Fatigue d'alerte et responsabilité
- Leçon 38
- 35 min
- Module 9 : Exploiter un détecteur en production
Où nous en sommes
La tâche respecte maintenant le budget et résiste au lancement. Les gens cessent tout de même de lire les alertes qui ne mènent jamais à une action. Dans cette leçon, nous ajoutons des limites de fréquence, des règles de report et de suppression et une première étape d'intervention. Nous ajoutons aussi une révision hebdomadaire des alertes auxquelles personne n'a donné suite.
Leçon 38 sur 38 · Détection d'anomalies : trouver ce qui est inhabituelFatigue d'alerte et responsabilité
1. Ce que « inhabituel » veut dire
2. Des références de base simples et difficiles à battre
3. Maîtrise statistique des procédés et dérive de distribution
- Cartes de contrôle : cette variation est-elle normale?
- Règles pour les motifs, et le prix de chaque règle
- Cartes pour les taux et les dénombrements
- Petits décalages durables : CUSUM et EWMA
- La distribution a-t-elle changé?
- Dérive dans de nombreuses variables, et quoi faire
- Loi de Benford et autres vérifications d'affaires
4. Distance, densité et isolement
5. Les anomalies dans le temps
6. Méthodes profondes et plongements
7. Évaluer avec peu d'étiquettes
8. Apprendre des réviseurs
9. Exploiter un détecteur en production
Ce que vous saurez faire
Gardez les alertes qui valent la peine d’être lues. Vous choisissez une limite quotidienne d’alertes regroupées et ajoutez une règle de report après la réponse d’un réviseur. Chaque alerte reçoit une première étape. Une révision hebdomadaire examine les alertes envoyées, celles qui étaient réelles et celles que personne n’a lues.
Avant de commencerCe qu’il faut savoir et avoir sous la main
Ce que vous devez savoir
- La tâche de détection, son registre et ses deux politiques, présentés dans Du score à l’alerte et Quand le « normal » change. Cette leçon continue dans le même dossier.
- Ce qu’est une alerte regroupée, présenté dans Le budget d’alertes.
Ce qu’il vous faut sur votre ordinateur
Le dossier de projet detection-job de la dernière leçon, avec le modèle réentraîné et les alertes jusqu’au 14 novembre 2025. Testé sur macOS avec Python 3.12.13. Les commandes PowerShell n’ont pas été exécutées.
L’alarme de voiture dans la rue
Section intitulée « L’alarme de voiture dans la rue »Pensez à une alarme de voiture dans une rue en ville. La première fois qu’elle sonne, les gens regardent par la fenêtre. C’était le vent. La deuxième fois, un chat. À la dixième fois, personne ne lève les yeux. Puis, une nuit, un vrai voleur ouvre la voiture. L’alarme sonne et personne ne lève les yeux.
L’alarme a fait son travail chaque fois. Les gens ont cessé de faire le leur, car l’alarme leur a appris qu’elle ne signifie rien. C’est la fatigue d’alerte : les gens cessent de lire attentivement les alertes quand trop d’entre elles ne mènent à rien. Ce n’est pas une faiblesse des réviseurs. C’est une propriété des alertes.
Le problème : 50 alertes regroupées sont surtout du bruit
Section intitulée « Le problème : 50 alertes regroupées sont surtout du bruit »Dans la première leçon de ce module, la tâche a appris à regrouper les paiements. Une alerte contient un événement complet : tous les paiements d’un client en une journée. Ou ceux d’un appareil qui a payé avec les cartes de plusieurs clients. C’était un bon changement. Mais il a changé ce que représentent 50 alertes.
La mesure du cours a rejoué octobre 2025 avec quatre budgets quotidiens et a compté deux choses. D’abord, la part des alertes contenant au moins une fraude insérée. Ensuite, la part de tous les paiements insérés qui se trouvent dans une alerte :
- Alertes contenant une fraude insérée
- Paiements insérés dans les alertes
Description textuelle du graphique
Un graphique en courbes avec le budget quotidien sur l’axe horizontal (5, 10, 20 et 50 alertes regroupées par jour). L’axe vertical montre une part de 0 à 100 %. Une courbe montre la part des alertes contenant une fraude insérée : 56,1 % à 5 par jour, 31,9 % à 10, 17,1 % à 20 et 7,4 % à 50. L’autre montre la part des paiements insérés dans les alertes : 90,3 % à 5, 93,8 % à 10, 95,4 % à 20 et 96,4 % à 50. La première courbe descend rapidement; la deuxième est presque plate.
Lisez les deux courbes ensemble. Cinq alertes par jour contiennent déjà 90,3 % des paiements insérés, car un groupe contient une fraude complète. Passer de 5 à 50 alertes ajoute seulement 6 points de couverture. Mais cela ajoute 45 alertes par jour, et presque toutes concernent des clients honnêtes. À 50 par jour, plus de 9 alertes sur 10 ne mènent à rien.
Le rapport hebdomadaire de ce rejeu montre la même chose. Voici la semaine du 20 au 26 octobre, avec des réviseurs qui répondent toujours correctement. C’est une hypothèse : les vrais réviseurs font des erreurs. Les jours du milieu sont retirés ici :
Alert report, week 2025-10-20 to 2025-10-26
day sent snoozed real not unread2025-10-20 50 0 4 46 0...2025-10-26 50 0 4 46 0total 350 0 28 322 0
Precision of the reviewed alerts: 0.08 (28 of 350).Main reason of the alerts: new_device 170, night 121, payments_last_hour 37, new_country 21.Sur 350 alertes, 28 étaient réelles. L’équipe a lu 322 alertes qui n’ont mené à rien. La raison principale de presque la moitié des alertes était new_device (nouvel appareil) : encore le lancement de l’application. C’est la semaine précédant la vérification de dérive du 31 octobre, qui a demandé un réentraînement.
Ce n’est pas un bogue. Le budget de 50 a été fixé au module 7 pour des paiements individuels. Quand la tâche a commencé à envoyer des groupes, personne n’a réévalué le budget.
L’idée : faire en sorte que chaque alerte mérite d’être lue
Section intitulée « L’idée : faire en sorte que chaque alerte mérite d’être lue »Il n’existe pas de solution unique. Une équipe utilise quatre outils ensemble :
- Une limite de fréquence plafonne le nombre d’alertes que la tâche envoie pendant une période. Le budget quotidien en est une. Une limite peut aussi s’appliquer par client ou par appareil.
- Une règle de report suspend les alertes d’un client pendant quelques jours après qu’un réviseur a répondu « pas de fraude ». Le même changement honnête déclencherait probablement une nouvelle alerte demain.
- Une règle de suppression arrête les alertes pour un comportement connu et sans danger. Par exemple, la commande groupée mensuelle d’un client d’affaires. Le module 2 a montré que 1 785 des 1 788 fausses alertes de la règle de vélocité étaient des commandes groupées d’affaires.
- Une première étape de procédure d’intervention (runbook) dans chaque alerte indique au réviseur quoi faire dès la première minute. La tâche l’ajoute à partir de la première raison de l’alerte.
Une habitude relie ces outils : une révision hebdomadaire avec les responsables des alertes. Ils examinent les alertes envoyées, celles qui étaient réelles et celles que personne n’a lues.
Description textuelle du diagramme
Le diagramme est une boucle. Il commence par la tâche, qui envoie chaque jour au plus le nombre d’alertes prévu au budget. Un réviseur répond à chaque alerte avec la commande review, real ou not. Si la réponse indique « pas de fraude », la règle de report suspend les alertes du client pendant 7 jours. Cette information retourne à la tâche. Si la réponse indique une fraude, le réviseur agit en suivant la première étape de la procédure d’intervention. Les alertes sans réponse après 2 jours comptent comme non lues. Les révisions et les alertes non lues vont dans le rapport hebdomadaire. Il compte les alertes envoyées, reportées, réelles, non réelles et non lues, et donne les raisons principales. Le rapport va à la révision hebdomadaire. L’équipe peut alors changer le budget, une raison, une règle ou une étape d’intervention. Une flèche pointillée retourne à la tâche.
Une limite de fréquence pour les alertes regroupées
Section intitulée « Une limite de fréquence pour les alertes regroupées »La solution la moins coûteuse est de réévaluer le budget. Un budget de 10 alertes regroupées par jour contenait 93,8 % des paiements insérés en octobre. Et 31,9 % de ses alertes étaient réelles. À 4 minutes par alerte (l’hypothèse du cours), 50 alertes prennent 200 minutes de la journée de l’équipe. Dix alertes en prennent 40.
Que fait Sofia des 160 minutes libérées? Elle ne renvoie pas les membres de l’équipe chez eux. Elle utilise ce temps là où les alertes ne peuvent pas aider. L’équipe examine plus en profondeur chaque alerte réelle et son client, et appelle les clients. Ou Sofia garde un budget de 20 pendant quelque temps et compare.
