Mise à l’échelle de l’intelligence artificielle (IA) dans Open Banking: Bâtiment Trustlyde la plateforme d’apprentissage automatique

« Tout est une question de données ! » Cette ligne est restée avec moi lorsque j’ai décidé de rejoindre Trustly en tant que premier ingénieur d’apprentissage automatique au début de 2023. C’est impressionnant ce que nous avons accompli en si peu de temps depuis que nous avons commencé à construire notre plate-forme d’apprentissage automatique ! Le temps entre le développement du modèle et le déploiement du modèle utilisé pour la prise de décision en production est passé de mois à environ une semaine. 

Nous avons introduit la gouvernance des modèles et plusieurs mesures de protection avant et après le déploiement pour dé-risquer les erreurs de production affectant notre trafic et notre rentabilité. Nous avons également réduit le temps de réponse du modèle de quelques secondes à seulement quelques millisecondes. Les jalons atteints sont si nombreux qu’il devient difficile de compter. Dans ce blog, je vais décrire comment Trustly a rejoint la course pour devenir un acteur majeur de l’apprentissage automatique et de l’IA dans le Open Banking l’espace et pourquoi nous sommes bien placés pour le gagner.

Les paiements instantanés garantis dépendent de Open Banking Modèles de risque

Si les données sont le pétrole qui alimente la rentabilité à long terme, Amérique du Nord Open Banking est un réservoir qui n’a pas encore été découvert, enfoui profondément dans des décennies d’inefficacités et de complexités du système financier. Concentrons-nous sur l’une de ces inefficacités : les rails de paiement traditionnels comme ACH. ACH aux États-Unis prend des jours à traiter, et il a été lourd et peu pratique pour les clients de payer avec leur banque en raison de la mauvaise expérience utilisateur et des longs délais de règlement. Par exemple, pouvez-vous imaginer acheter des actifs cryptographiques et les recevoir quelques jours plus tard ? Ce fut le cas jusqu’à ce que Trustly est arrivé sur le marché avec des paiements garantis. 

Maintenant, vous pouvez vous connecter à votre banque, choisir à partir du compte bancaire à partir duquel vous souhaitez payer, et en quelques clics, votre paiement est terminé. Le commerçant reçoit son paiement et vous recevez vos actifs numériques immédiatement. Tout client peut payer immédiatement directement à partir de son compte, de n’importe quelle banque, en cliquant sur un bouton et sans avoir besoin d’une carte de crédit ou de la saisie manuelle des numéros de compte et de routage. De plus, TrustlyOpen Banking aide les commerçants à réduire les frais de traitement coûteux (les frais de traitement moyens des cartes de crédit sont de 2,24%, ce qui s’ajoute aux coûts de paiement des commerçants). 

Pour que le paiement ACH se produise en temps réel, Trustly paie le commerçant directement de sa propre poche au moment de la transaction, puis perçoit le paiement à partir du compte du client. Comme vous pouvez l’imaginer, Trustly peut ne pas être en mesure de percevoir le paiement en raison d’une fraude (qui est encore beaucoup plus faible que la fraude par carte non présente, grâce à l’authentification multifacteur de la banque) ou simplement parce que le client n’avait pas suffisamment de fonds pendant la transaction. Quelques risques, tels que ceux décrits ci-dessus, sont impliqués dans la fourniture d’une telle expérience de paiement instantané, mais c’est là que l’apprentissage automatique entre en jeu. L’apprentissage automatique renforce l' Trustly moteur de risque pour atténuer les transactions risquées et nous assurer que nous pouvons toujours fournir des paiements garantis rentables.

Trustly a établi des connecteurs de paiement avec la plupart des banques en Amérique du Nord, couvrant 99 % des institutions financières entre le Canada et les États-Unis. Cette technologie permet Trustly pour accéder et utiliser du frais Open Banking pour effectuer une analyse des risques et décider d’approuver ou de refuser une transaction. La capacité de notre plateforme est directement liée au succès de nos modèles de risque. Bien que les enjeux soient élevés, la possibilité d’accéder à de nouvelles données financières des consommateurs nous donne un avantage concurrentiel pour créer des produits de données à grande échelle en utilisant l’apprentissage automatique.

La plate-forme d’apprentissage automatique : prise de décision à haut enjeu à grande échelle

Nous avons construit notre plate-forme d’apprentissage automatique pour soutenir la prise de décision pour l’évaluation des risques transactionnels. Parlons de l’échelle : Trustly relie les entreprises à des milliers d’institutions financières aux États-Unis et au Canada comme mode de paiement de compte à compte. 

