evidoria

← Retour à la liste

Bonne pratique Importée

Projet SUDARSAN et R(AI)DAR — la SEBI indienne utilise l'IA pour signaler plus de 100 000 contenus financiers trompeurs

Inde · Mumbai · Voir le profil de Inde · Voir le profil de Mumbai

Preuves: Descriptif / auto-déclaré Top 62% 53/100 · Demandez à Evidence Copilot à propos de cette pratique

Les outils d'IA de la SEBI, SUDARSAN et R(AI)DAR, analysent les réseaux sociaux et les publicités à la recherche de fraude financière : le président Tuhin Kanta Pandey affirme que SUDARSAN a identifié plus de 20 000 publications frauduleuses en temps réel et que la SEBI a signalé plus de 100 000 contenus trompeurs aux plateformes, sur fond de 550 crore de messages de transaction quotidiens.

20,000+
Publications frauduleuses identifiées par SUDARSAN (to Aug 2026)
100,000+
Éléments de contenu trompeur signalés aux plateformes (to Aug 2026)
~550 crore
Messages quotidiens d'ordres/transactions (contexte)
Projet SUDARSAN et R(AI)DAR — la SEBI indienne utilise l'IA pour signaler plus de 100 000 contenus financiers trompeurs

Détails

Maturité
Établie
Promoteur
Securities and Exchange Board of India (SEBI)
Période
2025–2026
Mots-clés
financial regulation, investor protection, market surveillance, fraud detection

Contexte

Le régulateur boursier indien, la SEBI, est passé d'une application au cas par cas à une surveillance permanente par IA des contenus financiers, via le Project SUDARSAN (vidéos/réseaux sociaux) et R(AI)DAR (publicités trompeuses).

Activités

SUDARSAN et R(AI)DAR filtrent les contenus de réseaux sociaux, vidéos et publicités à grande échelle, dans un contexte d'environ 550 crores de messages d'ordres et de transactions quotidiens. La SEBI rédige également un cadre formel de gouvernance IA/ML exigeant une supervision humaine et des contrôles d'arrêt d'urgence.

Résultats

Le président de la SEBI, Tuhin Kanta Pandey, a déclaré que SUDARSAN avait identifié plus de 20 000 cas de contenu frauduleux en temps réel, et que la SEBI avait signalé plus de 100 000 éléments de contenu potentiellement trompeur aux plateformes de réseaux sociaux.

Conclusions

La SEBI a déjà mené des efforts similaires de surveillance des réseaux sociaux avec des résultats mitigés ; aucun taux de précision, de faux positifs ou de conversion en mesures d'application vérifié de façon indépendante n'a encore été publié pour l'un ou l'autre outil.

Mise en œuvre
Coût indicatif
Élevé (500 k€–5 M€) — Not disclosed.
Délai jusqu’aux résultats
Long (> 3 ans) — Ongoing, always-on screening; governance framework still being drafted as of August 2026.
Personnel et compétences
SEBI surveillance and enforcement teams

Conditions de réussite

  • Continuous, always-on screening rather than periodic case-by-case review
  • A formal AI/ML governance framework with human oversight and kill-switch controls

Modes d’échec courants

  • No independently audited precision or false-positive rate published
  • SEBI has run comparable monitoring efforts before with mixed follow-through

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