Il s'agit d'un guide structuré pour évaluer les fournisseurs de prévention de la fraude. Stripe Radar y est inclus comme point de référence ; c'est un exemple concret de ce à quoi ressemble la meilleure infrastructure de prévention de la fraude en 2026.

Ce guide comprend 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 s'adresser. Elle comprend également les dates clés en début de document et des informations sur ce à quoi la soumission finale doit ressembler.

Coordonnées

Dates clés

Format de soumission

Toutes les réponses doivent être soumises par voie électronique via email au format PDF. Les modèles de tarification et de notation (fournis séparément sur 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

Objectif de cet appel d’offres

[Votre entreprise] recherche un partenaire de facturation capable de prendre en charge des transactions multidevises sécurisées, de s'intégrer facilement aux systèmes internes via des API modernes, et d'offrir une grande fiabilité, une détection proactive de la fraude et une transparence des données dans toutes les régions.

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

Avis de confidentialité

Cet appel d'offres contient des informations confidentielles et exclusives appartenant à [votre entreprise]. Il est fourni uniquement dans le but de préparer une réponse. Toute distribution au-delà des personnes directement impliquées dans la préparation d'une proposition est interdite. En acceptant cet appel d'offres, le bénéficiaire s'engage à protéger ces informations avec au moins le même degré de soin qu'il applique pour protéger ses propres informations confidentielles.

Section A : Instructions administratives

Cette section définit 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 gestion des risques. Toute ambiguïté à ce niveau 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'a aucune obligation d'attribuer un contrat ou de rembourser les frais engagés pour préparer une réponse. Les fournisseurs sont seuls responsables de leurs propres dépenses tout au long de ce processus.

A.3 Calendrier de l’appel d’offres

A.4 Directives de soumission

• Toutes les propositions doivent être soumises par email à [adresse email de contact].

• Les prestataires doivent confirmer le reçu dans les trois jours ouvrables suivant l'émission.

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

• Toutes les communications doivent passer par le responsable désigné de l'appel d'offres. Tout contact direct avec d'autres employés de [votre entreprise] pendant la période d'évaluation peut entraîner une disqualification.

A.5 Documents requis pour la soumission

A.6 Aperçu de l’évaluation

[Votre entreprise] évaluera les propositions sur la qualité du modèle d'IA, l'étendue de la couverture contre la fraude, les taux de faux positifs, la préparation au commerce agentique, la fiabilité de l'API et la stabilité du prestataire. Les prestataires doivent démontrer des améliorations mesurables de la réduction de la fraude, des taux de litiges et de l'efficacité opérationnelle avec des preuves de production. Les affirmations sans données ne seront pas notées.

A.7 Accusé de réception du fournisseur

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

Nous confirmons le reçu 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 : Aperçu et étendue du projet

Un aperçu vague produit des propositions génériques. Donnez aux fournisseurs le contexte spécifique nécessaire pour répondre intelligemment : votre business model, votre exposition actuelle à la fraude, les vecteurs d'attaque identifiés et les résultats à améliorer. La fraude évolue rapidement, votre appel d'offres doit le refléter.

Voici quelques détails supplémentaires à inclure pour la personnalisation :

• Siège social et marchés clés
  
• Volume de transactions et valeur moyenne des commandes
  
• Répartition entre les transactions nationales et transfrontalières
  
• Principaux moyens de paiement utilisés (par exemple, cartes, ACH, SEPA, portefeuilles numériques)
  
• Équipes internes impliquées (par exemple, ingénierie, finance, juridique et conformité, opérations)
  

B.1 Présentation de l’entreprise

• [Votre entreprise] est une [marketplace / entreprise SaaS / entreprise e-commerce / plateforme] [B2B / B2C / C2C] opérant sur [insérer les marchés]. Nous traitons environ [X] transactions par mois via [X] moyens de paiement et devises. Nous enregistrons actuellement un taux de fraude d'environ [X] % et un taux de litiges de [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 la suite d'outils complète (fraude liée aux transactions, fraude liée aux comptes et abus de clients) sans nécessiter de maintenance technique continue importante.
  

B.2 Objectif du projet

• Cet appel d'offres vise à identifier 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 (par exemple, notre système établi sur des règles produit trop de faux positifs, nous n'avons aucune couverture pour la fraude ou les abus liés aux comptes, notre taux de litiges augmente, nous manquons de visibilité sur les vecteurs de fraude émergents)].
  

B.3 Périmètre des travaux

Livrables de base

• Prévention de la fraude liée aux transactions : score de risque de fraude optimisé par l'IA sur chaque paiement, avec des taux de faux positifs documentés et des chiffres de réduction de la fraude issus de l'environnement de production

• Prévention de la fraude liée aux comptes : détection et action automatisées sur les comptes frauduleux tout au long du cycle de vie, de l'onboarding à la surveillance des activités

• Prévention des abus : détection et blocage des abus liés aux essais gratuits, des abus liés au paiement à l'utilisation et des vecteurs de fraude interne

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

• Moteur de règles personnalisées : capacité pour notre équipe de gestion des risques à créer et tester des règles personnalisées sans implication de l'ingénierie

• Dashboard et reporting unifiés : visibilité en temps réel sur les taux de fraude, les taux de litiges, les performances des règles et les résultats des modèles en un seul endroit

• Accès API : intégration programmatique pour les équipes devant intégrer l'intelligence sur la fraude dans des workflows personnalisés

Livrables supplémentaires

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

• Prise en charge de [insérer les moyens de paiement requis (par exemple, ACH, SEPA, portefeuilles, paiement différé, stablecoins)]

• Contrôles de fraude au niveau de la plateforme pour les opérateurs de marketplaces : réserves, restrictions de virements et actions sur le cycle de vie du compte

B.4 Travaux hors périmètre

Définissez ce qui est exclu afin que les fournisseurs ne le facturent pas et n'en assument pas la responsabilité. Voici quelques exemples :

• Infrastructure complète de conformité KYC et AML (gérée séparément par notre prestataire de services de paiement)*

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

• Business intelligence générale ou stockage de données non liés à la fraude*

B.5 Résultats attendus

• 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 litiges inférieur à [X] % dans les 90 jours*

• Taux de faux positifs inférieur à [X] % (mesuré par le nombre de transactions légitimes refusées ou signalées à tort)*

• Abus liés aux essais gratuits bloqués avec une précision d'au moins 90 % (référence actuelle)*

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

• Configuration sans code (zero-code) terminée dans les [X] jours suivant la signature du contrat*

Section C : Instructions relatives aux propositions

Standardisez ce que vous recevez pour pouvoir comparer les prestataires côte à côte. Les propositions de prévention de la fraude ont tendance à mettre en avant des descriptions de produits et du jargon lié au machine learning. Exigez plutôt des résultats de production.

C.1 Format et structure de la proposition

Chaque proposition doit suivre cette structure :

• Résumé analytique (trois pages maximum)

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

• Modèle de tarification complété au format Excel

• Profil du prestataire et résumé financier

• Au moins trois références de clients d'entreprises comparables

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

Les soumissions qui s'écartent de manière significative ou qui omettent des éléments obligatoires peuvent être jugées non conformes.

C.2 Exigences de formatage

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

• Police de 11 pt minimum, marges de 2,5 cm, numérotation des pages obligatoire

• Tous les montants monétaires en USD, sauf indication contraire

• Nommage des fichiers : [Nom du prestataire]-Fraude-Appel-d'offres-[Date].pdf

C.3 Directives sur le contenu de la proposition

Résumé exécutif

• Mettez en avant les résultats mesurés de déploiements comparables : pourcentages de réduction de la fraude, améliorations du taux de litiges, 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, en particulier la manière dont votre modèle d'IA continuera à devancer le développement de la fraude.

Aperçu et architecture de la solution

• Décrivez comment votre plateforme couvre l'ensemble de la suite d'outils de lutte contre la fraude (fraude liée aux transactions, fraude liée aux comptes, prévention des abus et gestion des litiges) via une seule intégration.

