En 2024, les clients des États-Unis ont à eux seuls perdu 12,5 milliards de dollars à cause de la fraude, une augmentation de 25 % par rapport à l'année précédente. Dans bien des cas, la fraude ressemble à une transaction normale jusqu'à ce que ce ne soit plus le cas : un robot de test (frauduleux) de cartes peut soumettre des dizaines de petits paiements sur différentes cartes en quelques minutes, un acteur frauduleux peut utiliser des identifiants volés pour passer une commande de grande valeur avec expédition accélérée, ou un client peut contester un paiement qu'il a réellement autorisé.

Les meilleurs logiciels de détection de la fraude aident à repérer ces mécanismes avant qu'ils ne se transforment en rétrofacturations, en utilisant une logique fondée sur des règles, l'apprentissage automatique (ML) et des signaux de transaction en temps réel pour séparer les achats légitimes des achats frauduleux. Ci-dessous, nous expliquerons comment fonctionnent les logiciels de détection de la fraude, quelles fonctionnalités sont importantes lors de l'évaluation d'une solution de prévention de la fraude et comment adapter un système à l'exposition à la fraude de votre entreprise.

Points à retenir

• La détection de la fraude moderne utilise une logique fondée sur des règles, l'apprentissage automatique ou les deux pour repérer les mécanismes de fraude connus ainsi que les tactiques émergentes que des règles statiques manqueraient.

• Les taux de faux positifs comptent autant que les taux de détection, car le blocage de clients légitimes crée sa propre perte de revenus.

• Les entreprises qui utilisent déjà des prestataires de services de paiement dotés d'une détection de la fraude native peuvent souvent sauter l'intégration de tiers. Les outils de détection de la fraude intégrés s'appuient sur des signaux au niveau du réseau que les plateformes autonomes ont souvent du mal à reproduire.

Qu'est-ce qu'un logiciel de détection de la fraude?

Le logiciel de détection de la fraude liée aux paiements évalue les transactions pour repérer et bloquer les activités frauduleuses avant qu'elles n'entraînent des rétrofacturations, des vols de marchandises ou la compromission de comptes. En général, il se situe entre une tentative de transaction et son approbation, et applique une combinaison de règles, de modèles et de signaux pour décider si un paiement doit être accepté.

Comment fonctionnent les logiciels de détection de la fraude?

Les systèmes de détection de la fraude diffèrent dans la façon dont ils décident ce qui doit être bloqué. Il existe des systèmes fondés sur des règles et des systèmes fondés sur l'apprentissage automatique.

Détection fondée sur des règles

Les systèmes fondés sur des règles appliquent une logique conditionnelle aux transactions entrantes : si une transaction dépasse un certain montant en dollars, provient d'une région à haut risque ou déclenche une vérification de vélocité (p. ex., plus de cinq achats à partir de la même carte en 10 minutes), elle est signalée ou bloquée.

L'avantage est la transparence : vous pouvez voir exactement pourquoi une transaction a été signalée. La limite est que les règles ne repèrent que ce que vous aviez prévu lorsque vous les avez rédigées. Un mécanisme de fraude que vous n'avez jamais vu ne déclenchera aucune règle avant que vous ne mettiez à jour votre logique.

Modèles d'apprentissage automatique

La détection propulsée par l'apprentissage automatique apprend à partir des données de transaction historiques pour déterminer ce qui est considéré comme « normal » et signaler les écarts. Une transaction unique qui provient d'un nouvel appareil ou d'un nouveau pays, ou qui est effectuée à une heure inhabituelle pour un montant atypique peut sembler normale si elle ne présente qu'une seule de ces caractéristiques. Mais lorsqu'elles sont combinées, la transaction pourrait obtenir un indice de risque élevé. Le modèle pondère ces signaux en fonction de ce qui est réellement prédictif dans votre historique de transactions.

L'avantage important par rapport aux règles est l'adaptabilité : les tactiques de fraude changent constamment et les modèles d'apprentissage automatique peuvent détecter les mécanismes émergents avant que vous n'ayez écrit de règle pour les contrer. Le compromis est l'opacité, car il est plus difficile d'expliquer exactement pourquoi une transaction particulière a entraîné un refus de paiement, ce qui complique l'examen des faux positifs.

