agcreativelab - stock.adobe.com

Lutte antifraude : Rakuten France préfère son moteur de règles au machine learning

Il y a huit ans, Rakuten France a mis en place un moteur de règles connecté à sa base de données transactionnelles pour détecter les contrefaçons et les fraudes à la carte bancaire. La plateforme e-commerce préfère cet outil aux solutions de machine learning similaires.

La croissance de la vente à distance est indéniable. Selon Internet Retailer, les places de marché ont représenté 52 % du volume d’affaires de l’e-commerce en 2018. Les vendeurs tiers ont enregistré des revenus cumulés de 1,86 millier de milliards de dollars sur les 100 plus grosses plateformes.

Dans ce contexte, les e-commerçants sont tout particulièrement concernés par la fraude. Contrefaçons et paiements douteux menacent la confiance dans les marketplaces. En France, les dispositions légales obligent les entreprises à protéger les transactions et les utilisateurs des produits défectueux ou dangereux.

Par ailleurs, le gouvernement en association avec la FEVAD (Fédération du e-commerce et de la vente à distance) a participé à la conception d’une charte des acteurs du e-commerce. Celle-ci engage les signataires à renforcer la lutte contre ce phénomène.

Rakuten France (anciennement Price Minister) a signé ce document en mars 2019, mais la société affirme mener cette action depuis près de 15 ans.

Mathieu Deshayes est responsable de la fraude chez Rakuten France depuis huit ans. Il gère les problématiques concernant la fraude à la carte bancaire, les vendeurs douteux et la contrefaçon.

« Quand je suis arrivé, nous étions au début de la grosse période de fraude sur Internet. Fin 2010, début 2011, nous avons mesuré un pic. Rapidement, Rakuten France a adopté une attitude proactive », assure le responsable. « Nous souhaitions agir rapidement en repérant les produits douteux et les transactions louches en amont », ajoute-t-il.

Un moteur de règles maison pour lutter contre la contrefaçon

Techniquement, l’entreprise a mis en place un outil capable de « détecter des comportements qui peuvent faire l’objet d’analyses complémentaires menées par l’équipe risque », explique Mathieu Deshayes.

« Nous analysons un ensemble de données et en fonction de ces dernières, nous créons des mesures de détection qui vont placer les transactions ou les comptes des personnes en observation par un membre de l’équipe. »
Mathieu DeshayesResponsable fraude, Rakuten france

Il y a huit ans, l’e-commerçant a décidé de déployer une solution maison basée sur des règles de scoring. « Nous analysons un ensemble de données et en fonction de ces dernières, nous créons des mesures de détection qui vont placer les transactions ou les comptes des personnes en observation par un membre de l’équipe », précise le responsable.

Ce moteur développé en interne surveille les commentaires clients, est directement connecté à la base de données transactionnelle de Rakuten France. L’équipe de lutte antifraude a accès à l’historique des transactions, des comptes et peut observer les mouvements à partir d’informations contextuelles : heure de la publication d’une annonce, heure d’une vente, marque du produit, sa description ou encore les images associées à une annonce. « Nous créons des règles comportementales à l’aide de mots-clés. Par exemple, si un vendeur particulier met en vente 25 iPhone 11 sur notre plateforme, cela va générer une alerte. Nous allons chercher à savoir pourquoi il a du stock et nous observons le prix qui est souvent un indicateur d’une potentielle contrefaçon », détaille Mathieu Deshayes.

Les alertes sont envoyées automatiquement en observation 24 heures sur 24 et sont traitées manuellement pendant les jours ouvrés par une équipe composée de sept personnes. Ces employés écrivent également les règles qui, une fois mises en place, sont opérationnelles « en quelques secondes ». Si un acheteur déclare avoir reçu un produit contrefait, Rakuten France demande un retour dans ses locaux afin d’identifier les éléments distinctifs et de les prendre en compte à l’avenir.

Lutte antifraude : le machine learning ne convient pas à Rakuten France

Un tel dispositif de surveillance pourrait bénéficier d’algorithmes de machine learning. Cela permettrait d’évaluer plus rapidement les comportements à risques et d’automatiser la suppression des offres douteuses. Ce n’est pas la volonté du responsable de la fraude.

En premier lieu, Rakuten France tient à conserver « la meilleure relation client possible avec ses clients », les vendeurs présents sur la plateforme. « Nous souhaitons systématiquement conserver un traitement manuel des éléments placés en observation », affirme Mathieu Deshayes. « Pour éviter les phénomènes de faux positif, il est important de conserver un œil humain sur la plateforme », ajoute-t-il.

Par ailleurs, il considère que son équipe et le moteur de règles ont atteint une maturité synonyme d’efficacité. « Au vu de l’historique de données disponibles depuis la mise en place de l’outil il y a plus de 8 ans, les solutions de machine learning que nous avons testées sont moins efficaces que notre système », assure le responsable.

Enfin, l’adoption un produit d’un éditeur tiers entraînerait des coûts supplémentaires. « Nous avons été approchés par plusieurs sociétés qui proposent ce genre de services basés sur le machine learning, mais cela a un coût. Un des gros avantages de disposer d’un système en interne, c’est que nous n’avons pas à payer une licence mensuelle », déclare-t-il.

Cela ne veut pas dire que l’outil est parfait. « Forcément, qui dit règles automatiques dit faux positif. En revanche, nous les ajustons en nous basant sur les évolutions du marché, les types de fraudeurs, de contrefaçons, etc. Et les évolutions de notre site en lui-même. Les alertes doivent correspondre aux types de produits les plus vendus à un moment T ».

Prochaine étape ? Suivre les appareils qui servent à poster des annonces

« Les transactions ou les produits contrefaits que nous n’arrivons pas à bloquer, nous analysons les raisons de ces fuites. Nous cherchons à savoir ce que nous pouvons faire pour que cela ne se reproduise pas. Comme cela fait dix ans que nous appliquons ce cercle vertueux, la marge de manœuvre des fraudeurs est très restreinte chez nous ».

Selon Rakuten France, le taux de réclamation lié à la contrefaçon sur la plateforme n’est que de 0,01 %.

Selon Rakuten France, le taux de réclamation lié à la contrefaçon sur la plateforme n’est que de 0,01 %. C’est la seule information chiffrée à notre disposition pour mesurer l’efficacité de l’outil.

Ces résultats favoriseraient les relations avec les autorités et les marques. « Des marques sont venues en interne pour nous former à mieux détecter les contrefaçons de leurs produits. La douane a organisé la journée de la lutte contre la contrefaçon dans nos locaux. Le fait que nous ne traitions pas ce problème à la légère favorise de bons rapports avec ces partenaires », relate le responsable.

Mathieu Deshayes voit encore un axe d’amélioration pour le moteur maison. « Actuellement, nous n’avons pas de données sur le terminal utilisé pour poster les offres. Nous pourrions savoir quand un utilisateur poste des annonces depuis plusieurs comptes. Ce sera la prochaine étape », prédit-il.

Pour approfondir sur Outils décisionnels et analytiques

Close