Pour qui gère des milliards d'euros de paiements pour plus de 100 000 entreprises dans 195 pays à travers le monde, la fraude est évidemment un sujet brûlant, méritant les solutions les plus modernes et les plus efficaces. La nouvelle version de la solution de protection de Stripe peut ainsi être considérée comme un modèle du genre.
Radar 2.0, l'outil en question, voit son moteur d'apprentissage automatique (« machine learning ») sensiblement renforcé afin d'améliorer son taux de détection de fraude de 25%, sans dégradation de la proportion de faux positifs, par rapport aux modèles précédents. Progressivement mis en œuvre pour tous les sites de e-commerce clients du service de paiement, il comporte également une déclinaison permettant aux grandes structures de personnaliser les règles d'analyse et le suivi des opérations.
Outre un raffinement des algorithmes d'apprentissage utilisés, le premier axe d'amélioration de l'approche de Stripe consiste à multiplier les données sur lesquelles ils s'appuient. Ce sont désormais des centaines de milliards d'événements qui peuvent être traités en (presque) temps réel pour distinguer une transaction légitime d'une tentative de malversation. La surface de couverture de la startup est, en cela, un facteur important : grâce à sa présence étendue, la carte utilisée lors d'un règlement a 89% de chances d'être déjà apparue sur son réseau (et donc d'avoir un motif d'usage identifié).
Radar 2.0, l'outil en question, voit son moteur d'apprentissage automatique (« machine learning ») sensiblement renforcé afin d'améliorer son taux de détection de fraude de 25%, sans dégradation de la proportion de faux positifs, par rapport aux modèles précédents. Progressivement mis en œuvre pour tous les sites de e-commerce clients du service de paiement, il comporte également une déclinaison permettant aux grandes structures de personnaliser les règles d'analyse et le suivi des opérations.
Outre un raffinement des algorithmes d'apprentissage utilisés, le premier axe d'amélioration de l'approche de Stripe consiste à multiplier les données sur lesquelles ils s'appuient. Ce sont désormais des centaines de milliards d'événements qui peuvent être traités en (presque) temps réel pour distinguer une transaction légitime d'une tentative de malversation. La surface de couverture de la startup est, en cela, un facteur important : grâce à sa présence étendue, la carte utilisée lors d'un règlement a 89% de chances d'être déjà apparue sur son réseau (et donc d'avoir un motif d'usage identifié).
Tout aussi important et beaucoup plus intéressant, le deuxième axe consiste à faire évoluer quotidiennement l'« entraînement » et les modèles d'apprentissage déployés, afin de répondre plus rapidement aux changements de techniques toujours plus fréquents qu'imaginent les fraudeurs pour passer entre les mailles du filet. Même les réglages spécifiques par typologie de clients (les styles d'attaque étant naturellement différents entre un bijoutier et un restaurant en ligne…) sont réajustés tous les jours.
Ce que reflète cette accélération apparemment triviale est en fait une véritable révolution, par laquelle Stripe confie entièrement les rênes de la lutte contre la fraude à l'intelligence artificielle ! Jusqu'à maintenant, les modifications étaient élaborées sous la supervision de spécialistes de l'apprentissage automatique qui validaient les résultats avant une mise en production. Désormais, la démarche d'optimisation est intégralement pilotée par les algorithmes et le contrôle humain interviendra, au mieux, a posteriori.
Si les bénéfices de cette automatisation du processus sont clairs (au moins en termes de réactivité par rapport aux nouvelles menaces), il faut admettre qu'elle représente un extraordinaire acte de foi en la qualité des solutions d'IA utilisées ! Il faudra pourtant probablement accepter sa généralisation, seule capable de maintenir l'équilibre de la terreur face à l'explosion de la fraude. La question cruciale sera alors : quels acteurs parviendront à faire le grand saut avant qu'une catastrophe ne les surprenne ?
Ce que reflète cette accélération apparemment triviale est en fait une véritable révolution, par laquelle Stripe confie entièrement les rênes de la lutte contre la fraude à l'intelligence artificielle ! Jusqu'à maintenant, les modifications étaient élaborées sous la supervision de spécialistes de l'apprentissage automatique qui validaient les résultats avant une mise en production. Désormais, la démarche d'optimisation est intégralement pilotée par les algorithmes et le contrôle humain interviendra, au mieux, a posteriori.
Si les bénéfices de cette automatisation du processus sont clairs (au moins en termes de réactivité par rapport aux nouvelles menaces), il faut admettre qu'elle représente un extraordinaire acte de foi en la qualité des solutions d'IA utilisées ! Il faudra pourtant probablement accepter sa généralisation, seule capable de maintenir l'équilibre de la terreur face à l'explosion de la fraude. La question cruciale sera alors : quels acteurs parviendront à faire le grand saut avant qu'une catastrophe ne les surprenne ?
Aucun commentaire:
Enregistrer un commentaire
Afin de lutter contre le spam, les commentaires ne sont ouverts qu'aux personnes identifiées et sont soumis à modération (je suis sincèrement désolé pour le désagrément causé…)