Les abus de compte et de promotion exploitent les structures d'incitation d'une plateforme, telles que les crédits d'inscription, les bonus de parrainage ou les essais gratuits. L'abus se produit souvent avant qu'aucun paiement n'ait lieu, ce qui signifie que sa détection nécessite un ensemble de signaux différent de la fraude liée aux transactions.

Sachant qu'une entreprise moyenne perd 11,4 millions de dollars par an à cause de la fraude, une détection efficace commence tôt. Ci-dessous, nous aborderons les modèles courants d'abus de compte et de promotion, pourquoi ils échappent à la détection standard de la fraude et quels contrôles fonctionnent réellement.

Points à retenir

• Les abus de compte et de promotion ciblent les incitations de la plateforme plutôt que les identifiants de paiement. Cela les place hors de portée de nombreux outils de détection de la fraude.

• La détection nécessite des signaux comportementaux et d'identité lors de la création du compte plutôt que les seules données de paiement.

• Les outils qui relient les données de la couche de paiement aux signaux au niveau du compte peuvent combler les lacunes de détection que les abus de plateforme exploitent délibérément.

En quoi consistent les abus de compte et de promotion ?

Les abus de compte et de promotion se produisent lorsque quelqu'un manipule les règles de votre plateforme pour extraire une valeur qu'il n'était pas censé obtenir.

Ces abus prennent deux formes principales :

• L'abus de compte implique la manipulation de l'accès à la plateforme. Par exemple, la création de plusieurs comptes pour contourner les restrictions, éviter les interdictions ou ignorer les conditions d'éligibilité.

• L'abus de promotion implique l'exploitation d'incitations financières (par exemple, des crédits de bienvenue, des bonus de parrainage, des essais gratuits, des codes de réduction) en les réclamant bien au-delà de ce que vos conditions le permettent.

Les deux se chevauchent fréquemment car l'abus de promotion nécessite souvent la création de plusieurs comptes.

Quels sont les types courants d'abus de compte et de promotion ?

Les abus de compte et de promotion se manifestent par quelques modèles distincts. Chacun exploite une faiblesse différente dans la façon dont les plateformes gèrent l'identité, l'éligibilité et les incitations.

Voici les principaux types de ces monnaies :

• Fraude multicompte : Une seule personne ou opération contrôle de nombreux comptes pour exploiter les limites par compte. Les fraudeurs s'inscrivent avec des adresses e-mail jetables, acheminent le trafic via des réseaux privés virtuels (VPN) ou des proxys résidentiels pour masquer le regroupement d'IP, et réinitialisent les identifiants des appareils pour éviter la mise en correspondance des empreintes matérielles. Chaque compte individuel semble tout à fait normal de manière isolée.

• Abus de bonus et d'incitations : Les crédits de bienvenue, les extensions d'essai gratuit et les remises sur la première commande sont conçus pour réduire les frictions d'acquisition pour les véritables nouveaux utilisateurs. Les opérations frauduleuses les considèrent comme une source de revenus, opérant parfois à grande échelle avec des participants partageant des instructions d'exploitation sur des forums privés ou des canaux Telegram. Dans les contextes de fintech et de logiciel en tant que service (SaaS), cela cible souvent des offres d'onboarding à forte valeur ajoutée telles que des correspondances de versement ou des crédits d'abonnement.

• Exploitation des programmes de parrainage : Les auto-parrainages (lorsqu'un utilisateur crée un deuxième compte pour s'auto-parrainer et collecter à la fois le crédit de parrainage et le bonus d'inscription) en sont la version la plus simple. Les versions plus sophistiquées impliquent des réseaux coordonnés où les participants se parrainent mutuellement à l'aide de vrais comptes. Les dommages financiers peuvent s'accumuler rapidement.

Pourquoi les abus de compte et de promotion sont-ils si difficiles à détecter ?

Les abus de compte et de promotion peuvent être difficiles à détecter car les signaux d'identité sont faciles à falsifier. Les réseaux de proxys résidentiels sont bon marché, les numéros de téléphone jetables sont largement disponibles et les identités synthétiques construites à partir de fragments de données réelles sont difficiles à distinguer des véritables nouveaux utilisateurs. Un nouvel utilisateur qui réussit la vérification par e-mail, fournit un vrai numéro de téléphone et saisit un moyen de paiement valide semble identique à un acteur frauduleux qui a fait exactement la même chose. La différence est comportementale et relationnelle ; elle se manifeste dans ce que font les utilisateurs après l'onboarding et dans la façon dont leur compte se connecte aux autres.

La détection de la fraude standard n'aide généralement pas non plus avec ce type d'abus, car elle s'articule autour de la transaction. Ces signaux ne s'appliquent pas souvent lorsque l'abus se produit en amont, à la création du compte ou via l'exploitation d'incitations programmatiques.

Comment détecter les abus lors de l'inscription et de l'onboarding ?

Certains signaux indiquent un abus potentiel lors de l'inscription et de l'onboarding, mais aucun n'est définitif de manière isolée. C'est lorsque vous observez plusieurs signaux apparaître en même temps que les soupçons ont plus de chances d'être confirmés.

Ces méthodes peuvent vous aider à repérer les facteurs de risque d'abus :

• Analyse des modèles d'e-mails : Les domaines d'e-mails jetables, les modèles d'adresses avec des chaînes de caractères aléatoires et les adresses créées quelques minutes avant l'inscription sont tous corrélés aux abus. La détection de la fraude multicompte lors de l'inscription se résume souvent à l'adresse e-mail.

