evidoria

← Retour à la liste

Bonne pratique Importée

Lightleap AI réduit de 96 % la fraude à l'aide financière au Golden West College — déploiement à l'échelle des community colleges de Californie

États-Unis d'Amérique · Huntington Beach · Voir le profil de États-Unis d'Amérique

Preuves: Observationnel / avant-après Top 81% 33/100 · Demandez à Evidence Copilot à propos de cette pratique

Le Golden West College a déployé l'IA Lightleap de N2N Services pour vérifier les candidats à l'aide financière, faisant chuter les signalements frauduleux d'« étudiants fantômes » de 10-15 à 2-3 par cycle, une réduction estimée à 96 %. L'outil est déjà utilisé ou prévu dans 80 des 115 community colleges de Californie.

US$18M+
Fraude estimée aux aides financières volée depuis 2021
>US$11M
Fraude aux aides financières volée rien qu'en 2024 (2024)
>31%
Part de candidats frauduleux à l'échelle du système (2024) (2024)
~96% (from 10-15 to 2-3 per cycle)
Réduction des cas de fraude signalés à Golden West College
~1,000
Fraudeurs présumés écartés lors du premier cycle de dépistage de Foothill-De Anza
US$56,250
Coût du contrat (Foothill-De Anza, déploiement initial) (Feb 2024)
80 of 115
Community colleges de Californie utilisant ou prévoyant d'utiliser l'outil (2025)
Lightleap AI réduit de 96 % la fraude à l'aide financière au Golden West College — déploiement à l'échelle des community colleges de Californie

Détails

Maturité
En expansion
Promoteur
Golden West College (Coast Community College District) / California Community Colleges Chancellor's Office
Période
2024-2026
Mots-clés
Higher education, financial aid administration, fraud detection, edtech

Contexte

Les community colleges de Californie ont été frappés par une vague de fraude aux aides financières de type « étudiant fantôme », dans laquelle des fraudeurs utilisent des identités générées par IA pour s'inscrire à des cours dans le seul but de percevoir des aides étatiques et fédérales ; les autorités de l'État ont estimé au moins 18 millions d'USD volés depuis 2021, dont plus de 11 millions d'USD rien qu'en 2024, année où au moins 31 % des candidats à l'échelle du système se sont révélés frauduleux.

Activités

En février 2024, le Foothill-De Anza Community College District a engagé N2N Services pour 56 250 USD afin de déployer son outil de détection de fraude Lightleap AI, qui signale les candidatures suspectes à l'aide d'empreintes d'appareils, de vérifications d'IP et de fuseau horaire, de l'âge du candidat, et d'une correspondance inter-campus des numéros de téléphone et des e-mails, entraîné sur les propres données d'inscription de Foothill-De Anza. L'outil a ensuite été adopté par d'autres districts, dont Golden West College (Coast Community College District).

Résultats

À Golden West College, le personnel qui signalait auparavant 10 à 15 candidats suspectés de fraude par cycle pour examen manuel n'en détecte plus désormais qu'au maximum deux ou trois, soit une réduction estimée à 96 %, tandis que Foothill-De Anza a écarté environ 1 000 fraudeurs présumés lors de son premier cycle de dépistage sans qu'aucun étudiant ne conteste la décision. En 2025, 80 des 115 community colleges de Californie utilisaient ou prévoyaient d'utiliser l'outil, un déploiement complet étant attendu d'ici 2026.

Conclusions

Les chiffres rapportés proviennent d'administrateurs de collèges et de responsables du Chancellor's Office des California Community Colleges, et non d'un audit indépendant, et aucune donnée publiée n'évalue encore si les signalements du modèle affectent de manière disproportionnée un groupe de candidats en particulier.

Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
N2N Services (Lightleap AI vendor), Foothill-De Anza and Golden West College financial-aid staff

Conditions de réussite

  • Model trained on the deploying district's own enrollment data before wider adoption
  • Combines multiple signals (device fingerprinting, IP/time-zone, applicant age, cross-campus phone/email matching) rather than a single rule

Modes d’échec courants

  • No published data yet assesses whether the model's flags disproportionately affect any applicant group

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles