À mesure que le volume des transactions augmente, le nombre d'achats légitimes injustement rejetés suit la même tendance. Au-delà des difficultés financières qui découlent de la perte de revenus, ces « faux positifs » peuvent éroder la confiance du client et mettre en péril la fidélité envers la marque, car les clients frustrés sont plus susceptibles d'abandonner leurs paniers d'achats et de se tourner vers un concurrent.

Les entreprises doivent trouver un équilibre entre la mise en œuvre de stratégies de prévention de la fraude et la création d'expériences d'achat rapides, pratiques et intuitives pour les clients. Avant de songer aux stratégies permettant de diminuer les faux positifs, les entreprises doivent néanmoins comprendre les raisons pour lesquelles ils se produisent.

Dans cet article, nous allons aborder les aspects importants des faux positifs : en quoi ils consistent, pourquoi ils se produisent, quelle est leur cause et quelles sont les bonnes pratiques permettant de s'en prémunir sans que leur diminution ne se fasse au détriment des expériences de transaction simples et sécurisées proposées aux clients. Découvrez ci-dessous tout ce qu'il faut savoir.

Sommaire

• Définition d'un faux refus de paiement
  
• Cause des faux refus de paiement
  
• Prévention des faux refus de paiement
  
• Prévention avec Stripe
  

Définition d'un faux refus de paiement

Les faux refus de paiement, également appelés « faux positifs », se produisent lorsqu'une transaction légitime se voit rejetée par une banque ou un prestataire de services de paiement.

Cause des faux refus de paiement

Les faux refus de paiement se produisent souvent en raison de la détection et de la prévention d'une activité frauduleuse par les systèmes et les algorithmes. Si ces systèmes sont conçus pour protéger les clients et les institutions financières, ils peuvent parfois faire preuve d'une trop grande précaution ou contenir des incohérences qui mènent au rejet de transactions valides.

La compréhension des causes d'un faux refus de paiement peut aider les clients et les entreprises à prendre des mesures préventives et à gérer plus efficacement ces situations. Voici quelques causes fréquentes des faux refus de paiement.

• Comportements de dépense inhabituels
  Les banques et entreprises de cartes bancaires ont pour habitude de suivre les comportements de dépense de leurs clients. Si une transaction ne correspond pas à un comportement de dépense habituel, tel qu'un achat anormalement conséquent ou une suite de transactions rapprochées dans le temps, ces systèmes de suivi peuvent signaler cette transaction comme potentiellement frauduleuse. Si cette mesure peut prévenir la fraude, elle peut parfois bloquer des transactions tout à fait légitimes.

• Erreurs techniques
  Le traitement des transactions implique parfois des systèmes et des réseaux complexes. Il se peut alors qu'un bug technique, une latence du réseau ou une erreur de communication entre différents systèmes soit la cause du refus d'une transaction. Un tel événement peut se produire même lorsque la transaction ne comporte aucune trace de suspicion ou d'irrégularité.

• Dépassement de plafond
  Les institutions financières définissent souvent des plafonds journaliers de transactions sur les comptes, afin de réduire les pertes potentielles dues à la fraude. Si un client tente d'effectuer un achat dont le montant dépasse la limite prédéfinie, la transaction peut être rejetée. De tels plafonds peuvent être utiles pour prévenir la fraude, mais ils peuvent également constituer une cause de frustration pour les clients qui souhaitent effectuer un achat conséquent, mais légitime.

• Informations erronées
  Au cours d'une transaction, les informations d'un client telles que son adresse de facturation, son code de vérification de carte bancaire et la date d'expiration de cette carte doivent être vérifiées. S'il existe une incohérence entre ces informations et celles que la banque possède dans ses fichiers, la transaction est susceptible d'être rejetée. Il s'agit d'une mesure de sécurité courante pour s'assurer que la personne à l'origine de la transaction est bien titulaire de la carte.

• Procédures d'autorisation obsolètes
  Certains prestataires de services de paiement peuvent utiliser des algorithmes de détection de la fraude obsolètes. Ces algorithmes doivent suivre l'évolution des diverses méthodes de fraude. En effet, les systèmes obsolètes peuvent ne pas être capables de distinguer une activité légitime d'une activité frauduleuse, ce qui peut causer davantage de faux refus de paiement.

• Algorithmes strictement conçus pour la détection de la fraude
  Certains algorithmes de détection de la fraude présentent une tolérance bien trop faible et peuvent signaler des transactions légitimes qui s'apparentent, même très légèrement, à un mécanisme de fraude.

• Conditions de détection géographiques
  Les transactions effectuées depuis des lieux éloignés du domicile ou de la région du client, ou depuis des régions fréquemment associées aux activités frauduleuses sont souvent perçues comme suspectes. Par exemple, si un client situé aux États-Unis et qui ne voyage jamais ou presque à l'étranger effectue soudainement un achat dans un autre pays, une alerte de sécurité peut être déclenchée.

• Cartes arrivées à expiration ou comptes fermés
  L'utilisation d'une carte bancaire arrivée à expiration ou d'un compte fermé peut également être une cause de refus de paiement. Un client peut ne pas être au courant que sa carte bancaire a expiré ou que le statut de son compte a été modifié, ce qui peut provoquer un rejet lorsqu'il tente d'effectuer une transaction légitime.

Les clients peuvent prendre des mesures pour empêcher les faux refus de paiement, y compris indiquer à leur banque qu'ils s'apprêtent à effectuer un achat conséquent ou à l'étranger. Les entreprises peuvent travailler avec des prestataires de services de paiement qui utilisent des algorithmes de détection de la fraude plus sophistiqués et adaptatifs, afin de diminuer les risques de faux refus de paiement. À présent, nous allons aborder la manière dont les entreprises peuvent concevoir des systèmes de détection de la fraude très efficaces et qui bloqueront le moins de transactions légitimes possible.

Prévention des faux refus de paiement

Pour réduire le nombre de faux refus de paiement, les entreprises doivent trouver un équilibre entre la prévention de la fraude et la fluidité de l'expérience client. Voici une liste de stratégies clés que les entreprises peuvent adopter pour lutter contre les faux refus de paiement.

• Utiliser des outils avancés de détection de la fraude
  Activez des systèmes de détection de la fraude qui se servent du machine learning et de l'intelligence artificielle. Ces systèmes sont capables d'analyser de très grandes quantités de données en temps réel, ce qui leur permet de distinguer très facilement les transactions authentiques des transactions frauduleuses, et ce, sans aboutir à de faux refus de paiement.

• Personnaliser les paramètres de détection de la fraude
  De nombreux prestataires de services de paiement permettent aux entreprises de personnaliser les paramètres de leurs outils de détection de la fraude. L'ajustement de ces paramètres pour les rendre plus permissifs ou plus fidèles à la clientèle et à ses comportements de dépense est une manière pour les entreprises de diminuer la quantité de faux refus de paiement.

• Adopter l'authentification multifacteur (MFA)
  Plutôt que de rejeter immédiatement une transaction, les entreprises peuvent demander une vérification supplémentaire pour les transactions détectées comme étant suspectes. Par exemple, l'envoi d'un mot de passe à usage unique à l'adresse e-mail ou au numéro de téléphone spécifié par le client peut ajouter une couche de sécurité qui permet d'éviter un rejet immédiat.

• Mettre à jour régulièrement les données des clients
  Gardez à jour les données des clients, telles que les adresses et les numéros de téléphone. De cette façon, vous vous assurez que les informations utilisées pour la vérification au moment d'une transaction sont toujours correctes, ce qui réduit le risque de refus de paiement dû à l'incohérence des données.

• Former les clients à propos des limites d'un compte
  Informez les clients quant aux plafonds de dépense journaliers ou aux restrictions qui existent sur leurs comptes et expliquez-leur comment ils peuvent modifier ces limites ou restrictions, en cas de besoin. Vous pourrez ainsi éviter le refus de transactions légitimes en raison d'un dépassement de limites prédéfinies.

• Ajouter les clients de confiance à une liste blanche
  Les entreprises dont les clients ont un historique de transactions légitimes peuvent les ajouter à une liste blanche. Les transactions de ces clients subiront ainsi des vérifications moins strictes, ce qui réduit la probabilité de faux refus de paiement.

