
Un faux avis d'imposition, un RIB modifié, une fiche de paie retouchée, une carte d'identité imprimée : la fraude documentaire est devenue accessible à n'importe qui. Des sites vendent des modèles prêts à remplir, et l'IA générative produit des documents crédibles en quelques secondes. La détection de fraude documentaire ne peut plus reposer sur l'œil d'un analyste. Voici les types de faux, les signaux qui les trahissent et les méthodes de détection qui fonctionnent.
Chaque forme appelle un contrôle différent. Une solution qui ne vérifie que l'authenticité du document passera à côté de l'usurpation ; une solution qui ne fait que de la biométrie passera à côté d'un RIB falsifié.
Police de caractères qui change sur un seul champ, alignement décalé, espacement irrégulier, zone plus nette ou plus floue que le reste, logo pixelisé, couleur de fond non uniforme autour d'un chiffre : la falsification laisse presque toujours une trace locale.
Le document doit être cohérent avec lui-même. Sur une fiche de paie, le net doit découler du brut et des cotisations. Sur une pièce d'identité, la bande MRZ encode les informations imprimées et comporte des chiffres de contrôle calculés : une MRZ qui ne correspond pas aux champs visibles est un signal fort. Un IBAN comporte lui aussi une clé de contrôle.
Un PDF garde la trace de son histoire : logiciel de création, dates de création et de modification, nombre de versions, polices embarquées. Une fiche de paie « émise par un logiciel de paie » mais modifiée dans un éditeur de PDF la veille de son envoi mérite un second regard. Attention : l'absence de métadonnées suspectes ne prouve rien, et une capture d'écran ou un scan efface ces informations.
C'est souvent là que la fraude se voit le mieux. Le nom sur le RIB correspond-il à celui de la pièce d'identité ? L'adresse de l'avis d'imposition à celle du justificatif de domicile ? Le salaire de la fiche de paie au revenu déclaré ? L'employeur existe-t-il vraiment au registre des entreprises ? Un fraudeur soigne rarement tous les documents de la même façon.
Le contrôle le plus fiable consiste à ne pas faire confiance au document et à interroger l'émetteur ou un registre :
Un analyste expérimenté repère les faux grossiers. Il ne voit pas une modification de quelques pixels, ne peut pas lire des métadonnées à chaque dossier, et ne recoupe pas cinq documents entre eux en trente secondes. À volume élevé, la fatigue fait le reste.
L'IA générative a changé la donne : elle produit des documents sans les défauts visuels classiques, et des images d'identité crédibles. La détection doit donc combiner plusieurs couches — analyse d'image, métadonnées, cohérence interne, cohérence croisée et vérification à la source — plutôt que compter sur un seul signal.
Le module anti-fraude documentaire de Dataleon analyse chaque pièce déposée — identité, Kbis, RIB, fiches de paie, justificatifs — et combine l'analyse visuelle, les métadonnées, la cohérence interne et le recoupement entre documents. Chaque alerte est expliquée : vos analystes voient pourquoi un document est suspect, et ne perdent plus de temps sur les dossiers sains. Pour choisir un outil, voir aussi notre guide logiciel anti-fraude documentaire : les critères de choix.
Les métadonnées (logiciel de création, dates de modification, versions successives) et l'analyse de la structure du fichier donnent des indices. Mais un fichier re-scanné ou photographié perd ces informations : il faut alors s'appuyer sur l'analyse visuelle et le recoupement.
Oui, mais rarement par un seul contrôle. Les documents générés trahissent souvent des incohérences de contenu (numéros invalides, calculs faux, données qui ne correspondent à aucun registre) plutôt que des défauts visuels.
Oui. En France, le faux et l'usage de faux sont réprimés par le Code pénal (article 441-1). Pour une entité assujettie, un faux détecté peut aussi justifier une déclaration de soupçon.
Demandez une démo pour tester la détection sur vos propres documents.