Comment l'intelligence artificielle aide les e-commerçants à lutter contre la fraude

Les forums en ligne du Dark Web sont le terrain de jeu idéal pour les fraudeurs. Ils y partagent leurs idées et astuces pour voler des données personnelles, mener des arnaques par ingénierie sociale, ou encore exploiter les conditions générales de ventes des commerçants.

Pendant ce temps, ces derniers sont confrontés à une récession économique prolongée, une concurrence féroce et des marges réduites. Et comme cerise sur le gâteau, l'évolution fulgurante de la technologie, notamment l'intelligence artificielle (IA), arme les fraudeurs avec des outils sophistiqués, rendant la lutte contre la fraude plus complexe que jamais.

L'IA a transformé presque toutes les activités, et la fraude ne fait pas exception. Par exemple, l'IA générative permet de créer facilement des Deepfakes, facilitant ainsi les tentatives de vol d'identité, tandis que des outils tels que WormGPT (un ChatGPT pour les fraudeurs) démocratisent l'arnaque des commerçants et des consommateurs.

Cependant, l'IA a également eu des bénéfices significatifs dans l'e-commerce, aidant les commerçants à reprendre le contrôle. À mesure que les fraudeurs renforcent leurs méthodes grâce à l'IA, les commerçants qui utilisent cette technologie pour la prévention de la fraude ont les meilleures chances de neutraliser les menaces.

Aborder les zones grises avec l'IA

L'abus des conditions générales de vente se propage, alimenté par une communauté active du Dark Web. Ce phénomène complexe, souvent qualifié de « friendly fraud », implique souvent des clients généralement bien notés qui exploitent les politiques de retour pour des gains personnels. Des pratiques courantes incluent le « wardrobing », où un article est porté puis retourné, ou le remplacement d'un produit par une boîte vide ou un substitut de poids similaire.

Les modèles d'IA offrent aux commerçants un moyen plus efficace de lutter contre ce fléau. En réalisant des évaluations de risque en temps réel, les commerçants peuvent mettre en place des politiques plus agiles qui s'adaptent selon les individus. Par exemple, un client fidèle peut être récompensé avec des retours gratuits et flexibles, contrairement à un client ayant un comportement suspect ou un mauvais historique et qui sera soumis à des frais de retour.

Dépasser les anciennes méthodes

Les approches traditionnelles de détection de la fraude reposent sur des règles établies par des humains pour décider quelles transactions rejeter et lesquelles approuver. Ces règles sont rigides, souvent inexactes et peu adaptées à l'évolution rapide des stratagèmes de fraude. Bien que des règles plus strictes puissent réduire les pertes dues à la fraude, elles risquent également de refuser à tort des clients légitimes, impactant ainsi négativement les revenus et l'expérience du client. Le manque de flexibilité rend également plus difficile pour les commerçants de s'adapter aux nouvelles formes de fraude. Lorsqu'un schéma d'abus est enfin identifié, il est parfois déjà trop tard : les dommages sont souvent déjà considérables et les mises à jour manuelles des règles sont obsolètes.

En revanche, les méthodes de détection basées sur l'IA sont révolutionnaires. Elles analysent les schémas comportementaux des données du commerçant pour définir la "normalité", permettant à l'algorithme d'apprendre à détecter les anomalies et les comportements suspects sans avoir besoin de préétablir des règles. Cette approche permet de traiter plusieurs schémas de risque en même temps, offrant une protection efficace contre les techniques de fraudes les plus sophistiquées et fournissant des informations en temps réel.

Les plateformes sophistiquées de lutte contre la fraude développent leurs algorithmes en utilisant de grands ensembles de données provenant de plusieurs e-commerçants et de millions de transactions. Cette approche permet de repérer les tendances émergentes et d'empêcher les fraudeurs de cibler des commerçants moins vigilants. Cela permet à davantage de commerçants de rivaliser avec les grandes entreprises comme Amazon en proposant des transactions sécurisées et fluides à leurs clients légitimes.

Maîtriser les chargeback avec l'IA

La gestion et la contestation des chargeback ont historiquement été des processus très intensifs en ressources, mais le besoin d'IA et d'automatisation n'a jamais été aussi urgent. Depuis que les taux de chargeback ont explosé pendant la pandémie, ils n'ont cessé d'augmenter. Les commerçants savent que bon nombre de ces demandes sont frauduleuses, mais ils peinent à les contester faute de ressources et d'outils, les obligeant à renoncer à des revenus.

Aujourd'hui, de nouveaux modèles aident les commerçants à automatiser le processus d'identification et de catégorisation des demandes, ainsi qu'à traiter différents points de données, facilitant ainsi la collecte des preuves nécessaires pour gagner une contestation. Les commerçants peuvent désormais analyser les comportements inhabituels dès le début de la session jusqu'au passage en caisse, en traitant des données telles que les adresses IP et la suppression de cookies pour les comparer aux commandes précédentes. Une meilleure catégorisation et une analyse automatisée aident également à renforcer les stratégies de prévention.

Combattre le feu par le feu

La fraude et l'abus des conditions générales de vente ne disparaîtront probablement jamais. Les fraudeurs partageront toujours leurs stratagèmes, perfectionneront toujours leurs techniques sur le Dark Web et exploiteront toujours les dernières avancées technologiques pour leurs méfaits.

Néanmoins, tout n'est pas perdu : les commerçants peuvent riposter avec des outils déjà disponibles. L'expression « combattre le feu par le feu » prend ici tout son sens avec l'utilisation de l'IA pour contrer la fraude elle-même pilotée par l'IA. En étant proactifs et en exploitant pleinement l'IA pour plus d'efficacité et afin de repérer les comportements suspects, les commerçants transforment radicalement leur approche de ce combat.