Il s'agit d'un guide structuré pour l'évaluation des fournisseurs de prévention de la fraude. Stripe Radar y est inclus comme point de référence tout au long du document ; c'est un exemple concret de ce à quoi ressemble une infrastructure de prévention de la fraude de premier ordre en 2026.

Ce guide comprend à la fois des plans de section et des exemples de textes. Vous pouvez concevoir votre propre document d'appel d'offres avec le logo de votre marque ou utiliser le texte fourni.

Page de couverture

L'objectif de la page de couverture est d'indiquer aux fournisseurs exactement ce qu'ils regardent et à qui ils doivent s'adresser. Elle comprend également les dates clés dès le début et des informations sur ce à quoi la soumission finale devrait ressembler.

Coordonnées

Dates clés

Format de soumission

Toutes les réponses doivent être soumises électroniquement par courriel au format PDF. Les modèles de tarification et d'évaluation (fournis séparément dans Excel) doivent être joints dans leur format d'origine.

Convention de nommage des fichiers

[Nom du fournisseur]–[Nom du projet]–Appel d’offres–Réponse–[Date].pdf

Objet du présent d’appel d’offres

[Votre entreprise] recherche un partenaire de facturation capable de prendre en charge des transactions sécurisées et multidevises, de s'intégrer facilement aux systèmes internes au moyen d'API modernes, et d'offrir une grande fiabilité, une détection proactive de la fraude et une transparence des données d'une région à l'autre.

Ce document décrit les exigences, les critères d'évaluation et le processus de soumission de propositions.

Bref avis de confidentialité

Cet appel d'offres contient des renseignements confidentiels et exclusifs appartenant à [votre entreprise]. Il est fourni uniquement aux fins de la préparation d'une réponse. La distribution au-delà des personnes directement impliquées dans la préparation d'une proposition est interdite. En acceptant cet appel d'offres, le destinataire s'engage à protéger ces renseignements avec au moins le même degré de soin qu'il applique pour protéger ses propres renseignements confidentiels.

Section A : Instructions administratives

Cette section établit les règles de base. Les relations avec les fournisseurs de prévention de la fraude impliquent un accès approfondi à vos données de transaction et à votre infrastructure de risque. Toute ambiguïté à ce stade peut créer des problèmes juridiques, opérationnels et de sécurité par la suite. Soyez précis.

A.1 Déclaration de confidentialité et de non-divulgation

Toutes les informations contenues dans cet appel d'offres sont confidentielles et destinées uniquement à permettre au fournisseur de préparer une réponse. Les fournisseurs ne doivent pas divulguer, reproduire ou distribuer ce document ou toute partie de celui-ci sans le consentement écrit préalable de [votre entreprise]. Les informations exclusives incluses dans les propositions doivent être clairement identifiées ; [votre entreprise] les traitera en conséquence.

A.2 Limitation de la responsabilité financière

Cet appel d'offres ne constitue pas une offre de contrat. [Votre entreprise] n'est aucunement dans l'obligation d'attribuer un contrat ou de rembourser les coûts engagés pour la préparation d'une réponse. Les fournisseurs sont les seuls responsables de leurs propres dépenses tout au long de ce processus.

A.3 Calendrier de l’appel d’offres

A.4 Directives relatives à la soumission

• Toutes les propositions doivent être soumises par courriel à l'adresse [adresse courriel de la personne-ressource].

• Les fournisseurs doivent accuser réception dans les trois jours ouvrables suivant la publication.

• Les questions doivent être soumises par écrit au plus tard à la date indiquée à la section A.3.

• Toute communication doit passer par le responsable de l'appel d'offres désigné. Un contact direct avec d'autres employés de [votre entreprise] pendant la période d'évaluation pourrait entraîner une disqualification.

A.5 Documents à fournir obligatoirement

A.6 Aperçu de l’évaluation

[Votre entreprise] évaluera les propositions en fonction de la qualité du modèle d'IA, de l'étendue de la couverture contre la fraude, des taux de faux positifs, de la préparation au commerce par agent, de la fiabilité de l'API et de la stabilité du fournisseur. Les fournisseurs doivent démontrer des améliorations mesurables en matière de réduction de la fraude, de taux de contestation et d'efficacité opérationnelle avec des preuves de production. Les affirmations sans données ne seront pas notées.

A.7 Accusé de réception du fournisseur

Les fournisseurs doivent remplir et retourner l'accusé de réception ci-dessous dans les trois jours ouvrables suivant la réception de cet appel d'offres.

Nous accusons réception de l'appel d'offres intitulé « [Nom de l'appel d'offres] » et confirmons notre intention ☐ de soumettre / ☐ de ne pas soumettre de réponse.

Nom de l'entreprise : ________________________

Représentant autorisé : ________________________

Titre : ________________________

Date : _______

Section B : Présentation et énoncé des travaux

Un aperçu vague produit des propositions génériques. Donnez aux fournisseurs le contexte spécifique dont ils ont besoin pour répondre intelligemment : votre modèle opérationnel, votre exposition actuelle à la fraude, les vecteurs d'attaque que vous avez repérés et les résultats que vous devez améliorer. La fraude évolue rapidement, et votre appel d'offres devrait refléter cela.

Voici quelques détails supplémentaires que vous pouvez inclure pour personnaliser :

• Siège social et marchés clés
  
• Volume de transactions et valeur moyenne de la commande
  
• Répartition entre les transactions nationales et transfrontalières
  
• Principaux modes de paiement utilisés (p. ex., cartes, CCA, SEPA, portefeuilles numériques)
  
• Équipes internes impliquées (p. ex., ingénierie, finances, juridique et conformité, opérations)
  

B.1 Profil de l’entreprise

• [Votre entreprise] est [un marché / une entreprise SaaS / une entreprise de commerce électronique / une plateforme] [interentreprise / B2C / C2C] qui exerce ses activités dans [insérer les marchés]. Nous traitons environ [X] transactions par mois avec [X] modes de paiement et devises. Nous connaissons actuellement un taux de fraude d'environ [X] % et un taux de contestations d'environ [X] %, et nos coûts liés à la fraude s'élèvent à environ [X] $ par mois. Nous recherchons un partenaire de prévention de la fraude dont la plateforme couvre l'ensemble de la suite d'outils (fraude liée aux transactions, fraude liée au compte et abus des clients) sans exiger un entretien d'ingénierie continu important.
  

B.2 Objectif du projet

• Cet appel d'offres a pour but de trouver un partenaire de prévention de la fraude qui protège notre entreprise face à l'évolution des menaces de fraude. Voici notre situation actuelle : [décrivez la lacune (p. ex., notre système établi sur des règles produit trop de faux positifs, nous n'avons aucune couverture pour la fraude liée au compte ou les abus, notre taux de contestations est en hausse, nous manquons de visibilité sur les nouveaux vecteurs de fraude)].
  

B.3 Énoncé des travaux

Livrables de base

• Prévention de la fraude liée aux transactions : Évaluation de la fraude propulsée par l'IA sur chaque paiement, avec des taux de faux positifs documentés et des chiffres de réduction de la fraude provenant de la production

• Prévention de la fraude liée au compte : Détection et action automatisées sur les comptes frauduleux tout au long du cycle de vie, de l'inscription des utilisateurs à la surveillance des activités

• Prévention des abus : Détection et blocage des abus des essais gratuits, des abus du paiement à l'utilisation et des vecteurs de fraude à la première personne

• Gestion des contestations : Automatisation de la rétrofacturation, y compris la soumission de preuves, le suivi du taux de litiges remportés et l'analyse des contestations

• Moteur de règles personnalisées : La capacité pour notre équipe des risques de créer et de tester des règles personnalisées sans l'intervention de l'équipe d'ingénierie

• Dashboard et rapports unifiés : Visibilité en temps réel sur les taux de fraude, les taux de contestations, les performances des règles et les résultats du modèle à un seul endroit

• Accès à l'API : Intégration programmatique pour les équipes qui doivent intégrer l'intelligence sur la fraude dans des flux de travail personnalisés

Livrables supplémentaires

• Protection du commerce agentique : Évaluation de la fraude et détection d'anomalies pour les transactions initiées par des agents d'IA

• Prise en charge pour [insérer les modes de paiement requis (p. ex., CCA, SEPA, portefeuilles, achetez maintenant, payez plus tard, cryptomonnaies stables)]

• Contrôles de la fraude au niveau de la plateforme pour les exploitants de marché : Réserves, restrictions de versement et actions du cycle de vie du compte

B.4 Travaux en dehors du champ d’application

Définissez ce qui est exclu pour éviter que les fournisseurs ne fixent un prix ou n'assument la responsabilité à cet égard. Voici quelques exemples :

• Infrastructure complète de conformité en matière de connaissance du client et de lutte contre le blanchiment de capitaux (traitée séparément par notre prestataire de services de paiement)

• Vérification de l'identité du client au-delà des signaux de risque de fraude

• Intelligence d'affaires générale ou entreposage de données sans lien avec la fraude

B.5 Résultats souhaités

• Réduction du taux de fraude d'au moins [X] % dans les 90 jours suivant la mise en production (à titre de référence, Radar réduit la fraude de 32 % en moyenne)

• Taux de contestations inférieur à [X] % dans un délai de 90 jours

• Taux de faux positifs inférieur à [X] % (mesuré par les transactions légitimes refusées ou signalées incorrectement)

• Abus d'essai gratuit bloqué avec une précision d'au moins 90 % (référence actuelle)

• Temps d'ingénierie pour entretenir l'infrastructure de fraude réduit de [X] %

• Configuration sans code terminée dans les [X] jours suivant la signature du contrat

Section C : Instructions relatives aux propositions

Uniformisez ce que vous recevez afin de pouvoir comparer les fournisseurs côte à côte. Les propositions de prévention de la fraude ont tendance à mettre en avant les descriptions de produits et le jargon de l'apprentissage automatique. Exigez plutôt des résultats de production.

C.1 Format et structure de la soumission

Chaque proposition doit respecter cette structure :

• Résumé (trois pages maximum)

• Réponses à toutes les exigences de la section E, numérotées en conséquence

• Le modèle de tarification rempli dans Excel

• Profil du fournisseur et résumé financier

• Au moins trois références de clients d'entreprises comparables

• Documents justificatifs : certifications de conformité, études de cas avec des indicateurs de production, documentation de l'API, description des données d'entraînement des modèles d'IA

Les soumissions qui s'écartent considérablement des exigences ou qui omettent des éléments obligatoires peuvent être jugées non conformes.

C.2 Exigences en matière de mise en forme

• Réponses narratives au format PDF; modèle de tarification au format Excel

• Police de 11 pt au minimum, marges de 2,54 cm, numéros de page obligatoires

• Tous les montants doivent être en USD, sauf indication contraire

• Nom du fichier : [Nom du fournisseur]–Fraude–Appel d'offres–[Date].pdf

C.3 Conseils relatifs au contenu de la proposition

Résumé

• Présentez d'abord les résultats mesurés de déploiements comparables : pourcentages de réduction de la fraude, amélioration du taux de contestation, taux de faux positifs, précision de la prévention des abus. Ne décrivez pas votre produit. Montrez ce qu'il produit.

• Incluez votre vision de ce partenariat sur trois ans, plus particulièrement la façon dont votre modèle d'IA continuera à devancer l'évolution de la fraude.

Aperçu et architecture de la solution

• Décrivez comment votre plateforme couvre la suite d'outils de prévention de la fraude complète – la fraude liée aux transactions, la fraude liée aux comptes, la prévention des abus et la gestion des contestations – au sein d'une seule intégration.

• Décrivez les données de base de vos modèles d'IA : le volume de transactions, l'étendue géographique et des émetteurs, ainsi que la diversité des modes de paiement. Ces éléments de base déterminent si le modèle est performant lorsqu'il se développe. La norme pour les infrastructures de lutte contre la fraude de pointe est une IA entraînée sur plus de 1 900 milliards $ de transactions annuelles.

• Décrivez comment votre modèle se met à jour à mesure que les schémas de fraude évoluent et à quelle vitesse les nouveaux vecteurs de fraude sont intégrés.

Commerce agentique

• Décrivez vos capacités de production actuelles pour la détection et la prévention de la fraude dans les transactions initiées par des agents d'IA. Le commerce axé sur les agents est une exigence actuelle et non un élément de la feuille de route future. Les propositions qui présentent cet aspect comme étant à venir seront évaluées en conséquence.
  

Couverture et modes de paiement

• Précisez exactement les modes de paiement que vous couvrez (p. ex., les cartes, le CCA, le SEPA, les portefeuilles, le mode achetez maintenant, payez plus tard et les cryptomonnaies stables).
  

Sécurité et conformité

• Confirmez votre conformité à la norme PCI DSS v4.0 (en vigueur depuis mars 2024) et la date de votre audit le plus récent.

• Fournissez des données historiques sur la disponibilité couvrant les 12 derniers mois. L'attente pour une infrastructure de prévention de la fraude de niveau production est une disponibilité supérieure à 99,999 %.

C.4 Précisions et questions

Les questions doivent être soumises par écrit d'ici la [date limite des questions] au [courriel du responsable de l'appel d'offres]. Les réponses seront distribuées simultanément à l'ensemble des participants. Aucune discussion informelle avec d'autres employés de [votre entreprise] n'est autorisée durant le processus.

C.5 Validité de la proposition

Les propositions doivent demeurer valides pendant 90 jours après la date limite de soumission, à moins d'une prolongation par accord mutuel écrit.

C.6 Droit de rejeter ou de négocier

[Votre entreprise] se réserve le droit de rejeter toute proposition, de demander des précisions ou de mener des négociations parallèles avec un ou plusieurs fournisseurs. La participation ne constitue en rien un engagement d'achat.

Section D : traité d’évaluation

La transparence de la notation pousse les fournisseurs à répondre avec des preuves plutôt qu'avec des affirmations. Chaque critère correspond directement aux exigences de la section E.

D.1 Méthode d’évaluation

Toutes les propositions seront évaluées par une équipe interfonctionnelle comprenant l'ingénierie, les finances, le service juridique et la conformité, le risque et les opérations.

L'évaluation se déroule en trois étapes :

• Vérification de la conformité : Confirmez que tous les documents requis sont présents et respectent les exigences de formatage.

• Évaluation qualitative : Notez chaque soumission en fonction de critères pondérés sur une échelle de 1 à 5 (5 = exceptionnel, soutenu par des preuves de production ; 1 = ne répond pas au niveau de base). Une note de 5 nécessite des indicateurs de production documentés.

• Démonstration et évaluation finale : Les fournisseurs présélectionnés présentent des démonstrations de la plateforme en direct. Les démonstrations doivent utiliser un bac à sable ayant une parité avec la production, et non une présentation scénarisée.

D.2 Critères d’évaluation et coefficients de pondération

La couverture des menaces émergentes et par agents a une pondération de 15 % car la capacité à détecter la fraude dans les transactions initiées par des agents d'IA est un écart structurel de capacité entre les fournisseurs. Par exemple, 65 % des dirigeants d'entreprise conviennent que la fraude se développe trop rapidement pour que leurs entreprises puissent suivre le rythme. Les fournisseurs qui ne peuvent pas démontrer une couverture adaptative aujourd'hui prendront encore plus de retard à mesure que les vecteurs de fraude continueront d'évoluer.

D.3 Exigences en matière de démonstration

Les fournisseurs présélectionnés démontreront ce qui suit en direct dans un environnement de bac à sable :

• Évaluation de la fraude liée aux transactions en temps réel – déclenchez une transaction à haut risque et montrez comment le modèle l'évalue, avec une explication des signaux contributifs

• Détection de la fraude liée aux comptes – montrez comment la plateforme identifie et agit sur un compte frauduleux pendant l'inscription des utilisateurs et après l'activation

• Prévention des abus en action – démontrez la détection des abus d'essai gratuit avec le repère de précision de 90 %

• Création de règles personnalisées – un analyste des risques crée une nouvelle règle sans la participation de l'ingénierie, la teste dans le bac à sable et examine son impact projeté

• Flux de travail de gestion des contestations – montrez la soumission automatisée de preuves pour une rétrofacturation, avec le suivi du taux de litiges remportés

• Protection du commerce par des agents – montrez comment la plateforme applique l'évaluation de la fraude à une transaction initiée par un agent d'IA et signale un comportement d'agent anormal

• Dashboard unifié – taux de fraude, taux de contestation, performances des règles et examen des résultats du modèle en un seul endroit

Les fournisseurs doivent fournir des identifiants de démonstration temporaires valides pendant au moins 10 jours ouvrables après la démonstration.

D.4 Négociation et attribution du contrat

[Votre entreprise] se réserve le droit de mener des séances de clarification, de demander des offres finales et optimales, et de mener des négociations parallèles. Aucun contrat n'est contraignant tant qu'il n'est pas signé par les deux parties.

⚑ Notes aux évaluateurs – à retirer avant l'envoi aux fournisseurs

• Notez de manière indépendante avant la délibération de groupe. Une note de 5 nécessite des indicateurs de production documentés – et non des capacités déclarées.
  
• Demandez à chaque fournisseur d'indiquer l'empreinte des données d'entraînement de son modèle d'IA en des termes spécifiques : volume de transactions, années de données, étendue géographique, couverture des émetteurs et diversité des modes de paiement. La réponse révèle quelle part de ses performances de détection de la fraude est réelle par rapport à celle qui est déclarée. La référence est de plus de 1,9 T $ en transactions annuelles.
  
• Examinez la couverture des modes de paiement. Pour chaque mode sur votre liste (p. ex., CCA, SEPA, portefeuilles, achetez maintenant, payez plus tard, cryptomonnaies stables), demandez si le modèle a été entraîné sur des données de ce mode et à quoi ressemblent les chiffres de réduction de la fraude spécifiquement pour celui-ci.
  
• La démonstration du commerce par des agents n'est pas négociable. Tout fournisseur qui ne peut pas montrer aujourd'hui la détection de la fraude sur les transactions initiées par des agents d'IA dans un bac à sable n'est pas prêt pour l'évolution de votre plateforme.
  
• Demandez des taux de faux positifs provenant de la production, et non des projections. Un modèle qui bloque 40 % de la fraude mais qui refuse 5 % des transactions légitimes est un problème de revenus, et non une solution contre la fraude.
  
• Demandez 12 mois de données de disponibilité, pas seulement un accord de niveau de service (SLA). La différence entre une disponibilité de 99,900 % et de 99,999 % est importante pour une infrastructure de fraude qui s'exécute sur chaque transaction.
  

Section E : Exigences fondamentales

Il s'agit de la section la plus importante. Exigez des réponses factuelles et fondées sur des preuves. Tout fournisseur digne de ce nom peut indiquer les résultats documentés de déploiements réels. Pour chaque exigence, les fournisseurs doivent indiquer son état : Standard (en production actuellement), Configurable (nécessite une configuration), Custom (nécessite un développement) ou S/O.

E.1 Qualité du modèle d'IA et des ensembles de données

L'IA de prévention de la fraude n'a d'égale que la qualité des données sur lesquelles elle est entraînée. Un modèle entraîné sur des dizaines de milliards de transactions à travers les marchés, les émetteurs et les modes de paiement produit des résultats nettement supérieurs à un modèle basé sur un ensemble de données plus restreint. Il y a 92 % de chances qu'une carte utilisée sur le réseau de Stripe ait déjà été vue ; ce niveau de signal préalable est la référence. Il s'agit d'un avantage cumulatif qui ne peut être reproduit par le seul effort d'ingénierie.

E.2 Prévention de la fraude liée aux transactions

La fraude liée aux transactions est en hausse. Le coût de la fraude liée aux paiements en ligne devait augmenter de 15 % en 2025. La bonne infrastructure détecte les fraudes que d'autres ne peuvent pas détecter, car son modèle a déjà rencontré ce schéma.

E.3 Prévention de la fraude liée aux comptes

La fraude liée aux comptes (comptes frauduleux créés pour exploiter votre plateforme) s'opère tout au long du cycle de vie du compte. Il est moins coûteux de la détecter lors de l'inscription des utilisateurs qu'après l'activation. La référence pour les infrastructures de pointe est le blocage de plus de 3,5 millions de comptes connectés frauduleux par an.

E.4 Prévention des abus

Les abus de première partie (abus d'essai, abus liés au paiement à l'utilisation et fraude amicale) coûtent aux entreprises 200 milliards de dollars par an. Au cours de l'année écoulée, 94 % des entreprises en ont été victimes. Les outils de fraude traditionnels ne sont pas conçus pour les détecter. Exigez des preuves de production, et non la description de la feuille de route d'un fournisseur.

E.5 Gestion des contestations

Les contestations coûtent aux entreprises 35 $ pour chaque tranche de 100 $ de rétrofacturations, en tenant compte des coûts opérationnels, des frais de réseau et du temps. Une infrastructure adéquate automatise la soumission des preuves, affiche les probabilités du taux de litiges remportés par contestation afin que votre équipe puisse trier les cas efficacement, et dans l'idéal, stoppe les contestations avant qu'elles ne soient déposées.

E.6 Règles personnalisées et outils de l'équipe des risques

Une plateforme de prévention de la fraude qui nécessite l'intervention d'ingénieurs pour ajuster la stratégie de risque constitue un goulot d'étranglement. Votre équipe des risques doit agir plus rapidement que la fraude. Cela signifie que les utilisateurs non techniques doivent pouvoir écrire, tester et déployer des règles sans avoir à soumettre un ticket d'assistance.

E.7 Commerce par agents et menaces émergentes

Les agents d'IA initient déjà des transactions commerciales, et les fraudeurs utilisent les mêmes outils d'IA que les entreprises légitimes. Les places de marché qui ne protègent pas les transactions initiées par des agents d'IA seront confrontées à une exposition croissante à mesure que le volume de ces agents augmentera. Tout fournisseur incapable de démontrer la détection de la fraude sur les transactions initiées par des agents dans un bac à sable aujourd'hui n'est pas prêt.

E.8 Analyses, rapports et renseignements en temps réel

Les analyses et les rapports sur la fraude sont obligatoires. Si votre équipe des risques ne peut pas voir ce qui se passe en temps réel, enquêter sur les décisions individuelles relatives aux transactions et recevoir des alertes proactives lorsqu'une attaque est en cours, elle réagira toujours à la fraude au lieu de la devancer.

E.9 Architecture de la plateforme et qualité de l'API

Une intégration de prévention de la fraude qui exige une maintenance technique continue pour demeurer efficace est une taxe cachée pour votre équipe de produit. Évaluez l'API de la même manière que vous évalueriez l'infrastructure de base.

E.10 Sécurité, conformité et confidentialité des données

L'infrastructure de fraude se trouve sur le chemin des données de chaque transaction. Un taux de réussite de 100 % aux audits PCI est la norme.

E.11 Certification du fournisseur

Je certifie par la présente que toutes les réponses sont exactes à la date de soumission et que les capacités marquées comme Standard ou Configurables sont actuellement disponibles dans les environnements de production. Les affirmations non étayées par de la documentation ou une démonstration en direct ne seront pas évaluées.

Représentant autorisé ou représentante autorisée : ________________________

Titre : ________________________

Date : _______

⚑ Notes aux personnes évaluatrices – à retirer avant l'envoi aux fournisseurs

• Un score de 5 pour n'importe quel critère exige des métriques de production documentées. Affirmer « Nous prenons en charge ceci », sans preuve, équivaut au mieux à un 3.
  
• Demandez à chaque fournisseur de préciser l'empreinte des données d'entraînement de son modèle d'IA en des termes précis : le nombre de transactions, les années de données, l'étendue géographique et des émetteurs, ainsi que la diversité des modes de paiement. Il s'agit du principal élément de différenciation en matière de performance de la détection des fraudes.
  
• Examinez la couverture des modes de paiement. Pour chaque mode figurant sur votre liste (par exemple, CCA, SEPA, portefeuilles, achetez maintenant, payez plus tard, cryptomonnaies stables), demandez si le modèle a été entraîné avec des données de production pour ce mode et à quoi ressemble la réduction des fraudes précisément pour celui-ci.
  
• Demandez les taux de faux positifs, et non pas seulement les taux de réduction des fraudes. Un modèle offrant une réduction des fraudes de 40 %, mais ayant un taux de faux positifs de 5 %, vous coûte des revenus.
  
• Demandez à voir l'interface de rédaction des règles en langage clair en direct. Les personnes sans profil technique devraient être en mesure d'écrire et de simuler une nouvelle règle dans la démonstration sans aucune aide.
  
• Demandez aux fournisseurs de faire une démonstration du mode de simulation. Exécutez une nouvelle règle sur des données historiques et montrez l'incidence prévue avant sa mise en production. Il s'agit d'un flux de travail essentiel pour toute équipe de risque sérieuse.
  
• Demandez si les listes d'autorisation et de blocage peuvent inclure des champs de données d'entreprise personnalisés. Un fournisseur qui ne prend en charge que les attributs de transaction standard atteindra rapidement un plafond.
  
• Concernant les contestations, demandez si les intégrations avec Verifi et Ethoca sont natives ou si elles exigent des contrats distincts avec des tiers. Une intégration native est importante pour la rapidité d'intervention.
  
• Demandez à voir une alerte d'attaque frauduleuse en temps réel à partir de la production. À quoi ressemble la notification, à quelle vitesse se déclenche-t-elle et que recommande-t-on pour l'atténuation?
  
• La démonstration de commerce avec agents est une exigence absolue. Tout fournisseur qui ne peut pas montrer la détection de la fraude sur des transactions initiées par des agents d'IA dans un bac à sable aujourd'hui n'est pas prêt.
  
• Demandez des données historiques de disponibilité sur 12 mois ainsi que l'historique complet des audits PCI. Le SLA et l'état actuel de la certification ne suffisent pas.
  

Section F : Mise en œuvre et assistance

L'activation de la prévention de la fraude sur une plateforme en production comporte des risques. Une règle mal configurée ou un seuil de modèle trop agressif peut bloquer des revenus légitimes. Cette section permet d'établir si le fournisseur possède la méthodologie et l'expérience nécessaires pour gérer ce risque.

F.1 Approche d'implémentation

Les fournisseurs doivent décrire :

• Le délai documenté jusqu'au premier signal de fraude pour des entreprises ayant un volume de transactions comparable, avec des exemples précis et non des fourchettes — la référence pour une configuration sans code est l'activation le jour même

• Leur approche de la calibration initiale du modèle — le processus de définition des seuils qui équilibre la réduction de la fraude et les taux de faux positifs pour votre combinaison de transactions spécifique

• Leurs processus pour une exécution en parallèle — tester la nouvelle plateforme par rapport au trafic réel avant l'implémentation complète afin que vous puissiez valider les performances avant de désactiver les contrôles existants

• La façon dont ils gèrent la migration des règles, si vous importez des règles personnalisées existantes depuis une autre plateforme

F.2 Ressources et gouvernance

Les fournisseurs doivent fournir :

• Le nom du gestionnaire de compte et du spécialiste en fraude assignés à cet engagement

• La hiérarchie d'escalade et le rythme de prise de décision pendant l'implémentation

• Si l'équipe d'implémentation est la même que celle qui gère le service d’assistance après le lancement — le transfert est souvent le moment où la qualité du service diminue

F.3 Formation et documentation

Les fournisseurs doivent décrire :

• La formation offerte aux équipes Risques, Ingénierie, Finances et Opérations

• La qualité et l'actualité de la documentation, les meilleures plateformes maintenant une documentation que les analystes des risques préfèrent consulter plutôt que de poser des questions au service d’assistance

• La façon dont la documentation est mise à jour lorsque le modèle et le produit déploient de nouvelles capacités de détection de la fraude

F.4 Modèle de service d’assistance et ANS

Les fournisseurs doivent spécifier :

• Les niveaux de service d’assistance et ce qui est inclus — un pic de faux positifs ou une dégradation du modèle à 2 h est un incident de gravité 1 qui nécessite une réponse immédiate

• Les ANS de temps de réponse par niveau de gravité, avec les engagements contractuels

• La manière dont les clients sont informés lors d'incidents liés au modèle de fraude ou d'événements de dégradation et ce que produit l'examen post-incident

• Les données historiques de temps de réponse pour les incidents de gravité 1, et non seulement l'ANS

F.5 Amélioration continue

Décrivez précisément comment votre plateforme utilise l'apprentissage automatique et l'analytique de production pour améliorer les résultats en matière de fraude au fil du temps. Fournissez des exemples avec des indicateurs de production : améliorations de la réduction de la fraude apportées aux clients existants sur 12 mois, évolution du taux de faux positifs et améliorations du taux de contestation.