• Décrivez la base de données qui sous-tend vos modèles d'IA : le volume de transactions, l'étendue géographique et des émetteurs, ainsi que la diversité des moyens de paiement. Cette base détermine si le modèle est performant à grande échelle. La référence pour les infrastructures de pointe de lutte contre la fraude est une IA entraînée sur plus de 1 900 milliards de dollars de transactions annuelles.

• Décrivez comment votre modèle se met à jour en fonction de l'évolution des modèles de fraude et à quelle vitesse les nouveaux vecteurs de fraude sont intégrés.

Commerce agentique

• Décrivez vos capacités de production actuelles pour détecter et prévenir la fraude dans les transactions initiées par des agents d'IA. Le commerce basé sur des agents est une exigence actuelle et non un élément de la feuille de route future. Les propositions qui présentent cela comme à venir seront notées en conséquence.
  

Couverture et moyens de paiement

• Précisez exactement quels moyens de paiement vous couvrez (par exemple, cartes, ACH, SEPA, portefeuilles, paiement différé, des stablecoins).
  

Sécurité et conformité

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

• Fournissez 12 mois d'historique des données de temps de disponibilité. L'attente pour une infrastructure de fraude de niveau production est un temps de disponibilité supérieur à 99,999 %.

C.4 Clarifications et questions

Les questions doivent être soumises par écrit d'ici la [date limite de dépôt des questions] à [adresse e-mail du responsable de l'appel d'offres]. Les réponses seront distribuées simultanément à tous les participants. Aucune discussion informelle avec d'autres membres du personnel de [votre entreprise] n'est autorisée au cours du processus.

C.5 Validité de la proposition

Les propositions doivent rester valides pendant 90 jours à compter de la date limite de soumission, sauf 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 éclaircissements ou de mener des négociations parallèles avec un ou plusieurs prestataires. La participation ne constitue pas un engagement d'achat.

Section D : Processus d’évaluation

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

D.1 Méthodologie d’évaluation

Toutes les propositions seront examinées par une équipe pluridisciplinaire comprenant l'ingénierie, la finance, les services juridique et de conformité, les risques et les opérations.

L'évaluation se déroule en trois étapes :

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

• Évaluation qualitative : Évaluez chaque soumission par rapport à des critères pondérés à l'aide d'une échelle de 1 à 5 (5 = exceptionnel, étayé par des preuves de production ; 1 = ne répond pas aux critères de base). Une note de 5 nécessite des indicateurs de production documentés.

• Démonstration et évaluation finale : Les fournisseurs présélectionnés présentent des démonstrations en direct de la plateforme. Les démonstrations doivent utiliser un environnement de test équivalent à la production, et non une présentation scénarisée.

D.2 Critères d’évaluation et pondérations

La couverture des menaces émergentes et des agents a un poids de 15 % car la capacité de détecter la fraude dans les transactions initiées par des agents d'IA constitue une lacune structurelle entre les fournisseurs. Par exemple, 65 % des chefs 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 de couverture adaptative aujourd'hui prendront encore plus de retard à mesure que les vecteurs de fraude continueront d'évoluer.

D.3 Exigences de démonstration

Les fournisseurs présélectionnés devront démontrer en direct ce qui suit dans un environnement de test :

• Évaluation de la fraude sur les 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 lors de l'onboarding et après l'activation

• Prévention des abus en action : démontrez la détection des abus d'essai gratuit avec une précision de référence de 90 %

• Création de règles personnalisées : un analyste des risques crée une nouvelle règle sans l'intervention d'ingénieurs, la teste dans l'environnement de test et examine son impact projeté

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

• Protection du commerce par agent : 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 litiges, performances des règles et examen des résultats du modèle en un seul endroit

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

D.4 Négociation et attribution du contrat

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

⚑ Notes de l'évaluateur : à supprimer avant l'envoi aux fournisseurs

• Évaluez indépendamment avant les délibérations 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 termes spécifiques : volume de transactions, années de données, étendue géographique, couverture des émetteurs et diversité des moyens de paiement. La réponse révèle quelle part de ses performances de détection de la fraude est réelle par rapport à celle annoncée. La référence est de plus de 1,9 billion de dollars de transactions annuelles.
  
• Étudiez la couverture des moyens de paiement. Pour chaque moyen de paiement de votre liste (par exemple, ACH, SEPA, portefeuilles, paiement différé, stablecoins), demandez si le modèle a été entraîné sur des données de ce moyen de paiement et à quoi ressemblent les chiffres de réduction de la fraude spécifiquement pour celui-ci.
  
• La démonstration de commerce par agent est non négociable. Tout fournisseur incapable de démontrer aujourd'hui la détection de la fraude sur les transactions initiées par des agents d'IA dans un environnement de test n'est pas prêt pour l'avenir de votre plateforme.
  
• Demandez des taux de faux positifs issus de la production, et non des projections. Un modèle qui bloque 40 % de la fraude mais refuse 5 % des transactions légitimes constitue un problème de revenus, et non une solution contre la fraude.
  
• Demandez 12 mois de données de temps de disponibilité, et pas seulement un SLA. La différence entre 99,900 % et 99,999 % de temps de disponibilité 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 prestataire digne de ce nom doit pouvoir faire état de résultats documentés issus de déploiements réels. Pour chaque exigence, les prestataires doivent indiquer le statut : Standard (actuellement en production), Configurable (nécessite une configuration), Personnalisé (nécessite un développement) ou N/A.

E.1 Qualité du modèle d'IA et de l'ensemble de données

L'efficacité de l'IA pour la prévention de la fraude dépend des données sur lesquelles elle est entraînée. Un modèle formé sur des dizaines de milliards de transactions réparties sur divers marchés, émetteurs et moyens de paiement produit des résultats nettement supérieurs à ceux d'un modèle basé sur un ensemble de données plus restreint. Il y a 92 % de chances qu'une carte utilisée sur le réseau Stripe ait déjà été vue auparavant : ce niveau de signal préalable constitue 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 aux paiements en ligne devrait augmenter de 15 % en 2025. L'infrastructure appropriée permet de détecter des fraudes que d'autres ne peuvent identifier, car son modèle a déjà rencontré ces schémas.

E.3 Prévention de la fraude liée aux comptes

La fraude liée aux comptes (création de comptes frauduleux 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'onboarding plutôt qu'après l'activation. La référence pour les infrastructures de pointe s'élève à plus de 3,5 millions de comptes connectés frauduleux bloqués par an.

E.4 Prévention des abus

La fraude à la première partie (abus des périodes d'essai, abus du système de paiement à l'usage et fraude amicale) coûte 200 milliards de dollars par an aux entreprises. L'année passée, 94 % des entreprises en ont été victimes. Les outils traditionnels de lutte contre la fraude ne sont pas conçus pour la détecter. Exigez des preuves issues de la production, et non une description de la feuille de route d'un prestataire.

E.5 Gestion des litiges

Les litiges coûtent aux entreprises 35 $ pour chaque tranche de 100 $ de rétrofacturations, si l'on tient compte des coûts opérationnels, des frais de réseau et du temps investi. L'infrastructure appropriée automatise l'envoi de preuves, affiche la probabilité du taux de litiges remportés pour chaque cas afin de permettre à votre équipe de les trier efficacement, et, dans l'idéal, arrête les litiges avant même qu'ils ne soient déclarés.

E.6 Règles personnalisées et outils pour les équipes en charge des risques

Une plateforme de prévention de la fraude qui nécessite l'intervention de l'équipe de développement pour ajuster la stratégie de risque est un goulet d'étranglement. Votre équipe en charge des risques doit agir plus vite que la fraude. Cela signifie que les utilisateurs non techniques doivent pouvoir écrire, tester et déployer des règles sans créer de ticket.

E.7 Commerce agentique 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 marketplaces 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 transactions augmentera. Tout fournisseur qui ne peut pas démontrer sa capacité à détecter la fraude sur les transactions initiées par des agents dans un environnement de test aujourd'hui n'est pas prêt.