• Regroupement d'IP et détection de proxy : Plusieurs inscriptions à partir de la même IP ou à partir d'IP associées à des services proxy ou VPN connus indiquent un volume synthétique. Les proxys résidentiels sont plus difficiles à détecter, mais les modèles de vitesse sur les IP d'un même numéro de système autonome (ASN) peuvent tout de même révéler des regroupements.

• Prise d'empreinte d'appareil : Les empreintes de navigateur et de canvas créent une signature d'appareil composite. La réutilisation de la même empreinte d'identification sur plusieurs comptes (en particulier sur des comptes avec des données d'identité différentes) est un signal d'abus fort.

• Biométrie comportementale : La façon dont un utilisateur navigue dans un formulaire d'inscription (vitesse de frappe, mouvements de la souris, temps de remplissage du formulaire) permet de distinguer une activité automatisée du comportement humain. Les bots ont tendance à remplir les formulaires plus rapidement et avec moins de variation que les vrais utilisateurs.

• Analyse du numéro de téléphone : Les numéros de voix sur IP (VoIP) et les numéros de téléphone classiques signalés pour la création répétée de comptes sont des signaux pertinents. Utilisez des interfaces de programmation d'application (API) d'intelligence téléphonique pour identifier le type d'opérateur, l'historique de portabilité et les scores de risque en temps réel lors de l'inscription.

Quelles stratégies de prévention fonctionnent le mieux pour les plateformes et les marketplaces ?

La détection vous indique quand une fraude ou un abus se produit. La prévention modifie les conditions qui le permettent.

Voici quelques stratégies de prévention qui peuvent aider à protéger les plateformes et les marketplaces :

Vérification de l'identité lors de la création du compte

Exiger une pièce d'identité officielle vérifiée ou un compte bancaire confirmé (par micro-versement ou open banking) rend la création massive de comptes suffisamment coûteuse pour dissuader les opérations les moins sophistiquées. Cependant, une vérification plus stricte peut également décourager les utilisateurs légitimes, calibrez donc le seuil en fonction de votre exposition aux risques et de votre base d'utilisateurs.

Logique d'éligibilité aux promotions

Les offres doivent être limitées aux comptes qui répondent à des critères comportementaux, tels qu'un nombre minimum de sessions, des moyens de paiement vérifiés enregistrés ou un délai entre l'inscription et l'utilisation. Lier les virements de parrainage au deuxième ou troisième achat d'un utilisateur parrainé, plutôt qu'au premier, complique les mécanismes d'auto-parrainage.

Limitation du taux à la création du compte

Restreindre les inscriptions par adresse IP, empreinte d'appareil ou numéro de téléphone dans une fenêtre de temps glissante permet de détecter la création massive basée sur la vitesse sans nécessiter de vérifier les comptes individuels. Il s'agit d'un contrôle léger qui a un impact significatif sur les opérations coordonnées.

Surveillance comportementale continue

Les comptes qui réclament un bonus immédiatement et ne montrent aucun engagement par la suite, ou qui présentent des modèles d'utilisation identiques à d'autres comptes créés le même jour, méritent d'être vérifiés même s'ils ont passé les contrôles initiaux. La détection des anomalies sur le comportement post-onboarding permet de détecter les abus qui semblaient normaux lors de l'inscription.

Stripe Radar apporte un élément distinct à la détection des abus de compte et de promotion : un réseau inter-entreprises établi sur des milliards de transactions. Étant donné que Radar observe le comportement de paiement sur une grande partie de l'écosystème des paiements, il peut identifier si une carte bancaire, une adresse e-mail ou un appareil a été associé à des modèles d'abus sur d'autres plateformes. Un moyen de paiement qui semble nouveau pour votre système peut avoir un historique que Radar a déjà identifié.

Comment Stripe Radar peut vous aider

Stripe Radar s’appuie sur des modèles d’IA entraînés à partir des données issues du réseau mondial de Stripe pour détecter et prévenir la fraude. Ces modèles sont continuellement mis à jour pour tenir compte des nouvelles tendances, ce qui permet de protéger votre entreprise face à l’évolution des risques.

Stripe propose également Radar for Fraud Teams, qui permet aux utilisateurs d’ajouter des règles personnalisées adaptées à des scénarios spécifiques et d’accéder à des analyses avancées sur la fraude.

Radar peut aider votre entreprise à :

• Prévenir les pertes dues à la fraude : Stripe traite plus de 1 000 milliards de dollars de paiements chaque année. À cette échelle, Radar peut détecter et prévenir la fraude avec une précision inégalée, ce qui vous permet de limiter les pertes financières.

• Augmenter les revenus : les modèles d’IA de Radar sont notamment entraînés avec des données réelles, provenant de litiges, d’informations clients ou encore de la navigation. Ils permettent à Radar d’identifier les transactions à risque tout en réduisant le nombre de faux positifs, ce qui contribue à augmenter vos revenus.

• Gagner du temps : Radar est intégré à Stripe et ne nécessite aucune ligne de code pour être configuré. Vous pouvez suivre vos performances en matière de fraude, définir des règles et accéder aux analyses depuis une plateforme unique, pour plus d’efficacité.

En savoir plus sur Stripe Radar, ou démarrez dès aujourd’hui.