Dans les deux cas, ces systèmes doivent fonctionner en temps réel au moment de la soumission de la transaction. Ils doivent fonctionner assez rapidement pour l'accepter ou la refuser avant l'expiration de la session de paiement et sans introduire de retards de paiement notables. Certains systèmes font également le suivi du comportement tout au long du processus de paiement et intègrent des signaux au niveau de la session dans l'indice de risque avant même la soumission du paiement.

Quels types de fraude liée aux paiements les logiciels de détection de la fraude peuvent-ils repérer?

Les entreprises sont couramment confrontées à quelques types différents de fraude liée aux paiements : la fraude sans présentation de la carte (CNP), le test (frauduleux) de cartes, la prise de contrôle de compte (ATO) et la fraude amicale. Chacun exploite une vulnérabilité différente dans le processus de transaction et peut être détecté par un logiciel de prévention de la fraude.

• Fraude CNP : un acteur frauduleux utilise des données de carte volées pour effectuer des achats pour lesquels aucune carte physique n'est requise. La détection s'appuie sur des signaux que le titulaire de la carte ne déclencherait généralement pas, comme des adresses de facturation et d'expédition qui ne correspondent pas, des prises d'empreinte des appareils inhabituelles et des mécanismes de comportement anormaux.

• Test (frauduleux) de cartes : les acteurs frauduleux qui obtiennent des numéros de cartes volés vérifient lesquels sont actifs, généralement en soumettant de petites transactions ou des transactions de zéro dollar sur de nombreuses cartes en succession rapide. Les vérifications de vélocité et la prise d'empreinte des appareils sont les principales contre-mesures.

• Fraude ATO : dans la fraude ATO, des acteurs malveillants accèdent à un compte client légitime (souvent par bourrage d'identifiants, à l'aide de paires de noms d'utilisateurs et de mots de passe divulguées) et utilisent des modes de paiement sauvegardés pour passer des commandes. La détection utilise des signaux comportementaux (p. ex., connexion à partir d'un appareil inconnu, changements de mot de passe soudains suivis d'achats, changements d'adresse juste avant une commande de grande valeur).

• Fraude amicale : un client effectue une transaction légitime, reçoit la marchandise, puis décide de contester le paiement auprès de sa banque. Les logiciels de fraude peuvent aider en signalant les comptes ayant des antécédents de contestation ou des achats qui correspondent à des mécanismes de fraude connus, comme des biens de grande valeur avec expédition accélérée pouvant être revendus facilement.

Quelles fonctionnalités sont importantes dans un logiciel de détection de la fraude?

Les fonctionnalités les plus importantes dépendent fortement de votre volume de transactions, de votre exposition à la fraude et de votre configuration technique. Mais quelques capacités sont toujours importantes.

Prenez en considération les éléments suivants :

• Précision de détection : un système qui refuse 85 % des fraudes et 15 % des commandes légitimes échange une perte de revenus contre une autre. Recherchez les plateformes qui publient des taux de faux positifs à côté des taux de détection, car ces deux chiffres réunis vous en disent bien plus que le seul taux de détection.

• Personnalisation des règles : les modèles préconçus sont un point de départ. Vous devrez presque toujours superposer une logique propre à l'entreprise, comme le blocage de certaines zones géographiques, l'exigence de 3D Secure pour les commandes supérieures à un certain seuil et l'ajustement des indices de risque pour les clients sûrs et connus. Les plateformes qui vous permettent d'écrire et de tester des règles personnalisées sans aide de l'ingénierie sont considérablement plus flexibles en pratique.

• Intégration à l'infrastructure de paiement : un outil de détection de la fraude qui vous oblige à transmettre les données de transaction par l'intermédiaire d'une API (interface de programmation d'application) distincte introduit de la latence et des points de défaillance. Les systèmes intégrés au processus de paiement ou conçus de manière native dans votre prestataire de services de paiement évitent cette complexité.