E.8 Analyses, rapports et informations en temps réel

Les analyses de la fraude et les rapports sont obligatoires. Si votre équipe en charge des risques ne peut pas voir ce qui se passe en temps réel, enquêter sur les décisions relatives aux transactions individuelles et recevoir des alertes proactives lorsqu'une attaque est en cours, elle réagit 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 nécessite une maintenance technique continue pour rester efficace est une taxe cachée sur votre équipe produit. Évaluez l'API comme 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 l'audit PCI de 100 % est la norme.

E.11 Certification du fournisseur

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

Représentant autorisé : ________________________

Titre : ________________________

Date : _______

⚑ Notes des évaluateurs (à supprimer avant l'envoi aux fournisseurs)

• Une note de 5 sur tout critère nécessite des métriques de production documentées. Affirmer « Nous prenons en charge ceci » sans preuve vaut au mieux un 3.
  
• Demandez à chaque fournisseur de préciser l'empreinte des données d'entraînement de son modèle d'IA en termes précis : nombre de transactions, années de données, étendue géographique et des émetteurs, et diversité des moyens de paiement. Il s'agit du principal facteur de différenciation en matière de performances de détection de la fraude.
  
• Examinez la couverture du moyen de paiement. Pour chaque moyen de votre liste (par exemple, ACH, SEPA, portefeuilles, paiement différé, stablecoins), demandez si le modèle a été entraîné sur des données de production issues de ce moyen et à quoi ressemble la réduction de la fraude spécifiquement pour celui-ci.
  
• Demandez les taux de faux positifs, et pas seulement les taux de réduction de la fraude. Un modèle présentant une réduction de la fraude de 40 % mais un taux de faux positifs de 5 % vous fait perdre des revenus.
  
• Demandez à voir l'interface d'écriture de règle en langage clair en mode production. Les utilisateurs non techniques doivent pouvoir écrire et simuler une nouvelle règle dans la démonstration sans assistance.
  
• Demandez aux fournisseurs de faire une démonstration du mode shadow. Exécutez une nouvelle règle sur des données historiques et montrez l'impact projeté avant son passage en mode production. Il s'agit d'un flux de travail essentiel pour toute équipe de gestion des risques.
  
• Demandez si les listes de blocage et d'autorisation peuvent inclure des champs de données d'entreprise personnalisés. Un fournisseur qui ne prend en charge que les attributs de transaction standard atteindra rapidement ses limites.
  
• Concernant les litiges, demandez si les intégrations Verifi et Ethoca sont natives ou nécessitent des contrats tiers distincts. Une intégration native est importante pour la rapidité d'intervention.
  
• Demandez à voir une alerte d'attaque de fraude en temps réel issue de la production. À quoi ressemble la notification, à quelle vitesse se déclenche-t-elle et que dit l'atténuation recommandée ?
  
• La démonstration du commerce par agents est une exigence stricte. Tout fournisseur incapable de montrer aujourd'hui la détection de la fraude sur des transactions initiées par un agent d'IA dans un environnement de test n'est pas prêt.
  
• Demandez 12 mois de données historiques de temps de disponibilité et l'historique complet de l'audit PCI. Le SLA et l'état de certification actuel ne sont pas suffisants.
  

Section F : Déploiement et assistance

L'activation de la prévention de la fraude sur une plateforme en mode 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 norme 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 le taux de faux positifs pour votre combinaison de transactions spécifique.

• Leurs processus pour une exécution en parallèle : tester la nouvelle plateforme sur le trafic réel avant l'implémentation complète afin que vous puissiez valider les performances avant de désactiver les contrôles existants.

• La manière 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 de la 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 de support après le lancement (la transition est souvent le moment où la qualité du service baisse).

F.3 Formation et documentation

Les fournisseurs doivent décrire :

• La formation disponible pour les équipes Risque, Ingénierie, Finance et Opérations.

• La qualité et l'actualisation de la documentation, les meilleures plateformes proposant une documentation que les analystes des risques préfèrent consulter plutôt que de poser des questions au service de support.

