La fraude par carte de crédit est extrêmement courante : près de 450 000 Américains ont signalé une utilisation abusive des données de leur carte pour la seule année 2024. Les signaux d'alerte de fraude en matière de paiement sont des indicateurs observables suggérant une probabilité d'activité frauduleuse supérieure à la normale. En les repérant avant qu'une transaction ne soit finalisée, vous pourriez rejoindre le groupe d'entreprises qui détectent la fraude au moment de l'autorisation et non celui des entreprises qui l'assument sous forme de rétrofacturations des semaines plus tard.

Nous abordons ci-dessous les signaux de fraude les plus importants concernant les transactions, les comptes et les modes de paiement, la façon d'y réagir lorsqu'ils apparaissent et la création d'un système de surveillance qui s'affine au fil du temps.

Points à retenir

• Les signaux liés aux transactions (par exemple, une divergence entre les adresses de facturation et de livraison, des anomalies de vélocité, des commandes de grande valeur provenant de nouveaux comptes) peuvent être des indicateurs précoces de fraude.

• Les signaux liés aux comptes et aux comportements, tels qu'une création de compte rapide, des échecs de paiement répétés ou une activité de session inhabituelle, apparaissent souvent avant qu'une transaction ne soit finalisée.

• Les outils automatisés de détection des fraudes évaluent les transactions en temps réel à l'aide d'outils de détection des fraudes basés sur l'apprentissage automatique. Les règles personnalisées permettent aux entreprises de définir leurs propres seuils de risque.

Quels sont les signaux d'alerte de fraude en matière de paiement?

Les signaux d'alerte de fraude en matière de paiement sont des signaux observables et spécifiques indiquant qu'une transaction ou une interaction de compte présente un risque de fraude supérieur à la normale. Il s'agit d'indicateurs probabilistes qui, seuls ou combinés, suggèrent une activité méritant d'être examinée de plus près.

Quels signaux liés aux transactions indiquent un risque élevé de fraude?

Certains des signaux d'alerte les plus clairs de fraude en matière de paiement se situent au niveau de la transaction, où les détails d'une commande créent un modèle détectable. Pris isolément, chacun peut s'expliquer, mais lorsqu'ils sont combinés, ils ont tendance à constituer un indicateur fiable de fraude potentielle.

Surveiller :

• Divergence entre les adresses de facturation et de livraison : Lorsque l'adresse de facturation de la carte et l'adresse de livraison diffèrent considérablement, un examen plus approfondi s'impose.

• Commandes de grande valeur provenant de nouveaux comptes ou de comptes non vérifiés : Un client qui passe sa première commande de 1 200 $ avec expédition accélérée n'a pas d'historique d'achat permettant de contrebalancer le risque. La combinaison d'une valeur élevée, d'un nouveau compte et d'une urgence constitue le signal d'alerte.

• Anomalies de vélocité : De multiples transactions sur une courte période provenant de la même carte, du même appareil ou de la même adresse IP peuvent suggérer un test frauduleux de cartes ou une fraude automatisée.

• Expédition à des transitaires ou à des adresses de réexpédition : Ces adresses dissimulent la destination finale de livraison, ce qui rend les rétrofacturations plus difficiles à contester et le recouvrement presque impossible. Ce modèle a tendance à se manifester avec une fréquence particulière dans le cas d'appareils électroniques grand public, de cartes-cadeaux et de produits de luxe de grande valeur.

• Compositions de commande qui ne correspondent pas à l'historique du compte : Un client dont les commandes précédentes étaient toutes inférieures à 50 $ et qui passe soudainement une commande de 900 $ pour des articles fréquemment ciblés par la fraude à la revente (par exemple, des appareils électroniques, des espadrilles, des cartes-cadeaux) mérite un examen plus approfondi.

Quels sont les comportements de compte et d'utilisateur qui indiquent souvent une fraude?

Les signaux comportementaux apparaissent souvent avant qu'une transaction ne soit finalisée. Ces modèles se manifestent au niveau du compte, dans l'activité de session et dans les identifiants de paiement eux-mêmes.

Par exemple :

• Création rapide d'un compte suivie d'un achat immédiat de grande valeur : Les clients légitimes ont tendance à naviguer, à comparer et à revenir plus tard. Un compte créé et utilisé en quelques minutes correspond au profil d'un compte jetable, créé pour exploiter une carte volée avant qu'elle ne soit signalée.

• Échecs de paiement multiples : Un fraudeur ayant accès à des données de carte partielles peut essayer plusieurs combinaisons avant de trouver des identifiants valides. De nombreuses tentatives infructueuses sur différentes cartes à partir du même appareil sur une courte période constituent un signal fort.

• Comportement de session inhabituel : Des sessions sans défilement ni activité de navigation avant le paiement, un remplissage de formulaire extrêmement rapide et une navigation directe vers des pages de produits de grande valeur sans contexte de parrainage peuvent tous suggérer un comportement automatisé ou scripté plutôt qu'un véritable client.

• Modèles d'adresses de courriel suspects : Les adresses utilisant des chaînes de caractères aléatoires, des domaines récemment enregistrés ou des variations d'un courriel frauduleux connu sont courantes dans les opérations de fraude. Certains systèmes croisent la durée d'activité d'un courriel et la réputation de son domaine pour évaluer le risque.

• Signaux d'appareil et d'adresse IP : Une seule adresse IP (protocole Internet) générant plusieurs créations de compte, des achats à partir d'un appareil ayant déjà été impliqué dans des incidents de fraude ou des connexions depuis des zones géographiques incohérentes avec l'historique du compte augmentent considérablement l'indice de risque.