F.6 Attestation du fournisseur

Je certifie que tous les détails relatifs à l'implémentation et au service d’assistance sont exacts à la date de soumission et reflètent les pratiques de production actuelles.

Représentant autorisé : ________________________

Titre : ________________________

Date : _______

⚑ Notes to engineers—remove before sending to vendors

• Ask for specific implementation examples from comparable businesses (e.g., transaction volume, fraud rate at the time, number of markets). Reject ranges.
  
• Ask about the threshold calibration process specifically. A vendor that sets a single global threshold and moves on isn’t treating your fraud profile as unique.
  
• Request Severity 1 response time actuals from the last 12 months.
  
• Ask whether the implementation team is the same team that handles postlaunch support.
  
• Ask how quickly a new fraud vector—one your business hasn’t encountered before—would be incorporated into the model after it’s detected.
  

Section G : Annonces publicitaires

La tarification de la prévention de la fraude varie considérablement selon les fournisseurs et les modèles. Certains facturent par transaction, d'autres selon les résultats de réduction de la fraude, et certains par niveau. Standardisez la divulgation afin de comparer des données économiques réelles.

G.1 Aperçu de la structure tarifaire

Les fournisseurs doivent fournir :

• Une tarification détaillée pour chaque composante (prévention de la fraude de base, accès aux règles personnalisées, prévention des abus avancée, outils de gestion des contestations, accès à l'API et modules complémentaires)

• Une description expliquant les hypothèses de tarification (volume de transactions, valeur moyenne de commande, taux de fraude et répartition des modes de paiement)

• Une identification claire des engagements mensuels minimaux ou des seuils de volume qui affectent la tarification

• Tous les montants en USD, y compris la logique de conversion si d'autres devises sont proposées

G.2 Éléments de tarification

G.3 Sensibilité au volume

Indiquez le coût total estimé aux volumes de transactions suivants :

G.4 Conditions du contrat

• Durées de contrat offertes et incitatifs tarifaires pour chacune

• Si la tarification diminue automatiquement avec les baisses de volume

• Clauses de résiliation et portabilité des données – la façon dont les signaux de fraude, les configurations de règles et les données historiques sont retournés, dans quel format et selon quel historique

• Exigences de dépenses minimales

G.5 Hypothèses et dépendances

Énumérez toutes les hypothèses commerciales qui sous-tendent votre tarification. Les hypothèses non formulées découvertes après la signature du contrat pourraient être traitées comme une fausse déclaration importante.

G.6 Certification des fournisseurs

Je certifie que toutes les informations tarifaires et commerciales sont complètes et exactes à la date de soumission.

Personne représentante autorisée : ________________________

Date : _______

⚑ Notes d'évaluation – à retirer avant l'envoi aux fournisseurs

• Rapprochez le texte narratif de la feuille Excel. Les écarts sont un signal.
  
• La tarification de la prévention de la fraude masque souvent le coût des règles personnalisées et de la prévention des abus avancée dans les niveaux supérieurs. Modélisez le coût total en fonction du flux de travail de votre équipe chargée de la détection des fraudes, et pas seulement du niveau de base.
  
• Demandez comment la tarification change si votre taux de fraude s'améliore. Certains modèles pénalisent le succès en réduisant la valeur apparente du produit lorsque les taux de fraude diminuent.
  
• La portabilité des données est souvent le véritable mécanisme de verrouillage. Évaluez les conditions de résiliation avant de signer, et non après.
  
• Demandez aux fournisseurs de modéliser le coût total à 10 fois votre volume de transactions actuel. La courbe de tarification en fonction de la croissance est tout aussi importante que le taux d'aujourd'hui.
  

Section H : Profil du fournisseur

Votre partenaire d'infrastructure de prévention de la fraude se trouve sur le chemin des données de chaque transaction. Renseignez-vous sur l'entreprise dans son ensemble : sa santé financière, le niveau de développement de son IA, son taux d'amélioration et ses antécédents avec des entreprises similaires à la vôtre.

H.1 Présentation de l’entreprise

Fournissez un résumé de deux à trois paragraphes expliquant votre historique, votre mission et votre position sur le marché. Mettez l'accent sur votre expérience avec les entreprises de [votre secteur ou segment (p. ex., commerce électronique, SaaS, marché, entreprises d'IA, plateformes)]. Décrivez vos antécédents en matière de maintien de la qualité de détection face à l'évolution des schémas de fraude et votre historique concernant le déploiement de capacités de prévention de la fraude avant l'apparition de nouvelles menaces.

H.2 Base de clients et antécédents

Fournissez des données précises sur votre base de clients :

• Nombre d'entreprises utilisant votre infrastructure de prévention de la fraude

• Volume global de transactions protégées par an

• Secteurs et modèles d'entreprise représentés dans votre base de clients

• Proportion d'entreprises de votre segment cible (p. ex., commerce électronique, SaaS, plateformes) que vous protégez

• Réduction globale documentée de la fraude au sein de votre base de clients (la référence est une réduction moyenne de la fraude de 32 %)

H.3 Stabilité financière

Fournissez des états financiers audités ou une preuve de solvabilité équivalente. Les entreprises privées doivent fournir une lettre du directeur financier attestant de leurs liquidités. Décrivez votre structure de financement.

