examine comment les actions s’écartent des schémas attendus en temps réel. Cela inclut la façon dont un utilisateur interagit, la manière dont les décisions sont prises et la façon dont les transactions s’insèrent dans un contexte plus large. Ce qui rend la détection comportementale moderne plus performante, c’est la combinaison d’approches travaillant ensemble. L’apprentissage non supervisé identifie les anomalies sans devoir connaître à l’avance à quoi ressemble la fraude, l’apprentissage supervisé s’appuie sur des modèles de fraude connus pour affiner la détection au fil du temps, et l’apprentissage actif alimente continuellement le modèle avec les résultats du monde réel, de sorte que le système s’améliore à chaque décision.

Cela est important car la fraude moderne est conçue pour paraître légitime au niveau transactionnel. Dans de nombreux scénarios de fraude moderne, le comportement devient l’indicateur le plus clair qu’il y a un problème, même lorsque la transaction elle‑même semble légitime. En se concentrant sur le comportement et le contexte, les institutions peuvent identifier le risque plus tôt, souvent avant que la transaction ne soit finalisée.

Il y a une discussion croissante autour de « l’intelligence communautaire » ou du partage de données de fraude entre institutions. En pratique, à quel point la collaboration à grande échelle entre institutions financières est‑elle réaliste compte tenu des contraintes réglementaires, et quels modèles fonctionnent réellement ?

La collaboration passe d’optionnelle à essentielle, mais elle doit prendre une forme viable. Ce n’est pas un concept nouveau pour Vyntra. L’intelligence partagée fait partie de notre approche depuis des années, car la fraude n’a jamais fonctionné proprement à l’intérieur des frontières institutionnelles. Quelques modèles émergent dans la pratique. Les approches de consortium ou d’utilité partagée regroupent les données via un organisme central. Les conceptions fédérées et préservant la confidentialité permettent aux institutions d’entraîner sur des modèles partagés sans exposer les données brutes des clients. Les initiatives d’intelligence au niveau du réseau, comme le FPAD d’EBA CLEARING, diffusent les signaux de fraude entre les participants en temps réel à mesure que les paiements instantanés se développent. Chaque approche fonctionne dans le cadre des réglementations existantes plutôt qu’en les contournant, ce qui les rend viables à grande échelle. Selon notre expérience, les institutions partageant l’intelligence au sein d’un réseau fiable et conforme au RGPD voient les taux de détection s’améliorer d’environ 20%, bien que le chiffre exact varie selon la conception du réseau et le niveau de participation. À mesure que la réglementation des paiements instantanés accélère les volumes de transactions transfrontalières, les institutions et réseaux qui investissent dès maintenant dans une infrastructure d’intelligence partagée seront mieux placés pour gérer la fraude qui suit inévitablement cette croissance.

De nombreuses institutions financières peinent encore à gérer des taux élevés de faux positifs, ce qui crée des frictions pour les clients et des inefficacités opérationnelles. Comment les systèmes modernes alimentés par l’IA réduisent-ils les faux positifs sans augmenter l’exposition aux risques ?

Les faux positifs sont souvent la conséquence d’un contexte limité. Lorsque les décisions reposent sur des signaux étroits, les systèmes ont tendance à surcompenser. Les approches modernes réduisent cela en incorporant davantage de données et un meilleur contexte. L’analyse comportementale, l’historique des transactions et les signaux en temps réel permettent une évaluation des risques plus précise. L’objectif n’est pas simplement de bloquer davantage de transactions, mais de prendre de meilleures décisions. Dans l’ensemble du secteur, les grandes institutions financières déployant des systèmes d’IA comportementale ont signalé des réductions de faux positifs entre 60 % et 90 % par rapport aux contrôles basés sur des règles héritées. Les faux positifs nuisent à la confiance lorsque les clients légitimes sont interrompus à plusieurs reprises. Lorsque les systèmes peuvent distinguer les véritables anomalies du comportement légitime, ils peuvent réduire les frictions inutiles tout en maintenant une protection solide.

La fraude interne et les menaces internes restent sous‑discutées comparées aux attaques externes. Quelle est l’ampleur de ce risque aujourd’hui, et comment les institutions devraient‑elles repenser la surveillance des comportements internes et des schémas d’accès ?

Le risque interne est souvent sous‑estimé, mais il fait partie du même défi plus large. Selon ACFE, le secteur bancaire et les services financiers ont enregistré plus de cas de fraude professionnelle que tout autre secteur dans l’étude, avec une perte médiane de 120 000 $ par cas et un délai médian de détection de 12 mois. Plus cette fenêtre reste ouverte, plus les pertes sont importantes. Tout comme la fraude externe s’appuie de plus en plus sur les comportements et les schémas d’accès, il en est de même en interne. La surveillance doit dépasser les autorisations statiques et les contrôles périodiques.

Comprendre comment les systèmes sont utilisés, comment les schémas d’accès évoluent et où les anomalies se produisent est essentiel. Une supervision interne efficace n’est pas une surveillance des employés. Il s’agit d’un examen proportionné de l’activité au sein des systèmes financiers sensibles, axé sur les accès et les comportements qui comportent un risque réel. Cette distinction est importante, car une surveillance globale sans contexte génère du bruit plutôt que des informations, et entraîne ses propres conséquences opérationnelles et culturelles. Le principe reste cohérent: le comportement fournit le signal le plus significatif lorsque les autres indicateurs semblent normaux.

En regardant cinq ans en avant, pensez‑vous que la prévention de la fraude deviendra entièrement autonome et prédictive, ou le jugement humain restera‑t‑il une couche critique du système ? Où l’équilibre se situera‑t‑il finalement ?

La prévention de la fraude deviendra plus automatisée et plus prédictive, notamment à mesure que la prise de décision en temps réel devient essentielle. Les systèmes géreront de plus en plus une grande partie de la détection et de l’intervention, surtout là où la rapidité est cruciale.

Cependant, elle ne deviendra pas entièrement autonome. Le jugement restera une couche nécessaire, au sein des institutions et du côté du client. Du point de vue institutionnel, il y aura toujours des cas où le contexte, l’ambiguïté et l’escalade nécessitent l’intervention d’une personne. De nombreux scénarios de fraude, en particulier les escroqueries autorisées, impliquent encore une manipulation humaine et de l’ingénierie sociale, que l’automatisation seule ne peut pas détecter. Cela est renforcé par la direction de la réglementation. Que ce soit par le régime de remboursement PSR du Royaume‑Uni ou les propositions PSD3 de l’UE, les institutions sont soumises à des exigences plus élevées en matière de prévention de la fraude et de protection des clients. Cela augmente le besoin de supervision, pas seulement d’automatisation. Dans cinq ans, ce qui distinguera les institutions qui réussissent de celles qui restent à la traîne sera la connaissance précise de la façon dont l’automatisation et le jugement fonctionnent ensemble.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Vyntra.