Fraude en ligne, l'IA comme planche de salut

Grâce aux compétences d’optimisation des algorithmes des data scientist et à un volume de données récentes et pertinentes suffisamment important, moins de 200 millisecondes sont nécessaires pour analyser, évaluer et indiquer s’il faut accepter, refuser ou revoir manuellement une transaction.

Les commerçants n’aiment pas aborder le sujet de la fraude, de peur souvent de passer pour pas assez fiable, tant vis-à-vis de leurs clients que de leurs fournisseurs. Apparue en même temps que le commerce, la fraude est une réalité. Ne pas tenter de la réduire peut entraîner des pertes significatives sur le revenu, sans oublier à l’heure du digital l’impact sur l’image de marque et sur la « e-réputation ».

La fausse bonne idée des commerçants

Pour essayer de se protéger contre cette menace récurrente, les commerçants ont mis en place une parade qui semble à première vue simple, logique et efficace : refuser toutes les transactions suspectes. Mais, il y a de fortes chances que parmi ces rejets, figurent de vrais clients. On parle ainsi de « faux positifs ». Conséquence directe : le marchand perdra non seulement sur le plan financier - le coût d’acquisition de l’internaute plus le panier abandonné - mais aussi en réputation. En effet le vrai client ainsi rejeté n’est pas près de revenir chez ce marchand et risque fort de le déconseiller à son entourage. Avec l’usage croissant des réseaux sociaux, l’impact d’un dénigrement sur i nternet peut porter fortement préjudice à une marque, au point d’aller parfois jusqu’à menacer son activité.

Il y a donc un réel besoin d’améliorer le parcours client et de faire baisser le taux de rejet des cyber marchands, à un niveau que l’on peut considérer comme pertinent, soit en-dessous de 5%.

Comment atteindre ce taux ?

En élargissant la zone verte, qui regroupe les clients clairement identifiés, et la zone rouge, qui rassemble les fraudeurs clairement identifiés. L’objectif est donc de réduire l’étendue de la zone grise, qui recouvre la partie où le marchand ne sait pas identifier avec certitude qui est un client et qui est un fraudeur.

Actuellement, l’analyse qui permet de différencier les vrais clients des fraudeurs s’appuie sur des informations de base telles que la carte de paiement, le nom, le panier ou l’adresse de livraison. En intégrant un historique des commandes, il est déjà possible d’y ajouter d’autres informations qui vont aider à mieux évaluer la fiabilité de la transaction, comme l’adresse IP, le numéro de téléphone, l’email etc.

Pour résumer, lutter efficacement contre la fraude n’est possible qu’avec de la donnée, beaucoup de données !

Et grâce aux nouveaux champs de compétences autour de l’intelligence artificielle, et en particulier le machine learning, il est désormais possible de traiter et d’analyser finement cette grande quantité de données.

L’intelligence artificielle, quel que soit son champ d’utilisation, a besoin de deux éléments essentiels pour être efficace : un algorithme puissant, sachant évoluer, et une grande quantité de données, bien qualifiées. Point de salut pour elle sans ces deux ingrédients.

Pour lutter contre la fraude, le machine learning est d’une aide sans équivalent. Grâce aux compétences d’optimisation des algorithmes des data scientist et à un volume de données récentes et pertinentes suffisamment important, moins de 200 millisecondes sont nécessaires à la solution pour analyser, évaluer et indiquer au commerçant s’il faut accepter, refuser ou revoir manuellement une transaction. Pourquoi accorder une telle importance à la vitesse d’exécution ? Tout simplement pour que le processus de vérification n’impacte en aucun cas l’expérience client au moment du paiement.

Grâce au machine learning, les commerçants peuvent désormais mieux identifier leurs vrais clients des fraudeurs, baisser leur taux de fraude, tout en fluidifiant le parcours client.

Avec l’arrivée de l’authentification forte du client dans le cadre de la seconde Directive sur les Services de Paiement (DSP2) le 14 septembre prochain, le taux de fraude du marchand devient une donnée stratégique. Sans ce précieux sésame, point de possibilité de demander une exemption d’authentification forte, qui elle représente une grosse friction sur le parcours client, pouvant entraîner jusqu’à 11% d’abandon de panier ! Alors que moins d’une entreprise française sur cinq* se déclare apte à lutter efficacement contre la fraude, il est urgent de prendre ce problème à bras le corps !

*CyberSource 2019 Global eCommerce Fraud Management Report