H.4 Certifications et conformité

H.5 Reconnaissance par les analystes

Fournissez les reconnaissances d'analystes indépendants pertinentes pour la prévention de la fraude et la sécurité des paiements. La norme de référence actuelle pour un fournisseur de premier plan en matière de prévention de la fraude est d'être reconnu comme un leader dans les catégories des paiements et de la fraude. L'IA de Stripe Radar est utilisée en toute confiance par 50 % des entreprises du Fortune 100. Décrivez la position de votre plateforme par rapport à cette norme de référence.

H.6 Rythme d'amélioration

Décrivez la cadence de sortie de vos produits au cours des 12 derniers mois, y compris le nombre de mises à jour expédiées et les principales fonctionnalités lancées en matière de détection de la fraude par l'IA, de prévention des abus et de protection du commerce par des agents. La norme de référence actuelle pour une plateforme de premier plan est de plus de 200 mises à jour de produits par an. Expliquez comment votre feuille de route pour les 12 à 18 prochains mois continue d'investir dans les fonctionnalités qui comptent pour [votre segment].

H.7 Déclaration d'exactitude du fournisseur

Je certifie que toutes les informations de la section H sont exactes à la date de soumission et que [le fournisseur] a la capacité financière, technique et opérationnelle d'exécuter les services décrits.

Représentant autorisé : ________________________

Date : _______

Section I : Références

Les références d'entreprises comparables sont plus utiles que n'importe quelle démonstration. Privilégiez les références qui correspondent à votre modèle opérationnel, à votre répartition de transactions et à votre couverture géographique. Un fournisseur qui protège une entreprise avec un profil de fraude similaire au vôtre devrait avoir des références capables de témoigner de résultats concrets.

I.1 Exigences en matière de référence

Les fournisseurs doivent fournir un minimum de trois références répondant à ces critères :

• Modèle opérationnel comparable à [votre entreprise] – même secteur ou type de transaction

• Volume de transactions ou taux de fraude comparable au moment du déploiement

• Au moins une référence ayant utilisé des fonctionnalités avancées : règles personnalisées, prévention des abus ou gestion des contestations

• Client actif en production depuis au moins 12 mois

I.2 Tableau de référence

I.3 Récapitulatif des résultats de référence

Pour chaque référence, fournissez des résultats documentés : pourcentage de réduction de la fraude, taux de faux positifs, amélioration du taux de contestations, précision de la prévention des abus ou gains d'efficacité opérationnelle. Fournissez des chiffres précis, et non des plages.

I.4 Validation des références

Je confirme que chaque client a consenti à servir de référence et que toutes les informations sont exactes. [Votre entreprise] se réserve le droit de contacter les références directement.

Représentant autorisé : ________________________

Date : _______

⚑ Notes d'évaluation – retirer avant d'envoyer aux fournisseurs

• Appelez au moins deux références par téléphone. Les résumés écrits sont sélectionnés par le fournisseur.
  
• Demandez précisément aux références si la réduction de la fraude et les taux de faux positifs mentionnés dans la proposition correspondent à ce qu'elles ont observé en production.
  
• Renseignez-vous sur l'expérience d'implémentation et le processus de calibration des seuils – pas seulement sur la plateforme en régime permanent.
  
• Demandez si le modèle du fournisseur s'est adapté aux nouveaux vecteurs de fraude que la référence a rencontrés après la mise en production et à quelle vitesse il l'a fait.
  
• Signalez les références provenant de modèles opérationnels non comparables. Une référence d'une entreprise de commerce de détail physique vous en dit très peu sur les performances en matière de fraude numérique.
  

Section J : Annexes

J.1 Liste de contrôle des soumissions (pour le fournisseur)

Joindre comme première page de votre dossier de réponse. Les soumissions incomplètes pourraient être exclues de l'évaluation.

J.2 Glossaire des termes

J.3 Matrice de notation des évaluations (usage interne)

J.4 Liste de contrôle rapide des exigences

Pour l'auto-évaluation du fournisseur avant la soumission.

Qualité du modèle d'IA et du jeu de données

• Empreinte des données d'entraînement du modèle d'IA décrite en termes précis : volume, géographie, émetteurs et modes de paiement

• Réduction de la fraude documentée en production – une moyenne de 32 % constitue la référence

• Indice de risque granulaire (0 à 99) avec explicabilité au niveau du signal par transaction

• Évaluation de la fraude par transaction avec un taux de faux positifs documenté

• Fréquence de mise à jour du modèle (qu'elle soit continue ou périodique), y compris le calendrier d'intégration des nouveaux vecteurs

• Intelligence au niveau du réseau à grande échelle

• Prise en charge d'une configuration multiprestataires – indices de risque disponibles pour les paiements traités en externe

• Indices de risque de préautorisation pour les décisions d'acheminement des paiements

• Contrôle flexible à plusieurs points du processus de paiement

Prévention de la fraude liée aux transactions

• Évaluation de la fraude en temps réel – latences p50, p95 et p99 documentées

• Seuils de blocage configurables – sans codage requis

• 3DS et SCA dynamiques – appliquées uniquement aux transactions à haut risque, et non à l'ensemble

• Couverture des cartes, CCA, SEPA, portefeuilles, achetez maintenant, payez plus tard et cryptomonnaies stables

• Détection des tests (frauduleux) de cartes – faire passer le taux de détection de 59 % à 97 % est la référence d'amélioration

• Portabilité des PAN – listes de blocage et d'autorisation et historique des fraudes transférables entre les processeurs