L’un des défis les plus difficiles en Open Banking est la difficulté d’établir une norme de données unique pour toutes les institutions financières. Chaque institution a ses façons particulières de gérer et de partager ses données. Trustly consolide les données financières entre les institutions financières et les catégorise dans un seul modèle de données standard. Notre modèle de données unifié nous permet de créer un magasin de fonctionnalités qui centralise les données de toutes les institutions financières connectées à Trustly: les mêmes ensembles de fonctionnalités peuvent donc être utilisés à la fois pour les grandes banques et les banques locales. Ce haut niveau de normalisation nous permet d’étendre nos opérations de ML à travers les institutions et les zones géographiques. Nous disposons actuellement de plus de 1 700 fonctionnalités qui peuvent être réutilisées parmi tous nos modèles d’apprentissage automatique pour améliorer la prise de décision.

‍

‍

Bien que les fonctionnalités puissent être connectées et lues dans n’importe quel modèle, nous devons souvent accorder une attention particulière aux principaux partenaires marchands ou institutions financières. Par exemple, une grande institution financière aux États-Unis peut exiger un modèle spécifique, tandis que les institutions mineures ayant un comportement similaire peuvent être regroupées dans un seul modèle. Trustly exploite actuellement plusieurs modèles d’apprentissage automatique individuels ainsi que d’autres modèles qui défient ceux en production pour assurer une boucle de rétroaction continue. Nous continuons à nous efforcer d’améliorer nos performances. 

Alors que dans la plupart des industries, les équipes de science des données fonctionnent souvent comme des artisans, où chaque développement de modèle a un data scientist dédié et son propre code, Trustly nécessite une approche plus industrielle. Dans le cadre de notre plate-forme, nous avons créé un pipeline de modèles standardisé couvrant tous les aspects de la création, du déploiement et de l’observabilité des modèles, y compris la préparation des données, la sélection des fonctionnalités, le réglage des hyperparamètres, la régularisation, la validation des fonctionnalités, l’orchestration, le suivi des artefacts et l’habillage des points de terminaison de service. Ce pipeline est versionné dans une bibliothèque interne. Il est piloté par config et est basé sur des étapes configurables. 

Par exemple, il est obligatoire d’appliquer le réglage hyperparamétrique pour le développement de modèles, mais le choix de différents algorithmes de réglage via une configuration déclarative est possible. Grâce à cet effort, nous avons réussi à réduire le temps de développement du modèle d’environ 3 mois à une seule semaine. Nous avons pu rafraîchir tous nos modèles grâce à un recyclage automatisé grâce à la mise en place de cette standardisation.

Enfin et surtout, nos modèles les plus demandés fonctionnent et maintiennent de solides performances de demande par seconde (RPS) dans des conditions commerciales régulières, et peuvent démontrer une capacité considérablement accrue lors d’événements majeurs comme le Super Bowl. De plus, puisque nous opérons dans une entreprise transactionnelle, l’évaluation des risques doit répondre à de fortes contraintes de temps. Aucun client n’attendra quelques secondes pour que sa commande soit traitée. Alors que nous introduisions des avancées méthodologiques dans la sélection des fonctionnalités, la régularisation et le traitement parallèle, nous avons réduit jusqu’à 10 fois les temps de réponse et avons tous nos nouveaux modèles avec une latence p99 inférieure à 200 ms avec certains modèles répondant réellement en dessous de 35 ms !

Outre l’évolutivité, nous devons également nous rappeler que nous offrons une garantie et servons les entreprises dans les secteurs verticaux à haut risque comme la crypto et les paris, avec un impact direct sur notre P &L si quelque chose ne va pas avec l’évaluation des risques. Si notre plate-forme d’apprentissage automatique tombe en panne, nous sommes en grave difficulté ! Pour prévenir ce risque, nous avons développé des mesures et des processus de contrôle solides : chaque changement dans les modèles et les politiques suit des procédures de gouvernance strictes, comme l’examen par les pairs, les cartes modèles, les tests automatisés, les vérifications de couverture des tests, les tests de résistance et plusieurs autres formes de validations. De plus, nous avons des mesures de protection en place pour réduire le rayon de souffle et la gravité des incidents potentiels. Par exemple, chaque modèle est escorté par au moins un modèle de secours qui peut être activé si le modèle principal devient indisponible. Le modèle de secours peut servir de substitut si un groupe d’entités ne parvient pas à être calculé ou si l’extrémité du modèle commence à délai d’attente, ce qui nous permet de poursuivre les opérations sans temps d’arrêt en cas de défaillance. 

Mise à l’échelle de l’IA dans Open Banking

Nous sommes une petite et jeune équipe d’ingénierie d’apprentissage automatique et de scientifiques des données. Il y a encore beaucoup de travail de base à faire. Ce n’est peut-être pas aujourd’hui, demain ou l’année prochaine, mais nous sommes convaincus que notre travail préparera le terrain pour une IA de classe mondiale dans Open Banking. Trustly a fissuré la surface et creusé si profondément qu’il a frappé le grand réservoir du système financier nord-américain qui est Open Banking données couplées à l’apprentissage automatique. Les données sont en train de pomper. Il est temps de continuer à construire notre plate-forme d’apprentissage automatique pour alimenter de nouvelles Open Banking les applications.

‍