Reçus de repas et de taxi générés par l'IA
Les reçus créés avec des générateurs d'images paraissent authentiques à l'œil humain. Nos propres modèles détectent l'empreinte qu'ils laissent.
Détection de fraude aux notes de frais pour chaque reçu.
Docklands AI est une solution de détection de fraude aux notes de frais pour les équipes finance. Elle signale les reçus de repas et de taxi générés par l'IA, les totaux et dates modifiés, ainsi que les reçus réutilisés ou fractionnés entre salariés.
app.docklands.ai/expenses/patterns
14 claims · 6 employeesAll between $71 and $74. Each one passes; the pattern doesn’t.Linked as one pattern
Chaque reçu derrière une note de frais.
Reçus de repas, de taxi et de voyage
Reçus papier photographiés au téléphone, ou reçus numériques transférés par e-mail.
Factures d'hôtel et de voyage
Contrôlées avec les mêmes plus de 200 contrôles que les factures fournisseurs.
Reçus de carte
Justificatif de paiement, comparé au reçu détaillé auquel il correspond.
Demandes de prestations et de remboursement
Reçus qui justifient les remboursements de mutuelle et de prestations.
Ce que la détection de fraude aux notes de frais doit repérer.
Un reçu convaincant se génère désormais en quelques secondes. Voici les schémas que nous rencontrons le plus souvent.
Totaux et dates modifiés
Correcteur, chiffres écrits à la main et totaux retouchés numériquement sont repérés sur l'image du reçu.
Reçus en doublon entre salariés
Un même reçu soumis deux fois, ou par deux personnes, est rapproché entre les notes de frais.
Notes de frais maintenues juste sous le seuil d'approbation
Lorsqu'un groupe de salariés soumet des reçus juste sous le seuil d'approbation automatique, le schéma est relié entre eux.
Dépenses au-dessus des tarifs du marché
Les montants sont comparés au marché : les dépenses gonflées ressortent.
D’un document à une décision. En quelques secondes, pas en quelques jours.
Chaque fichier passe par les mêmes quatre étapes. Votre équipe ne voit que ce qui demande un regard humain.
Ingestion
API, transfert d’e-mails ou téléversement. Reçus, factures, PDF, photos de téléphone : un fichier ou une centaine.
Inspection
Des modèles sur mesure pour les faux générés par l’IA, les retouches et les modifications, plus plus de 200 contrôles sur chaque facture.
Recoupement
Une analyse globale compare tous les fichiers du sinistre et lève les alertes que la vue d’ensemble explique.
Décision
Un score de risque avec les preuves rattachées à chaque document, envoyé à votre système ou dans votre boîte mail.
Pourquoi les contrôles de métadonnées laissent passer la fraude aux notes de frais.
- La photo prise au téléphone d'un faux reçu a des métadonnées parfaitement normales.
- Docklands AI inspecte l'image du reçu elle-même pour y déceler une génération par IA, une falsification manuelle ou des retouches numériques.
- Les reçus sont recoupés entre salariés et entre notes de frais pour repérer les réutilisations.
- Les constats reviennent avec les preuves localisées sur le reçu, prêts pour l'approbateur.
What the metadata says
- DeviceiPhone camera
- Created14/09/2026 18:02
- Edited withnone
- VerdictLooks clean
What the pixels say
- Generator fingerprint0.97
- Total re-written0.91
- Cloned digits2 regions
- VerdictHigh risk
Voyez ce que Docklands AI trouve dans vos propres documents.
Vos 1 000 premiers documents sont analysés gratuitement.
La fraude aux reçus à l'ère de l'IA
La fraude aux reçus consistait autrefois à trafiquer un total ou à emprunter un reçu. Aujourd'hui, un générateur d'images produit en quelques secondes un reçu de restaurant ou de taxi d'apparence réelle, avec même une texture de papier froissé. Une personne qui approuve cinquante lignes de frais par semaine ne peut pas faire la différence.
Docklands AI exécute ses propres modèles sur chaque image de reçu pour trouver l'empreinte que les générateurs laissent dans le grain, l'impression et la lumière, et recherche les retouches manuelles : correcteur, chiffres écrits à la main, nombres collés. Chaque constat revient avec les preuves localisées sur le reçu.
Une fraude aux notes de frais qui n'apparaît qu'entre salariés
Certaines fraudes aux notes de frais sont invisibles note par note. Un groupe de salariés couverts par une mutuelle d'entreprise peut comprendre que les reçus inférieurs à un montant donné, par exemple USD 75, sont approuvés automatiquement, et se mettre tous à soumettre des reçus juste en dessous. Chaque demande passe ; le schéma, lui, ne passe pas.
Docklands AI relie les reçus entre salariés et entre notes de frais : les montants répétés juste sous le seuil, les prestataires communs et le même reçu utilisé deux fois ressortent comme un seul schéma, plutôt que comme de nombreuses petites demandes approuvées.
Sécurité
Conçu pour les données de sinistres.
Vos documents restent protégés, auditables et là où vous en avez besoin.
Connexion multifacteur
MFA avec codes de secours, appareils de confiance et récupération guidée.
Hébergement des données aux États-Unis ou dans l’UE
Choisissez où vos documents sont traités et stockés.
Chiffrement complet
Chaque document et chaque conclusion est chiffré.
Durée de conservation personnalisée
Conservez les documents aussi longtemps que votre politique l’exige, et pas plus.
SOC 2 Type I
Contrôles de sécurité audités de manière indépendante.
ISO 27001
Management de la sécurité de l’information certifié.
FAQ
Questions sur la détection de fraude aux notes de frais.
Quels sont les types de fraude aux notes de frais les plus courants ?
Les plus courants sont les reçus de repas et de taxi générés par l'IA, les totaux modifiés à la main sur de vrais reçus, les reçus en double déclarés plusieurs fois, les achats personnels présentés comme dépenses professionnelles et les demandes fractionnées pour rester juste sous le seuil d'approbation automatique.
Comment détecter les faux reçus de notes de frais ?
Un logiciel de détection analyse l'image des reçus pour repérer les empreintes de génération par IA, les retouches au niveau du pixel et les falsifications physiques. Il recoupe aussi les reçus entre salariés pour signaler les doublons, les fournisseurs communs et des schémas comme des montants répétés juste sous le seuil d'approbation, qui signalent des fraudes coordonnées.
Docklands AI peut-il détecter les reçus générés par l'IA ?
Oui. Il exécute ses propres modèles sur l'image du reçu pour trouver l'empreinte que les générateurs d'images laissent dans le grain, l'impression et la lumière.
Fonctionne-t-il avec des photos de reçus papier ?
Oui. Reçus, factures, PDF et photos prises au téléphone sont tous pris en charge, un fichier ou une centaine.
Peut-il repérer les salariés qui fractionnent leurs demandes sous le seuil d'approbation ?
Oui. Les reçus sont reliés entre salariés et entre notes de frais : les montants répétés juste sous un seuil d'approbation automatique apparaissent comme un schéma.
Remplace-t-il notre outil de notes de frais ?
Non. Docklands AI ajoute une couche de détection aux outils que vous utilisez déjà et renvoie des constats avec les preuves sur chaque reçu.
Comment les reçus parviennent-ils à Docklands AI ?
Par API REST, transfert d'e-mails, SharePoint ou Google Drive.
Une autre question ? Posez-la-nous lors d’un appel. Réserver un appel
Envoyez-nous le reçu dont vous vous méfiez.
Nous vous montrerons ce qui a été falsifié, ce qui a été modifié et s'il a déjà été présenté auparavant.