Contexte de l’enquête
Le Département de la Justice américain a annoncé le jeudi la mise en examen de cinq personnes dans le cadre de la première opération fédérale à grande échelle contre les « étudiants fantômes ». L’enquête a permis de saisir plus de 750 000 $ en cryptomonnaies, provenant d’un réseau lié à des ressortissants kenyans. Le procureur adjoint Colin M. McDonald a souligné que ces mesures de détection, introduites sous l’administration Trump, ont rendu possible l’identification des fraudeurs, marquant la première saisie internationale de ce type au Kenya.
Mécanisme de fraude et rôle de l’IA
Les malfaiteurs commencent par acheter des informations personnellement identifiables (PII) de citoyens américains, ciblant en priorité des diplômés du lycée qui n’ont jamais fréquenté d’établissement d’enseignement supérieur. Ces données sont ensuite injectées dans le formulaire FAFSA (Free Application for Federal Student Aid) à l’aide d’outils d’intelligence artificielle capables de remplir automatiquement les champs, de générer des pièces justificatives et de simuler des dossiers d’inscription. L’IA accélère la création de centaines de profils fictifs, ce qui rend la surveillance manuelle difficile. Une fois les dossiers acceptés, les aides financières sont versées d’abord aux établissements, puis les montants résiduels sont redirigés vers des comptes bancaires contrôlés par les fraudeurs.
Détection, traçage des crypto‑actifs et implications juridiques
Le DOJ a utilisé des algorithmes d’analyse de données pour repérer des schémas de demande de prêts incohérents, notamment des correspondances entre les adresses IP des soumissions FAFSA et les adresses de portefeuille de cryptomonnaies. Le suivi de la blockchain a permis de retracer les flux jusqu’à des comptes kenyans, justifiant la saisie de 750 000 $ en crypto. Cette approche combine la surveillance des métadonnées FAFSA avec la traçabilité publique des actifs numériques, offrant une piste d’audit exploitable en justice. Les cinq inculpés font face à des accusations fédérales de fraude à l’identité et de détournement de fonds publics.
Limites et perspectives de lutte contre les étudiants fantômes
Le modèle repose sur la disponibilité continue de bases de données PII sur le dark web, ce qui limite l’efficacité des contrôles post‑inscription. De plus, la dépendance à des comptes de « money mules » rend la récupération des fonds difficile, même après la saisie des crypto‑actifs. Les mesures de détection actuelles, bien que capables d’identifier des anomalies à grande échelle, restent vulnérables aux évolutions rapides des outils d’IA générative. Une réponse durable nécessitera une amélioration de la vérification d’identité au moment de la demande FAFSA, ainsi que des partenariats internationaux renforcés pour le suivi des crypto‑transactions transfrontalières.
