Biometric deduplication and identity fraud prevention in microfinance
A microfinance institution operating across 3 African countries used biometrics to detect duplicates on its existing portfolio, reduce loan approval time and improve portfolio quality over 9 months.
Context and initial problem
This microfinance institution is active in 3 countries across sub-Saharan Africa and manages a small-loan portfolio of approximately 280,000 active borrowers. It operates through a mixed network: physical branches in urban and peri-urban areas, and mobile agents working in rural zones where connectivity is low or intermittent.
Cette institution de microfinance est active dans 3 pays d'Afrique subsaharienne et gère un portefeuille de microcrédit d'environ 280 000 emprunteurs actifs. Elle opère via un réseau mixte : agences physiques en zones urbaines et périurbaines, et agents mobiles en zones rurales où la connectivité est faible ou intermittente.
Its primary fraud exposure was credit fraud through multiple identities: the same borrower taking out several loans simultaneously from different branches using slightly different identity variants, transposed first names, adjusted date of birth, different name spelling. An internal audit had estimated the suspected duplicate rate at 4–6% of the portfolio, but without any way to systematically identify them.
Son principal risque de fraude était la fraude au crédit par identités multiples : le même emprunteur contractant plusieurs prêts simultanément dans différentes agences en utilisant de légères variantes d'identité — prénoms transposés, date de naissance ajustée, orthographe du nom différente. Un audit interne avait estimé le taux de doublons suspects à 4–6 % du portefeuille, sans toutefois disposer d'un moyen de les identifier systématiquement.
The average loan approval decision time reached 48 to 96 hours, with a significant portion attributable to manual identity verification, a slow and unreliable process. Additionally, in some rural areas covered by mobile agents, roughly 30% of files presented non-standard documents, consular cards, communal attestations, local civil status documents, for which conventional verification systems performed poorly.
Le délai moyen de décision d'approbation de prêt atteignait 48 à 96 heures, dont une part significative imputable à la vérification manuelle d'identité, un processus lent et peu fiable. Par ailleurs, dans certaines zones rurales couvertes par des agents mobiles, environ 30 % des dossiers présentaient des documents non standards — cartes consulaires, attestations communales, actes d'état civil locaux — pour lesquels les systèmes de vérification conventionnels étaient peu performants.
Deployed solution
The activated modules cover biometric verification with face match against the internal base, document verification extended to non-standard local documents, and fraud prevention via 1:N biometric deduplication (similarity search within the existing base).
Les modules activés couvrent la vérification biométrique avec face match contre la base interne, la vérification de documents étendue aux documents locaux non standards, et la prévention de la fraude via la déduplication biométrique 1:N (recherche de similarité dans la base existante).
The architecture is entirely on-premise: the biometric engine is deployed in the institution's own datacenter, in line with the data sovereignty requirements set by management and local regulators. The mobile SDK installed on field agents' devices is tuned for the unstable 2G/3G connections typical of the intervention areas: capture compression, batched uploads and automatic recovery after dropouts. Checks that require an active link (liveness detection, cross-check against the central base) are executed as soon as connectivity stabilises, with no data loss or re-entry.
L'architecture est entièrement sur site : le moteur biométrique est déployé dans le datacenter propre de l'institution, conformément aux exigences de souveraineté des données fixées par la direction et les régulateurs locaux. Le SDK mobile installé sur les équipements des agents terrain est optimisé pour les connexions 2G/3G instables typiques des zones d'intervention : compression des captures, envois par lots et reprise automatique après les coupures. Les contrôles nécessitant une connexion active (détection de vivacité, recoupement avec la base centrale) sont exécutés dès que la connectivité se stabilise, sans perte de données ni nouvelle saisie.
A key project workstream was building an internal biometric base from the existing portfolio, a 3-week migration, which now enables real-time cross-branch duplicate detection for new enrolments.
Un chantier clé du projet a consisté à constituer une base biométrique interne à partir du portefeuille existant — une migration de 3 semaines — qui permet désormais la détection de doublons inter-agences en temps réel pour les nouveaux enrôlements.
Observed results on project scope
Implementation timeline
On-premise installation and integration with the institution's core banking system took 5 weeks. Field agent training and migration of the historical base to the new biometric base occupied 3 additional weeks. Production went live across the full network 8 weeks after kick-off.
L'installation sur site et l'intégration avec le système de gestion de l'institution ont pris 5 semaines. La formation des agents terrain et la migration de la base historique vers la nouvelle base biométrique ont occupé 3 semaines supplémentaires. La mise en production a eu lieu sur l'ensemble du réseau 8 semaines après le démarrage.
The observed drop in credit risk provision (–18 to –24%) cannot be attributed exclusively to the biometric deployment. Other factors may have contributed during the same period: changes in the local economic environment, adjustments to lending policy, improvements to collection processes. The duplicate detection rate (3.2%) is highly dependent on the quality of historical enrolment. This figure is not directly transferable to a base already biometrised at initial enrolment, in that case, the residual duplicate rate would be structurally lower. On-premise deployment requires the institution to maintain a minimum server infrastructure (storage capacity, redundancy, backup) and a dedicated maintenance policy. These prerequisites must be assessed upfront.
La baisse observée du provisionnement pour risque de crédit (–18 à –24 %) ne peut pas être attribuée exclusivement au déploiement biométrique. D'autres facteurs ont pu contribuer sur la même période : évolutions de l'environnement économique local, ajustements de la politique de crédit, améliorations des processus de recouvrement. Le taux de détection des doublons (3,2 %) est fortement dépendant de la qualité des enrôlements historiques. Ce chiffre n'est pas directement transférable à une base déjà biométrisée à l'enrôlement initial — dans ce cas, le taux résiduel de doublons serait structurellement plus faible. Le déploiement sur site requiert que l'institution maintienne une infrastructure serveur minimale (capacité de stockage, redondance, sauvegarde) et une politique de maintenance dédiée. Ces prérequis doivent être évalués en amont.
Request a demo
Our team will contact you within 24 business hours.