Le paramètre DETECT_BUDGET modifie la limite sans changer le code. L’entraînement l’utilise aussi : le seuil fixe est le score qui donnait budget alertes par jour pendant les jours d’entraînement. Entraînez donc de nouveau le modèle avec le nouveau budget.
Le report et ses limites
Section intitulée « Le report et ses limites »La règle de report de la tâche se trouve dans detect/suppress.py. Après qu’un réviseur marque une alerte « not » (pas de fraude), les alertes de chaque client concerné sont reportées pendant 7 jours. Le paramètre est snooze_days dans config.py. Deux détails comptent :
- Une alerte d’appareil n’est jamais reportée. Un appareil qui a payé avec les cartes de plusieurs clients n’est pas un seul client honnête.
- Une alerte reportée n’est pas supprimée. La tâche l’écrit dans
state/snoozed.jsonl, et le rapport hebdomadaire la compte.
À quel point le report aide-t-il Larkfield? La mesure du cours l’a testé. Des réviseurs qui répondent toujours correctement ont étiqueté les 1 561 alertes d’octobre. Puis la première semaine de novembre a été exécutée avec la règle. Cinq alertes ont été reportées, et la part des alertes réelles est restée à 0,066. Le report a donc très peu aidé ici. La plupart des clients honnêtes dans les alertes ne reviennent pas le lendemain. Ce sont de nouveaux clients chaque jour : un nouveau téléphone aujourd’hui, une commande groupée d’une autre personne demain.
C’est un résultat honnête, pas un échec. Le report aide quand le même client honnête déclenche des alertes à répétition. Le module 7 l’a montré pour les clients d’affaires dans Tranches et équité. Il comporte aussi un risque. Si un fraudeur prend le contrôle d’un compte après une révision « pas de fraude », le report masque ce compte pendant 7 jours. Gardez le report court, ne reportez jamais les alertes d’appareils et comptez les alertes reportées.
Règles de suppression : écrites, avec un responsable
Section intitulée « Règles de suppression : écrites, avec un responsable »Une règle de suppression est plus forte qu’un report : elle arrête un type d’alerte pour tous, jusqu’à son retrait. « Aucune alerte pour le paiement d’un client d’affaires qui correspond à une commande groupée régulière » en est un exemple. Chaque règle exige trois choses : la raison en une phrase, un responsable et une date de fin ou de révision. Une règle sans responsable reste pour toujours. Un fraudeur qui apprend la règle peut s’en servir pour passer.
La tâche du cours n’a aucune règle de suppression. C’est volontaire : vous n’avez pas encore vu de comportement sans danger et assez stable. C’est à la révision hebdomadaire qu’un tel comportement apparaît.
La première étape de la procédure d’intervention
Section intitulée « La première étape de la procédure d’intervention »Chaque alerte contient une première étape, choisie selon sa première raison. Voici le tableau de la tâche, dans detect/alerts.py :
| Première raison | Première étape |
|---|---|
| beaucoup de paiements sur un appareil en une heure | Bloquez l’appareil pendant 24 heures, puis vérifiez ses autres paiements d’aujourd’hui. |
| un nouvel appareil | Demandez au client (message dans l’application ou appel) s’il a utilisé un nouvel appareil aujourd’hui. |
| un nouveau pays | Vérifiez si le client voyage (paiements précédents, adresse de livraison). |
| montant bien supérieur aux habitudes du client | Comparez la commande avec les commandes précédentes du client et l’adresse de livraison. |
| beaucoup de paiements du client en une heure | Examinez ensemble les paiements du client de la dernière heure. |
| autre chose, ou aucune raison | Lisez les paiements de l’alerte et ceux du dernier mois du client. |
Une première étape ne remplace pas le jugement du réviseur. Elle économise la première minute et fait commencer deux réviseurs au même endroit. La procédure complète appartient à l’équipe. Elle indique quoi faire ensuite et quand appeler quelqu’un. Le cours MLOps montre comment en écrire une dans Guides d’exploitation.
Révision, report et rapport
Section intitulée « Révision, report et rapport »Vous révisez deux alertes du 14 novembre, exécutez la tâche pour le lendemain et lisez le rapport hebdomadaire.
-
Regardez les premières alertes du 14 novembre :
Fenêtre de terminal head -n 3 alerts/2025-11-14.jsonl | cut -c 1-120Fenêtre de terminal Get-Content alerts\2025-11-14.jsonl -TotalCount 3 | ForEach-Object { $_.Substring(0, 120) }{"alert_id": "3e748a2f3c0aa7f3", "day": "2025-11-14", "group": "customer", "key": "C-00937", "customers": ["C-00937"], "{"alert_id": "436bdd63ad7f6085", "day": "2025-11-14", "group": "customer", "key": "C-10208", "customers": ["C-10208"], "{"alert_id": "e1a0a39b879a4b69", "day": "2025-11-14", "group": "customer", "key": "C-22827", "customers": ["C-22827"], " -
Vous jouez le rôle de l’équipe de Sofia et vérifiez deux alertes. Le client
C-00937a six paiements provenant d’un nouveau pays la nuit : une carte volée que nous avons insérée. La clienteC-13832a un paiement sur un nouvel appareil. Son alerte se trouve plus loin dans le fichier.grep C-13832 alerts/2025-11-14.jsonll’affiche (dans PowerShell,Select-String C-13832 alerts\2025-11-14.jsonl). Dans cet exercice, elle confirme dans l’application qu’il s’agit de son nouveau téléphone. Le corrigé confirme : rien n’a été inséré pour elle. Enregistrez les deux réponses :Fenêtre de terminal python -m detect review 3e748a2f3c0aa7f3 realpython -m detect review 3fec7c204496c223 notSaved: alert 3e748a2f3c0aa7f3 of 2025-11-14 is real.Saved: alert 3fec7c204496c223 of 2025-11-14 is not. -
Exécutez la tâche pour le 15 novembre :
Fenêtre de terminal python -m detect run --day 2025-11-152025-11-15: 2,038 payments, 52 customers above the training threshold, 100 alert groups, 1 snoozed. Sent 50 new alerts to alerts/2025-11-15.jsonl; 0 already sent.Lisez
1 snoozed(1 alerte reportée).C-13832est revenue le 15 novembre parmi les groupes les plus inhabituels, et la règle a reporté son alerte. La tâche a quand même envoyé 50 alertes : le groupe suivant a pris sa place. -
Écrivez le rapport hebdomadaire pour la semaine qui se termine le 15 novembre :
Fenêtre de terminal python -m detect report --week-ending 2025-11-15Alert report, week 2025-11-09 to 2025-11-15day sent snoozed real not unread2025-11-09 50 0 0 0 502025-11-10 50 0 0 0 502025-11-11 50 0 0 0 502025-11-12 50 0 0 0 502025-11-13 50 0 0 0 502025-11-14 50 0 1 1 482025-11-15 50 1 0 0 50total 350 1 1 1 348Precision of the reviewed alerts: 0.50 (1 of 2).Main reason of the alerts: new_device 107, night 104, payments_last_hour 44, new_country 29.Alerts nobody read after 2 days: 250. Ask why in the weekly review: too many alerts, or alerts that never lead to action?
Dans cet exercice, vous avez révisé 2 alertes sur 350, donc 348 sont non lues. Parmi elles, 250 ont plus de 2 jours. Dans une vraie équipe, cette ligne est la plus importante du rapport. Les alertes que personne ne lit sont inutiles, arrivent trop tard ou indiquent une équipe surchargée. Le rapport ne peut pas dire laquelle de ces situations s’applique. La révision hebdomadaire doit poser la question.
La ligne de précision, 0.50, repose sur seulement 2 révisions, donc elle ne dit presque rien. La leçon Évaluer sans corrigé complet du module 7 a montré combien de révisions une estimation exige. Elle a aussi montré pourquoi les alertes révisées ne sont pas un échantillon aléatoire.
Qui est responsable de quoi
Section intitulée « Qui est responsable de quoi »Une alerte qui appartient à tout le monde n’appartient à personne. Larkfield écrit les responsables à côté de la tâche :
| Quoi | Responsable | Ce que le responsable décide |
|---|---|---|
| Les alertes, le budget, la règle de report | Sofia (risque des paiements) | nombre d’alertes par jour, approbation d’un nouveau modèle ou d’une règle |
| Le modèle, les variables, la vérification de dérive | Priya (science des données) | moment du réentraînement, fenêtre à utiliser, texte des raisons |
| Le flux de paiements que la tâche lit | Mei (ingénierie des données) | mesures à prendre quand le flux est en retard ou défectueux |
| Le coût d’un cas manqué et d’une fausse alerte | Sofia (risque des paiements), avec Omar (produit) | valeurs monétaires derrière le budget |
Le responsable est la personne qu’on appelle. Si la tâche s’arrête avec « No payments on » (aucun paiement le) un jour donné, on appelle Mei, pas Sofia. Un flux défectueux est un défaut de données, comme le module 3 l’a montré pour le flux des remboursements. Le cours MLOps présente la méthode générale dans Responsabilité et soutien.