• Rapports et gestion des cas : lorsque votre équipe vérifie les transactions signalées, elle a besoin de contexte : pourquoi la transaction a-t-elle été signalée, quels signaux ont contribué et à quoi ressemblaient les transactions similaires. Un logiciel de gestion de la fraude qui montre cela clairement accélère la vérification manuelle et vous aide à affiner vos règles au fil du temps.

• Évolutivité : un système qui gère votre volume actuel doit gérer 10 fois ce volume sans perte de vitesse ou de précision. Les périodes de fort trafic comme le Vendredi fou connaissent souvent des pics de fraude; ce sont aussi les périodes où vous voulez le moins de ralentissements.

Quels défis accompagnent les logiciels de détection de la fraude?

Les logiciels de détection de la fraude ont deux tâches : signaler avec précision les tentatives de fraude et ne pas bloquer les transactions légitimes. L'un des défis les plus persistants dans la détection de la fraude est de trouver un équilibre. Le logiciel doit s'occuper rigoureusement des signaux de fraude sans créer de frustration pour la clientèle légitime.

Au-delà de ce travail continu, les systèmes fondés sur des règles et les systèmes fondés sur l'apprentissage automatique font face à des défis distincts :

• Les règles deviennent obsolètes : les tactiques de fraude changent constamment. Un ensemble de règles qui était efficace il y a six mois pourrait présenter des lacunes notables aujourd'hui. Sans vérification régulière, les systèmes fondés sur des règles dérivent vers l'obsolescence.

• La qualité des données pour les modèles d'apprentissage automatique varie : les modèles d'apprentissage automatique ne valent que par les données sur lesquelles ils sont entraînés. Une plateforme dotée de signaux de transaction provenant de millions d'entreprises dans de nombreux secteurs aura un modèle très différent d'une plateforme dont la couverture est plus étroite. Lorsque vous évaluez des fournisseurs, renseignez-vous précisément sur la portée de leurs données d'entraînement.

Comment choisissez-vous le logiciel de détection de la fraude pour votre entreprise?

Le bon choix de logiciel de détection de la fraude dépend du fonctionnement de votre entreprise. Vous avez besoin d'un système facile à intégrer, facile à utiliser et qui correspond au type de fraude que vous rencontrez.

Tenez compte des variables suivantes :

• Volume de transactions : à des volumes plus faibles, la précision du modèle d'apprentissage automatique peut être incohérente s'il y a moins de données historiques sur lesquelles s'entraîner. Les approches hybrides ou fondées sur des règles peuvent surpasser l'apprentissage automatique pur à plus petite échelle. Les entreprises à volume élevé tirent probablement davantage profit de l'apprentissage automatique parce que les modèles disposent de suffisamment de signaux pour être véritablement prédictifs, mais les petites entreprises peuvent tout de même profiter d'un modèle d'apprentissage automatique au niveau du réseau.

• Configuration technique : si vous utilisez un prestataire de services de paiement doté d'un service de détection de la fraude intégré, c'est souvent le bon point de départ. La complexité de l'intégration est minimale et les signaux de fraude sont déjà intégrés au processus de paiement. Si vous opérez avec plusieurs processeurs ou si vous avez une infrastructure de paiement complexe, vous aurez peut-être besoin d'une plateforme de fraude autonome offrant une vaste prise en charge de l'intégration.

• Ressources internes : certaines plateformes de fraude nécessitent un travail d'ingénierie important pour les configurer et les maintenir; d'autres sont conçues pour que des équipes opérationnelles non techniques les gèrent directement. Si vous n'avez pas d'équipe dédiée à l'analyse de la fraude ou aux risques, penchez-vous vers des plateformes dotées de solides modèles d'analyse par défaut et d'interfaces de règles simples.

• Rapports et intégration du flux de travail : vérifiez que toute plateforme que vous évaluez se connecte à votre flux de travail de gestion des contestations et exporte les données dans des formats compatibles avec votre suite d'outils de création de rapports. Les outils de détection de la fraude qui ne s'intègrent pas de manière propre créent un travail manuel qui peut compenser l'avantage de l'automatisation.

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.