• Analyser les données
  L'analyse des données de transaction permet aux entreprises d'identifier des mécanismes qui peuvent les aider à cerner les transactions susceptibles d'être de faux refus de paiement. Ces informations peuvent être utilisées pour affiner les systèmes de détection de la fraude.

• Demander leur avis aux clients
  Incitez les clients à faire part de leur expérience en cas de faux refus de paiement. Les informations que vous recevrez pourront être extrêmement pertinentes pour comprendre les raisons qui se cachent derrière des faux refus de paiement et apporter des ajustements aux systèmes de détection de la fraude.

• Suivre et examiner les transactions rejetées
  Examinez régulièrement les transactions qui ont été rejetées afin d'identifier des mécanismes parmi les faux refus de paiement. Vous pourrez ainsi ajuster de façon appropriée les mesures de détection de la fraude.

Pour chacune des ces stratégies, il est essentiel de choisir le prestataire de services de paiement idéal. La façon dont votre prestataire de services de paiement gère les faux refus de paiement peut rendre le processus fluide ou, au contraire, frustrant.

Prévention avec Stripe

L'approche sophistiquée de Stripe en matière de détection et de prévention de la fraude réduit les risques de faux refus de paiement grâce à l'association du machine learning et de l'analyse de données. Voici un aperçu de la façon dont Stripe conçoit des systèmes de paiement aussi résistants que possible aux faux refus de paiement.

• Grands jeux de données
  Chaque année, Stripe traite des volumes de transactions s'élevant à plusieurs milliards de dollars, ce qui lui permet de bénéficier de grands jeux de données que le machine learning et les algorithmes peuvent utiliser pour identifier des mécanismes et des tendances de façon plus efficace. Les algorithmes de Stripe analysent ces jeux de données pour apprendre à mieux comparer les transactions légitimes et les fraudes.

• Apprentissage et adaptation en temps réel
  Les modèles de machine learning de Stripe sont capables de fonctionner en temps réel. À mesure qu'ils traitent des transactions, ils en analysent les résultats et s'adaptent immédiatement en conséquence. Cette adaptation en temps réel permet aux modèles d'être systématiquement à jour avec les derniers mécanismes de fraude, et ce, sans mettre en danger les taux d'approbation des transactions légitimes.

• Personnalisation selon les entreprises
  Parce que chaque entreprise est unique, Stripe sait qu'une transaction normale pour l'une d'elles peut paraître inhabituelle pour une autre. Ainsi, les modèles de machine learning de Stripe s'adaptent aux mécanismes de transactions spécifiques de chaque entreprise. Cette personnalisation permet de diminuer la probabilité qu'une transaction soit signalée comme frauduleuse sur la seule base des normes du secteur.

• Cotation des risques
  Stripe attribue à chaque transaction un score de risque, qui indique la probabilité qu'une transaction soit frauduleuse. Les entreprises peuvent utiliser ces scores de risque pour définir leur seuil en dessous duquel une transaction doit automatiquement être rejetée ou signalée pour examen manuel, ce qui leur donne davantage de contrôle et de flexibilité pour la gestion de la prévention de la fraude.

• Stripe Radar
  Stripe Radar utilise le machine learning pour contrôler la présence de fraude dans les transactions. Radar se sert de centaines d'indicateurs de chacune des transactions et utilise les données de la totalité du réseau Stripe pour détecter et prévenir la fraude. De plus, il s'adapte automatiquement aux évolutions des mécanismes de fraudes. Les entreprises peuvent également définir des règles personnalisées afin de satisfaire leurs propres exigences.

• Outils d'authentification
  Stripe prend en charge 3D Secure, un outil d'authentification qui ajoute une couche de vérification pour les paiements par carte. Même si une transaction est signalée comme étant potentiellement frauduleuse, le client peut effectuer son achat grâce à une vérification supplémentaire, ce qui réduit les chances de faux refus de paiement.

L'intégration de ces éléments à ses mesures de détection et de prévention de la fraude permet à Stripe de réduire la quantité de faux refus de paiement, sans que cela ne nuise à la protection contre les transactions frauduleuses. Pour en savoir plus et commencer avec Stripe, rendez-vous ici.