Quand utiliser ces outils et ce qu’ils coûtent
Section intitulée « Quand utiliser ces outils et ce qu’ils coûtent »Commencez par une limite de fréquence plus basse : elle ne coûte rien et économise le plus de temps. Choisissez le budget selon la courbe mesurée, pas par habitude. Ici, 10 à 20 alertes regroupées par jour gardent plus de 93 % des paiements insérés dans les alertes.
Utilisez le report quand les mêmes clients honnêtes déclenchent des alertes à répétition. Il comporte un petit risque : quelques jours sans visibilité sur un client révisé. Utilisez une règle de suppression seulement pour un comportement stable et sans danger, avec un responsable et une date de révision. C’est l’outil qui comporte le plus de risque.
La révision hebdomadaire coûte une heure par semaine à plusieurs personnes. Seule cette révision trouve ce que les autres outils ne peuvent pas trouver. Elle trouve des raisons inutiles, des étapes d’intervention que personne ne suit et des alertes que personne ne lit.
À vous de jouer : un budget de 10
Section intitulée « À vous de jouer : un budget de 10 »Exécutez la tâche pour la semaine du 8 au 14 novembre avec un budget de 10, dans ses propres dossiers. Entraînez le modèle avec le même budget pour que le seuil fixe corresponde. Puis écrivez le rapport de cette semaine. Avant l’exécution, faites une prédiction : new_device sera-t-il encore la raison principale des alertes?
export DETECT_BUDGET=10 DETECT_STATE=state-10 DETECT_ALERTS=alerts-10python -m detect train --until 2025-11-07python -m detect replay --from 2025-11-08 --to 2025-11-14python -m detect report --week-ending 2025-11-14unset DETECT_BUDGET DETECT_STATE DETECT_ALERTS$env:DETECT_BUDGET = "10"; $env:DETECT_STATE = "state-10"; $env:DETECT_ALERTS = "alerts-10"python -m detect train --until 2025-11-07python -m detect replay --from 2025-11-08 --to 2025-11-14python -m detect report --week-ending 2025-11-14Remove-Item Env:DETECT_BUDGET, Env:DETECT_STATE, Env:DETECT_ALERTSAfficher la réponse
Le rejeu se termine par Sent 70 alerts in 7 days (10.0 a day, budget 10, policy budget). (70 alertes envoyées en 7 jours, 10 par jour, budget de 10, politique de budget). Voici les dernières lignes du rapport :
total 70 0 0 0 70
Main reason of the alerts: payments_last_hour 35, new_country 15, night 14, new_device 5.Alerts nobody read after 2 days: 50. Ask why in the weekly review: too many alerts, or alerts that never lead to action?Non : new_device est la raison principale de seulement 5 alertes, contre 107 dans la semaine avec un budget de 50. Les 10 groupes les plus inhabituels de chaque jour sont surtout des rafales de paiements et de nouveaux pays. Ce sont les signes d’une carte volée. Les nouveaux téléphones honnêtes étaient au bas des 50, et un budget réduit les retire en premier. En octobre, un budget de 10 contenait 93,8 % des paiements insérés, contre 96,4 % pour un budget de 50. Écrivez les deux nombres dans votre note à Sofia, avec le temps de révision : 40 minutes par jour plutôt que 200.
Erreur courante
Personne ne lit les alertes maintenant
Symptôme : après un mois, le rapport indique « Alerts nobody read after 2 days: 250 » chaque semaine (250 alertes non lues après 2 jours). L’équipe de Sofia lit les premières alertes chaque matin, puis s’arrête. Une carte volée dans l’alerte numéro 31 passe inaperçue.
Cause : le budget de 50 a été choisi pour des paiements individuels. Avec des alertes regroupées, 50 par jour concernent surtout des clients honnêtes. Seulement 7,4 % contenaient une fraude insérée en octobre. L’équipe a appris que la plupart des alertes ne mènent à rien.