• La manière dont la documentation est mise à jour lorsque le modèle et le produit intègrent de nouvelles capacités de détection de la fraude.

F.4 Modèle de support et accords de niveau de service (SLA)

Les fournisseurs doivent préciser :

• Les niveaux de service de support et ce qui y est inclus : un pic de faux positifs ou une dégradation du modèle à 2 h du matin est un incident de sévérité 1 qui nécessite une réponse immédiate.

• Les accords de niveau de service (SLA) sur les délais de réponse par niveau de sévérité, avec engagements contractuels.

• La manière dont les clients sont notifiés en cas d'incidents du modèle de fraude ou d'événements de dégradation et ce que produit l'analyse post-incident.

• Les données historiques sur les temps de réponse pour la sévérité 1, et non seulement le SLA.

F.5 Amélioration continue

Décrivez précisément comment votre plateforme utilise le machine learning et les analyses de production pour améliorer les résultats en matière de fraude au fil du temps. Donnez des exemples avec des métriques de production : les améliorations de la réduction de la fraude fournies aux clients existants sur 12 mois, l'évolution du taux de faux positifs et l'amélioration du taux de litiges.

F.6 Attestation du fournisseur

Je certifie que tous les détails concernant l'implémentation et le service de support sont exacts à la date de soumission et reflètent les pratiques de production actuelles.

Représentant autorisé : ________________________

Titre : ________________________

Date : _______

⚑ Notes aux évaluateurs (à supprimer avant envoi aux fournisseurs)

• Demandez des exemples d'implémentation précis pour des entreprises comparables (par ex., volume de transactions, taux de fraude à l'époque, nombre de marchés). Refusez les fourchettes.
  
• Posez des questions spécifiquement sur le processus de calibration des seuils. Un fournisseur qui définit un seuil global unique puis passe à autre chose ne traite pas votre profil de fraude comme étant unique.
  
• Demandez les données réelles des temps de réponse pour la sévérité 1 au cours des 12 derniers mois.
  
• Demandez si l'équipe d'implémentation est la même que celle qui gère le service de support après le lancement.
  
• Demandez dans quel délai un nouveau vecteur de fraude (auquel votre entreprise n'a jamais été confrontée) serait intégré au modèle après sa détection.
  

Section G : Conditions commerciales

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 d'autres par niveau. Standardisez les informations pour comparer les coûts réels.

G.1 Présentation de la structure tarifaire

Les fournisseurs doivent fournir :

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

• Une explication des hypothèses de tarification (volume de transactions, valeur moyenne des commandes, taux de fraude et répartition des moyens de paiement)

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

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

G.2 Composants de la tarification

G.3 Sensibilité au volume

Indiquez le coût total estimé pour les volumes de transactions suivants :

G.4 Conditions du contrat

• Durées de contrat disponibles et incitations tarifaires pour chacune

• Si la tarification diminue automatiquement en cas de baisse de volume

• Clauses de sortie et portabilité des données—comment les signaux de fraude, les configurations de règle et l'historique des données sont renvoyés, dans quel format et selon quel calendrier

• Exigences de dépenses minimales

G.5 Hypothèses et dépendances

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

G.6 Certification du fournisseur

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

Représentant autorisé : ________________________

Date : _______

⚑ Notes de l'évaluateur—à supprimer avant l'envoi aux fournisseurs

• Rapprocher le récit avec la feuille Excel. Les divergences sont un signal.
  
• La tarification de la prévention de la fraude dissimule 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 non uniquement 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 à mesure que les taux de fraude diminuent.
  
• La portabilité des données est souvent le véritable mécanisme de verrouillage. Évaluez les conditions de sortie avant de signer, pas après.
  
• Demandez aux fournisseurs de modéliser le coût total pour un volume de transaction 10 fois supérieur à votre volume actuel. La courbe de tarification par rapport à la croissance compte autant que le taux actuel.
  

