La détection de fraude par IA fera économiser des milliards aux marques de commerce électronique

L'intelligence artificielle (IA) révolutionne presque tous les secteurs, y compris le commerce électronique. L'un de ces domaines dans lesquels les entreprises de commerce électronique astucieuses utilisent l'IA est la détection des fraudes. Avec les progrès de l'analyse des données, les algorithmes peuvent analyser des millions de points de données pour détecter de nouveaux cas potentiels de fraude, plus tôt et avec une plus grande précision.

Pour exécuter un système de détection de fraude efficace, les commerçants doivent maintenir un équilibre délicat de précision. Ils doivent refuser les transactions frauduleuses, qui sont extrêmement coûteuses, tout en évitant le refus des transactions légitimes pour éviter le désabonnement et maintenir leur réputation.

compliquer les choses ; il n'existe pas de méthode fiable pour faire la différence entre le désirable et l'indésirable ; environ 600 milliards de dollars de revenus mondiaux du commerce électronique ont été perdus en raison de la baisse des paiements en 2020, ce qui complique les choses.

Comment l'IA mène-t-elle le bon combat contre la fraude ? Continuez à lire pour le découvrir.

Combattre la fraude par le feu

Selon Juniper Research, les pertes cumulées des commerçants dues à la fraude aux paiements en ligne devraient dépasser 343 milliards de dollars dans le monde d'ici 2027, ce qui met en évidence la menace croissante de fraude. La détection des fraudes basée sur l'IA remplace de plus en plus les méthodes traditionnelles qui utilisent des règles créées par des humains pour décider si une transaction doit être refusée. Ces méthodes étaient souvent inefficaces, contrairement aux processus de détection de fraude basés sur l'IA. La détection des fraudes basée sur des règles dépend de politiques qui prédisent à l'avance les comportements inappropriés des clients, ce qui peut être terriblement inexact. L'IA de détection de fraude est principalement basée sur des modèles d'apprentissage non supervisés. Les algorithmes de la machine analysent de grands pools de données provenant de plusieurs fournisseurs et des millions de transactions pour détecter des modèles basés sur des modèles de comportement dans les données. L'algorithme n'est pas entraîné sur des points de données spécifiques ; au lieu de cela, il identifie de manière autonome des modèles dans les données. L'intelligence artificielle offre une flexibilité à la prévention de la fraude en identifiant les anomalies et les activités suspectes sans s'appuyer sur des règles préétablies. De plus, l'IA peut fournir des décisions instantanées pour améliorer la sécurité du système. Les technologies de détection de fraude de fournisseurs tiers aident à uniformiser les règles du jeu pour que les commerçants puissent concurrencer des marchés massifs comme Amazon ou Alibaba. Ces technologies regroupent les données de milliers de commerçants et de millions de transactions, offrant un moyen fiable de détecter la fraude et de concurrencer les marques géantes.

Reconnaître un motif brisé

Les systèmes de détection de fraude basés sur l'IA peuvent s'adapter, prenant des décisions de plus en plus nuancées à mesure que de nouveaux modèles de comportement émergent. Prenons par exemple la récente pandémie. Au cours des premières étapes du verrouillage, les acheteurs qui n'étaient auparavant jamais de gros acheteurs d'articles et d'outils de rénovation domiciliaire effectuaient désormais des achats substantiels dans ces catégories. Pour éviter de rejeter par erreur des achats, qui pouvaient auparavant sembler trompeurs, les marchands de commerce électronique ont dû ajuster la façon dont ils surveillent et signalent les comptes. C'est précisément le genre d'ajustements en temps quasi réel que l'IA peut effectuer de manière autonome.

L'expédition accélérée est un autre exemple des progrès de l'IA en temps réel. Selon les données de Riskified, les commandes passées avec expédition accélérée ont augmenté de 140 % de janvier à décembre 2020, tandis que les niveaux de fraude ont diminué de 45 % au cours de la même période. De plus, l'expédition accélérée réduit le temps d'un commerçant pour annuler une commande et est perçue comme un signal d'alarme pour la détection de fraude. Cependant, la pandémie a rendu cette méthode d'expédition répandue, devenant une pratique plus sûre au fil du temps.

Menaces émergentes

L'identification des activités de paiement suspectes commises par des clients auparavant authentiques peut être particulièrement difficile. Un exemple courant est connu sous le nom de «fraude amicale», où un client conteste une charge auprès de sa société de carte de crédit pour échapper au paiement d'un produit précédemment acheté auprès d'un détaillant de biens physiques. Les fraudeurs peuvent prétendre qu'un article n'a pas été reçu en déposant une rétrofacturation « article non reçu » auprès de leur banque ou de leur société de carte de crédit. En fait, certains se livrent à des rétrofacturations à grande échelle et vendent les articles sur le marché noir, faisant perdre aux détaillants des millions de dollars chaque année. Si cela devait se produire dans un magasin physique, cela relèverait de la catégorie du vol à l'étalage.

Une tendance à la fraude en croissance rapide connue sous le nom d'abus de politique implique que des clients réguliers et payants enfreignent les conditions générales d'un détaillant, généralement pour économiser ou gagner de l'argent. Bien que l'abus de politique diffère de la fraude traditionnelle, les détaillants peuvent toujours subir des pertes financières qui peuvent passer inaperçues.

En conséquence, les entreprises se tournent désormais vers l'IA pour faire face à ces situations. L'IA collectera des données, notamment des adresses IP, des empreintes digitales d'appareils et des analyses comportementales. Ces données sont ensuite croisées avec les commandes passées dans les différents réseaux marchands. Par exemple, supposons qu'un client conteste une commande frauduleuse qu'il n'a pas passée. Dans ce cas, le système peut vérifier si la commande a été passée en utilisant la même adresse IP et/ou le même appareil que celui que le client a déjà passé. Cela permet aux commerçants de hiérarchiser les litiges et de traiter les abus de politique des contrevenants les plus fréquents, en automatisant le processus de résolution des litiges pour une évolutivité et une efficacité accrues.

Avec la sophistication croissante des tactiques de fraude, les méthodes de détection des fraudes ont également évolué. Bientôt, l'analyse des aspects biométriques du commerce électronique, tels que «l'empreinte vocale» et l'angle sous lequel un téléphone mobile est tenu, ira au-delà de la surveillance des habitudes d'achat.

Rassembler le tout

Avec un système de prévention de la fraude basé sur l'IA, les entreprises peuvent être flexibles et adapter leur approche aux nouvelles menaces et opportunités à mesure que les régulateurs, les clients et les criminels continuent d'évoluer. En tirant parti des techniques basées sur l'IA, les entreprises de commerce électronique peuvent réduire considérablement le risque de pertes coûteuses dues à des transactions frauduleuses tout en offrant une expérience d'achat plus fluide à leurs clients. Il est clair que l'IA joue aujourd'hui un rôle essentiel dans les stratégies de prévention de la fraude pour les entreprises de commerce électronique, et continuera de le faire dans un avenir prévisible.