Alors que la fraude est en plein essor, un nouveau rapport publié par Stripe, la plateforme technologique universelle de paiement.

Cette dernière dévoile ainsi des modèles inédits de fraude qui aideront les spécialistes de la vente en ligne à lutter contre ces activités lors des fêtes de fin d’année.

Si les cartes de crédit ont contribué à sécuriser les achats traditionnels dans le monde physique, les fraudeurs ciblent de plus en plus souvent les boutiques en ligne. Et, à la différence du commerce physique, les e-commerçants sont malheureusement tenus - par défaut - d’essuyer les coûts associés à la fraude. Dans les faits, aux Etats-Unis, chaque Dollar de fraude génère en moyenne un coût supplémentaire de 2,62 $ pour l’e-commerçant et 3,34 $ pour les boutiques mobiles.

Stripe a analysé les données d’une année pour identifier les modèles de fraude par pays, les moments privilégiés par les fraudeurs, les secteurs d’activité les plus sensibles et d’autres facteurs, afin d’informer les entreprises et mieux les accompagner dans leur lutte contre la fraude.

Plusieurs tendances ont ainsi émergé :

Les taux de fraude varient considérablement en fonction du pays où la carte est émise (de 200 à 300 %).

Ce sont paradoxalement pendant les jours et les heures “creuses” (comme le jour de Noël ou tard dans la nuit) que les taux de fraude sont les plus élevés. Pour les entreprises américaines, par exemple, le pourcentage de fraude rapporté au trafic total augmente en été et à la fin décembre, mais pas lors des grandes journées promotionnelles telles que le Black Friday, comme on pourrait s’y attendre.

Les fraudeurs tendent à multiplier les “petits” achats auprès d’un même marchand, dans un laps de temps très court (dix fois plus rapides par rapport aux réels titulaires de carte).

Les fraudeurs privilégient les produits qui n’ont pas besoin d’être livrés (ou qui peuvent être livrés dans des endroits comme des bâtiments publics ou des parcs sans éveiller les soupçons), et pouvant être obtenus rapidement avant l’invalidation des transactions. Ceci peut expliquer la prévalence de la fraude dans les services à la demande, ainsi que dans les biens de consommation d’entrée de gamme.

« Bien qu’il existe des tendances constantes de comportement frauduleux – par exemple, la rapidité de l’acte d’achat, la capacité du fraudeur à agir tard la nuit et son appétence pour les produits bon marché ou livrables immédiatement – nous avons découvert que leur puissance prédictive varie considérablement selon le lieu où opèrent les fraudeurs et les entreprises », explique Duco Van Lanschot, Head of Benelux chez Stripe.

« En conséquence, nous conseillons aux entreprises d’utiliser les outils anti-fraude qui tirent parti du machine learning et ont été "entraînés" à l’aide d’énormes volumes de données, pour trouver le bon équilibre entre la lutte contre la fraude et la maximisation de leurs chiffres d’affaires".