Solution : réévaluez le budget selon la courbe mesurée, par exemple 10 alertes regroupées par jour (31,9 % réelles, 93,8 % des paiements insérés). Gardez la règle de report courte. Regardez la ligne des alertes non lues à chaque révision hebdomadaire et demandez au responsable pourquoi.
Conséquence pour le travail en IA : la qualité d’un détecteur dépend des gens qui lisent ses alertes. La fatigue d’alerte transforme un bon détecteur en bruit. La cause est le nombre d’alertes inutiles, pas les réviseurs.
Vérification des connaissances
Section intitulée « Vérification des connaissances »Vérifiez votre compréhension
En octobre, 5 alertes regroupées par jour contenaient 90,3 % des paiements insérés, et 50 par jour en contenaient 96,4 %. Expliquez pourquoi 45 alertes de plus ajoutent si peu, et ce que cela signifie pour le budget.
Afficher la réponse
Une alerte regroupée contient un événement entier : tous les paiements d’un client ou d’un appareil. Les groupes les plus inhabituels correspondent surtout aux fraudes importantes. Quelques alertes contiennent donc déjà la plupart des paiements insérés. Les 45 alertes suivantes concernent surtout des clients honnêtes. Seulement 7,4 % des alertes étaient réelles à 50 par jour, contre 56,1 % à 5. Le budget de 50, choisi pour des paiements individuels, est donc beaucoup trop élevé pour des groupes. Choisissez-le à nouveau à partir de cette courbe, par exemple 10 ou 20 par jour.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Prédisez : un réviseur marque « not » (pas une fraude) l'alerte de nouvel appareil du 14 novembre pour la cliente C-13832. Le 15 novembre, elle figure de nouveau parmi les groupes les plus inhabituels. Que fait la tâche, et combien d'alertes envoie-t-elle ce jour-là?
Afficher la réponse
La règle de report retient son alerte. Un réviseur l’a marquée « not fraud » (pas une fraude) moins de 7 jours auparavant. La tâche écrit l’alerte retenue dans state/snoozed.jsonl et la compte. La ligne d’exécution indique 1 snoozed (1 alerte reportée). Elle envoie quand même 50 alertes, car le groupe suivant prend sa place. Si son alerte avait été une alerte d’appareil, elle ne serait pas reportée.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Omar demande : « Le report n'a retenu que 5 alertes en une semaine. La proportion d'alertes réelles n'a pas changé. Pourquoi le garder? » Donnez une raison de le garder et un risque à surveiller.
Afficher la réponse
Gardez-le, car il coûte peu et aide lorsqu’un même client honnête déclenche des alertes à répétition. C’est le cas, par exemple, des entreprises clientes qui passent des commandes en gros. Un réviseur ne devrait pas vérifier le même changement honnête chaque jour. Le risque : un fraudeur pourrait prendre le contrôle d’un compte après une révision concluant « not fraud ». Le report masque alors ce compte pendant 7 jours. Gardez donc le report court, ne reportez jamais les alertes d’appareil et comptez les alertes reportées dans le rapport hebdomadaire.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Récapitulatif
- Fatigue d’alerte : les gens cessent de lire les alertes qui ne mènent à rien. En octobre, avec 50 alertes regroupées par jour, seulement 7,4 % étaient réelles. Avec 5 par jour, 56,1 % étaient réelles et elles contenaient 90,3 % des paiements insérés.
- Une limite de fréquence est la première solution : choisissez à nouveau le budget pour les groupes. Entraînez avec le même
DETECT_BUDGET. - Une règle de report retient pendant 7 jours les alertes d’un client jugé honnête après révision, jamais celles d’un appareil. Chez Larkfield, elle n’a retenu que 5 alertes en une semaine. Peu de clients honnêtes déclenchent des alertes deux jours de suite. Une règle de suppression exige une raison, un responsable et une date de révision.
- Chaque alerte contient une première étape de procédure d’intervention (runbook) tirée de sa première raison. Le rapport hebdomadaire présente les alertes envoyées, reportées, réelles, non réelles et non lues. La révision hebdomadaire demande pourquoi certaines alertes n’ont pas été lues, avec les responsables consignés.
Vous pouvez maintenant exécuter un détecteur comme tâche quotidienne à laquelle une équipe peut se fier. Il n’envoie aucun doublon, respecte le budget, repère un changement de la normale et a des responsables. Ensuite, les études de cas appliquent les méthodes du cours à des données publiques extérieures à Larkfield. Elles commencent par des paiements par carte simulés et un budget de révision.
Leçon suivante : Fraude par carte avec un budget de révision