E-commerce : l’IA et le machine learning à la rescousse contre la fraude en ligne

Face à la fraude en ligne qui se multiplie, le retail doit s’adapter. Entre nouvelles réglementation et intelligence artificielle, comment les commerçant peuvent-ils s’en prémunir ?

Quelques chiffres. La fraude au paiement a généré en 2020 plus de 6 % de perte de chiffre d’affaires chez 38 % de vendeurs basés dans 11 pays du monde dont la France, selon un rapport du Fidelity National Information Services daté du 15 juillet 2021. De son côté l’Observatoire national des moyens de paiement, dans son rapport de juillet 2021, précise que la fraude dans le domaine du e-commerce vise principalement le « Commerce généraliste et semi généraliste », les « Services aux particuliers et aux professionnels » et la « Téléphonie et communication » puisque ces trois secteurs d’activité représentent à eux seuls 65% des montants fraudés en 2020. Le secteur du « Voyage, transport » qui figure traditionnellement parmi les secteurs les plus touchés par la fraude voit sa part diminuer de moitié dans la fraude totale (de 12,9 % en 2019 à 6,7 % en 2020) sous l’effet de la très nette réduction des paiements par carte à destination de ce secteur (-81% en 2020 par rapport à 2019) en lien avec la crise de la Covid-19. Etonnant ? Pas nécessairement en raison du contexte sanitaire qui a entraîné une hausse conséquente des achats en ligne. Alors comment les commerçant peuvent-ils lutter contre ce fléau qui, outre la perte directe de revenu, ternit fortement leur réputation auprès du consommateur ?

Les solutions envisagées. Pour prendre de vitesse les fraudeurs sans impacter l’expérience client, les prestataires de paiement ont fait évoluer le cadre règlementaire avec l’arrivée de l’authentification forte (Voir l’article à ce sujet).

Au-delà de ce cadre règlementaire, l’intelligence artificielle et le machine learning ont une belle part à prendre. Au-delà d’Adyen, des acteurs comme Cybersource, Hipay ou Stripe avec Stripe Radar, ont développé leurs solutions et l’apprentissage automatique est un chantier majeur d’innovation. Il constitue en effet une réponse à l’exigence de réactivité, de scalabilité et d’agilité nécessaires à la lutte contre la fraude. Une agilité indispensable pour adapter les dispositifs à chaque transaction. L’objectif est de permettre la mise en place d’une stratégie face à une situation de fraude. Le machine learning permet d’agréger toutes les données fournies par le client et de déterminer un score de fiabilité du profil avec ses modèles par induction logique.

Plus les données sont larges et variées, plus l’identification des comportements suspects est efficace. Dans ce contexte, le développement de connecteurs vers un maximum de sources d’information possibles est un chantier prioritaire. Réseaux sociaux, applications métiers, prestataires de paiement… Les informations sont agrégées, analysées, validées et arbitrées par des agents humains, formés, sensibilisés aux bonnes pratiques. Dès lors, l’innovation porte non seulement sur la multiplication des critères combinables pour définir les stratégies, mais aussi sur l’ergonomie de la solution pour que les équipes en charge de la lutte contre la fraude puissent se l’approprier aisément et en toute autonomie.

a

Magazine made for you.

Featured:

Aucun résultat trouvé pour cette recherche.

Elsewhere: