Réseaux neuronaux graphiques explicables pour la détection des fraudes

Cet ouvrage pr sente une tude compl te sur l'int gration des r seaux neuronaux graphiques (GNN) avec les m thodes d'intelligence artificielle explicable (XAI) pour la d tection des fraudes financi res. Il value plusieurs architectures GNN telles que GCN, GAT, GIN, GraphSAGE, HinSAGE et FraudGNN, ainsi que des mod les d'apprentissage machine traditionnels tels que les r seaux neuronaux et Random Forest. Des m thodes d'explication telles que GNNExplainer, GraphMask, SHAP et LIME sont appliqu es pour assurer la transparence, l'interpr tabilit et la confiance dans les t ches de d tection des fraudes. Ce travail propose des comparaisons syst matiques en termes de performance, de fid lit , de dur e d'ex cution et d'interpr tabilit , tay es par des tudes de cas visuelles. Il met en vidence la mani re dont la combinaison du raisonnement bas sur les graphes avec les techniques d'explicabilit peut am liorer les syst mes de d tection des fraudes et r pondre aux exigences mergentes d'une IA digne de confiance et responsable.