Section H : Profil du fournisseur

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

H.1 Présentation de l’entreprise

Fournissez un résumé de deux à trois paragraphes expliquant votre histoire, votre mission et votre position sur le marché. Concentrez-vous sur votre expérience avec des entreprises de [votre secteur ou segment (par exemple, e-commerce, SaaS, marketplace, entreprises d'IA, plateformes)]. Décrivez votre capacité à maintenir la qualité de la détection face au développement de modèles de fraude et votre historique de déploiement de fonctionnalités de prévention de la fraude avant l'apparition de nouvelles menaces.

H.2 Base de clients et antécédents

Fournissez des données spécifiques sur votre base de clients :

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

• Volume de transactions global protégé par an

• Secteurs et modèles économiques représentés dans votre base de clients

• Part des entreprises de votre segment cible (par exemple, e-commerce, 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 leur liquidité. Décrivez votre structure de financement.

H.4 Certifications et conformité

H.5 Reconnaissance par les analystes

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

H.6 Rythme d'amélioration

Décrivez la fréquence de publication de vos produits au cours des 12 derniers mois, y compris le nombre de mises à jour déployées et les principales fonctionnalités lancées en matière de détection de la fraude par IA, de prévention des abus et de protection du commerce agentique. La norme 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 importantes 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] dispose de la capacité financière, technique et opérationnelle pour fournir 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 business model, à votre combinaison de transactions et à votre empreinte géographique. Un fournisseur qui protège une entreprise dont le profil de fraude est similaire au vôtre doit disposer de références permettant de témoigner de résultats réels.

I.1 Exigences en matière de références

Les fournisseurs doivent présenter au moins trois références répondant aux critères suivants :

• Un business model comparable à [votre entreprise], dans le même secteur ou type de transaction

• Un volume de transactions ou un 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 litiges

• Un client actif en production depuis au moins 12 mois

I.2 Tableau de référence

I.3 Résumé des résultats de référence

Pour chaque référence, indiquez les résultats documentés : pourcentage de réduction de la fraude, taux de faux positifs, amélioration du taux de litiges, précision de la prévention des abus ou gains d'efficacité opérationnelle. Indiquez des chiffres précis, et non des fourchettes.

I.4 Validation des références

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

Représentant autorisé : ________________________

Date : _______

⚑ Notes de l'évaluateur (à supprimer avant l'envoi aux fournisseurs)

• Appelez au moins deux références. Les résumés écrits sont sélectionnés par le fournisseur.
  
• Demandez spécifiquement aux références si les taux de réduction de la fraude et de faux positifs indiqués dans la proposition correspondent à ce qu'elles ont observé en production.
  
• Renseignez-vous sur l'expérience de mise en œuvre et le processus de calibrage des seuils (et non seulement sur la plateforme en régime permanent).
  
• Demandez si le modèle du fournisseur s'est adapté aux nouveaux vecteurs de fraude rencontrés par la référence après sa mise en production, et à quelle vitesse.
  
• Signalez les références issues de business models non comparables. Une référence issue d'une entreprise de retail physique ne vous renseigne que très peu sur les performances en matière de fraude numérique.
  

Section J : Annexes

Liste de contrôle de soumission (usage fournisseur)

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

J.2 Glossaire des conditions

J.3 Matrice de notation d’évaluation (usage interne)

J.4 Liste de contrôle rapide des exigences

Pour l'auto-évaluation du prestataire avant soumission.

Qualité du modèle d'IA et de l'ensemble de données

• Empreinte des données d'entraînement du modèle d'IA décrite en termes spécifiques (volume, zone géographique, émetteurs et moyens de paiement)

• Réduction de la fraude documentée en production (la référence moyenne est de 32 %)

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

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

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

• Renseignements au niveau du réseau à grande échelle

• Prise en charge d'une configuration multiprestataire (scores de risque disponibles pour les paiements traités en externe)

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

• Contrôle flexible à plusieurs étapes du tunnel 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 (no-code)

• 3DS dynamique et SCA (appliquées uniquement aux transactions à haut risque, pas à toutes)

• Couverture pour les cartes bancaires, ACH, SEPA, portefeuilles électroniques, le paiement différé et les stablecoins

• Détection du test de cartes bancaires (l'augmentation du taux de détection de 59 % à 97 % constitue la référence d'amélioration)

• Portabilité des numéros de compte principal (PAN) (listes d'autorisation et de blocage ainsi qu'historique de fraude transférables entre les prestataires)

• Détection de la fraude transfrontalière

Prévention de la fraude liée aux comptes

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

• Surveillance continue du compte après l'activation

• Vérification renforcée pour les comptes limites (pas manifestement frauduleux)

• Vue des comptes signalés (liste en temps réel des comptes suspects)

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

• Actions automatisées sur le compte (réserves, restrictions de virements et blocage)

• Plus de 3,5 millions de comptes connectés frauduleux bloqués par an (indicateur équivalent requis)

• Réduction de l'exposition à la fraude par 5,3 (indicateur équivalent requis)

Prévention des abus

• Prévention des abus liés aux périodes d'essai gratuites (une précision de 90 % est la référence)

• 715 000 essais à haut risque bloqués et 6 millions de dollars de pertes évitées en deux mois (équivalent requis)

• Détection 6,2 fois meilleure des nouveaux vecteurs d'abus (équivalent requis)

• Prévention des abus avec tarification à l'usage

• Couverture des abus sur le cycle de vie du client

Gestion des litiges

• Soumission automatisée de preuves par type de litige

• Probabilité du taux de litiges remportés pour chaque litige

• Recommandations de preuves pour chaque litige

• Smart Refunds ou remboursement proactif avant rétrofacturation

• Alertes de fraude précoces des émetteurs avant la rétrofacturation formelle

• Intégration native de Verifi et Ethoca

• Suivi et analyse du taux de litiges remportés

• VAMP et position dans le programme de surveillance dans le Dashboard

Règles personnalisées et outils pour l'équipe en charge des risques

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

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

• Listes de blocage et d'autorisation (adresse IP, e-mail, BIN de carte bancaire, empreinte d'identification de l'appareil)

• Suggestions de règle basées sur vos principaux indicateurs de fraude

• Mode shadow ou simulation de scénarios sur les données historiques

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

• Analyse des performances de règle en temps réel

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

• File de vérification manuelle avec outils de workflow

Analyses et rapports

• Dashboard Unified (fraude, paiements et litiges sur une seule vue)

• Mises à jour du Dashboard en temps réel (sans délai)

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

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

• Outils d'investigation des mécanismes de fraude

• Statut du programme de surveillance en temps réel

• Synchronisation du data warehouse (par exemple, Snowflake, BigQuery, Redshift)

• Filtrage des analyses par sous-traitant

• Gestion des litiges par programmation via une API avec des webhooks

Couverture des agents et des menaces émergentes

• Évaluation de la fraude sur les transactions initiées par un agent d'IA (démonstration dans un environnement de test)

• Détection d'anomalies dans 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 (rythme d'amélioration prouvé)

Architecture de la plateforme et API

• Configuration sans code (activation le jour même)

• Latence de l'API p99 (chiffres de production obligatoires)

• Temps de disponibilité de 99,999 % et plus (données historiques sur 12 mois)

• Taux de réussite de 100 % aux audits PCI (historique complet)

• Environnement de test complet avec parité de production, y compris les flux basés sur des agents

• Configuration des règles et des seuils sans code

Sécurité et conformité

• PCI DSS v4.0 (en vigueur depuis mars 2024) avec un taux de réussite de 100 % aux audits

• 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 à ma connaissance. [Votre entreprise] se réserve le droit de vérifier toute déclaration faite dans cette réponse.

Nom de l'entreprise : ________________________

Représentant autorisé : ________________________

Fonction : ________________________

Signature : ________________________

Date : _______

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. Il met continuellement à jour ces modèles pour tenir compte des dernières tendances en matière de fraude, et protège ainsi votre entreprise à mesure que la fraude évolue.

Stripe propose également Radar for Fraud Teams, qui permet aux utilisateurs d’ajouter des règles personnalisées pour faire face aux scénarios de fraude propres à leurs activités et d’accéder à des analyses avancées en la matière.

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.