Le machine learning, nouvelle arme anti-fraude du e-commerce

Chaque année, la fraude liée aux paiements en ligne se chiffre en milliards de dollars dans le monde. Stripe, qui propose aux entreprises des solutions de paiement en ligne,  entend tirer parti de sa connaissance des transactions pour empêcher l’activité frauduleuse depuis ses plateformes.

Contrairement aux commerces physiques qui sont assurés contre les paiements frauduleux, les e-commerçants en font les frais… Parmi les leaders du paiement en ligne, Stripe dispose d’importants volumes d’informations sur les transactions réalisées sur ses plateformes : carte bancaire, adresse IP, nom, adresse e-mail. Des ressources précieuses pour lutter contre la fraude, à la base de « Radar », un outil de machine learning alimenté par les centaines de milliers de transactions qui ont lieu chaque seconde sur le réseau et capable d’identifier les activités frauduleuses à partir de modèles élaborés grâce aux utilisateurs de la plateforme de paiement.

 

Les potentialités du machine learning

 

L’outil établit pour une même carte de paiement des milliers de combinaisons avec les autres achats réalisés depuis la même adresse IP. Dans le même temps, les clients de la plateforme de paiement peuvent soumettre eux-mêmes aux algorithmes de Radar une activité estimée frauduleuse. Compte tenu des volumes d’informations traités et du nombre de combinaisons réalisées, un traitement algorithmique s’impose. Sans compter que celui-ci permet d’éviter les biais inhérents à un traitement humain, comme, par exemple, la tentation de bloquer l’ensemble des transactions en provenance de l’international dès la première occurrence d’une activité frauduleuse signalée pour un client étranger.

 

Lire l’article

 

En complément :

La sécurité des paiements web : une priorité pour les banques

Sécurité : le côté obscur du machine learning.