Quels signaux d'alerte spécifiques aux paiements les entreprises doivent-elles surveiller?

Le mode de paiement lui-même comporte des signaux de risque qui se distinguent du comportement du compte ou de la transaction. La surveillance de ces indicateurs fournit aux entreprises une couche de détection supplémentaire qu'il est difficile pour les fraudeurs de contourner entièrement.

Faites attention aux signaux suivants :

• Cartes prépayées et virtuelles : Ces cartes peuvent être achetées de manière anonyme et jetées après utilisation, ce qui les rend courantes dans les opérations de fraude.

• Plusieurs cartes associées à un seul compte ou appareil : Un client utilisant trois cartes différentes sur une courte période, en particulier si certaines tentatives échouent, suggère un test (frauduleux) de cartes ou une tentative délibérée de répartir l'exposition sur des identifiants volés.

• Cartes internationales avec adresses de livraison nationales : Si votre profil client typique est national et qu'une commande est passée avec une carte émise dans un pays dont vous ne recevez normalement pas de trafic, cette divergence mérite d'être signalée, surtout si l'adresse de livraison est locale.

• Fréquence de commande anormale dans des périodes restreintes : Une carte qui n'a jamais été utilisée dans votre entreprise et qui apparaît dans trois transactions réparties sur deux heures, ou la même adresse de livraison recevant plusieurs commandes à partir de différents modes de paiement en une seule journée, sont des modèles qui méritent d'être signalés.

• Séquences refusées puis approuvées : Une transaction qui échoue sur une carte et réussit immédiatement sur une autre au cours de la même session indique un cycle de cartes, une technique par laquelle les fraudeurs font défiler des identifiants volés jusqu'à ce que l'un d'eux soit accepté.

Comment les entreprises doivent-elles réagir aux signaux d'alerte de fraude?

La réponse appropriée aux signaux d'alerte de fraude dépend de la gravité du signal, de la combinaison d'indicateurs présents et du contexte de l'entreprise.

La gamme des réponses possibles va de la réponse passive à la réponse active :

• Signaler pour vérification manuelle : Les signaux à faible risque qui n'atteignent pas le seuil de blocage automatique peuvent être redirigés vers une file de vérification, où un humain évalue la commande avant son traitement. Cette approche fonctionne bien pour les transactions de grande valeur comportant un ou deux signaux faibles.

• Déclencher une vérification supplémentaire : Les entreprises peuvent exiger une authentification renforcée (par exemple, un code à usage unique, un courriel de confirmation ou 3D Secure) lorsqu'une transaction atteint certains seuils de risque.

• Suspendre le traitement : En particulier dans le cas de biens physiques, placer une commande en attente pendant que l'indice de risque est évalué donne aux entreprises le temps d'agir sans refuser immédiatement la transaction ni expédier le produit.

• Blocage automatisé : Les signaux très fiables (par exemple, des cartes frauduleuses connues, des adresses IP signalées ou des transactions dépassant un seuil de risque défini) justifient généralement un refus de paiement immédiat sans vérification manuelle.

Comment les entreprises peuvent-elles créer un système de surveillance des fraudes pour réduire leur exposition au fil du temps?

Une liste de signaux d'alerte n'est utile que si le système créé autour d'elle l'est également. Sans logique de règles cohérente, sans seuils définis et sans boucle de rétroaction, la surveillance des fraudes reste réactive. Voici comment créer un système efficace.

Traduire les signaux en règles

La traduction des signaux de fraude détectés en règles personnalisées qui s'exécutent au moment de l'autorisation vous permet de bloquer ou d'examiner instantanément les comportements suspects avant que les fonds ne soient transférés. Une règle peut bloquer toute transaction dont le numéro d'identification bancaire (BIN) de la carte est prépayé et dont la valeur de la commande dépasse 500 $, ou signaler pour vérification les cas où l'adresse de livraison correspond à un transitaire connu. Les outils de détection des fraudes qui utilisent l'apprentissage automatique permettent aux modèles de risque d'être exposés à des modèles d'attaque émergents que les entreprises individuelles ne détecteraient pas par elles-mêmes avant que les dommages ne soient déjà causés.

Ajuster les seuils au fil du temps

Un ensemble de règles trop strictes bloque les clients légitimes; un ensemble de règles trop permissives laisse passer la fraude. Le calibrage approprié évolue à mesure que les modèles de fraude changent et que vous accumulez des données sur les signaux qui prédisent réellement la fraude par rapport à ceux qui génèrent des faux positifs. Choisissez des outils de détection des fraudes qui offrent la visibilité nécessaire pour effectuer des ajustements en fonction de données probantes plutôt que de conjectures.

Boucler la boucle de rétroaction

Lorsqu'une rétrofacturation survient, elle doit alimenter la logique de vos règles : quel signal a été déclenché, lequel ne l'a pas été et si un ajustement de seuil est justifié. Chaque incident de fraude devient une donnée qui permet d'affiner la détection au fil du temps, plutôt qu'un simple coût à absorber.

Comment Stripe Radar peut vous aider

Stripe Radar utilise des modèles d’IA pour détecter et prévenir la fraude, lesquels ont été entraînés à partir des 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 fil de l’évolution des mécanismes de fraude.

Stripe propose également Radar for Fraud Teams, qui permet aux utilisateurs d’ajouter des règles personnalisées pour traiter des scénarios de fraude propres à leur entreprise 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.

Découvrez-en davantage sur Stripe Radar, ou commencez à l’utiliser dès aujourd’hui.