• Détection de la fraude transfrontalière

Prévention de la fraude liée aux comptes

• Évaluation de la fraude au niveau du compte lors de l'inscription des utilisateurs avec des taux de faux positifs documentés

• Surveillance continue du compte après l'activation

• Vérification renforcée pour les comptes limites (non frauduleux de manière concluante)

• Vue des comptes signalés – liste en temps réel des comptes suspects

• Alertes en temps réel pour la fraude des marchands au niveau de la plateforme

• Actions de compte automatisées – réserves, restrictions de versement et blocage

• Plus de 3,5 M de comptes connectés frauduleux bloqués par an – mesure équivalente requise

• Réduction de l'exposition à la fraude de 5,3x – mesure équivalente requise

Prévention des abus

• Prévention des abus liés aux essais gratuits – une précision de 90 % est la référence

• 715 000 essais à haut risque bloqués et 6 M$ de pertes évitées en deux mois – équivalent requis

• Détection 6,2x meilleure pour les nouveaux vecteurs d'abus – équivalent requis

• Prévention des abus à l'utilisation

• Couverture des abus tout au long du cycle de vie du client

Gestion des contestations

• Soumission automatisée de preuves par type de contestation

• Probabilité du taux de litiges remportés par contestation individuelle

• Recommandations de preuves par contestation individuelle

• Smart Refunds ou remboursement proactif avant la rétrofacturation

• Avertissements précoces de fraude de la part des émetteurs avant la rétrofacturation formelle

• Intégration native de Verifi et Ethoca

• Suivi et analyses du taux de litiges remportés liés aux contestations

• Classement VAMP et du programme de surveillance dans le dashboard

Règles personnalisées et outils pour l'équipe de gestion des risques

• Création de règles sans code en production dès aujourd'hui

• Rédaction de règles en langage clair pour les utilisateurs non techniques

• Listes de blocage et d'autorisation – adresse IP, courriel, BIN de la carte, empreinte de l'appareil

• Suggestions de règles établies sur vos principaux indicateurs de fraude

• Mode de simulation (shadow) ou de scénarios (what-if) à partir de données historiques

• Données d'entreprise Custom dans les règles (par exemple, loyalty_tier, product_category)

• Analyses des performances des règles en temps réel

• Seuils configurables par montant, région, type de compte ou mode de paiement

• File de vérification manuelle avec outils de flux de travail

Analyses et rapports

• Dashboard unifié – fraude, paiements et contestations en une seule vue

• Mises à jour du Dashboard en temps réel – sans délai

• Vérification par transaction avec indice de risque et répartition des signaux

• Alertes d'attaque de fraude en temps réel avec recommandations d'atténuation

• Outils d'enquête sur les mécanismes de fraude

• Statut du programme de surveillance en temps réel

• Synchronisation de l'entrepôt de données (par exemple, Snowflake, BigQuery, Redshift)

• Filtrage des analyses par sous-traitant

• Gestion programmatique des contestations par API avec webhooks

Couverture des menaces par agents et émergentes

• Évaluation de la fraude sur les transactions initiées par des agents d'IA – démontrer dans le bac à sable

• Détection d'anomalies pour le comportement des agents

• Couverture des abus de première partie pour les modèles d'entreprise natifs de l'IA

• Plus de 200 mises à jour de produits par an – cadence d'amélioration démontrée

Architecture de la plateforme et API

• Configuration sans code – activation le jour même

• Latence de l'API p99 – chiffres de production requis

• Disponibilité de plus de 99,999 % – données historiques sur 12 mois

• Taux de réussite de l'audit PCI de 100 % – historique complet

• Bac à sable complet avec parité de production, y compris les flux par agents

• Configuration des règles et des seuils sans code

Sécurité et conformité

• PCI DSS v4.0 (en vigueur en mars 2024) – taux de réussite de l'audit de 100 %

• SOC 2 Type II

• RGPD et CCPA

• Approuvé par 50 % des entreprises du Fortune 100

J.5 Certification de soumission du fournisseur

Je certifie que cette soumission est complète et que toutes les informations fournies sont exactes au meilleur de ma connaissance. [Votre entreprise] se réserve le droit de vérifier toute affirmation faite dans cette réponse.

Nom de l'entreprise : ________________________

Représentant autorisé : ________________________

Titre : ________________________

Signature : ________________________

Date : _______

Comment Stripe Radar peut vous aider

Stripe Radar utilise des modèles d’IA formés pour détecter et prévenir la fraude, entraînés sur les données du réseau mondial de Stripe. Il met continuellement à jour ces modèles en fonction des dernières tendances en matière de fraude, protégeant ainsi votre entreprise au fur et à mesure que les tactiques frauduleuses évoluent.

Stripe propose également Radar for Fraud Teams, qui permet aux utilisateurs d’ajouter des règles personnalisées pour faire face ce à des scénarios de fraude propre à leurs entreprises et d’accéder à des informations 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. Cette envergure permet à Radar de détecter et de prévenir la fraude avec une précision inégalée, vous permettant ainsi de réaliser des économies.

• Augmenter les revenus : les modèles d’IA de Radar sont entraînés sur des données réelles de contestations, des informations relatives aux clients, des données de navigation, et bien plus encore. Cela permet à Radar de détecter les transactions à risque et de réduire les faux positifs, augmentant ainsi vos revenus.

• Gagner du temps : Radar est intégré à Stripe et ne nécessite aucune ligne de code pour être configuré. Vous pouvez également surveiller vos performances en matière de fraude, définir des règles, etc., dans une seule plateforme, augmentant ainsi l’efficacité de vos équipes.

Apprenez-en plus sur Stripe Radar ou faites vos premiers pas dès aujourd’hui.