Lutter contre la fraude dans le e-commerce : l'apport de l'intelligence artificielle et des nouvelles technologies face aux nouvelles formes de fraude en ligne
La problématique de la fraude en ligne s'inscrit dans un cadre théorique riche et en constante évolution. Historiquement, la gestion du risque et la prévention des fraudes ont été abordées sous divers angles, allant de l'audit interne au développement de systèmes de sécurité numérique (Chen et al., 2011). Les premières approches se concentraient principalement sur des méthodes de détection basées sur des règles fixes, telles que l'identification de transactions inhabituelles par rapport aux habitudes de consommation (Panigrahi et al., 2009). Cependant, ces méthodes traditionnelles se sont avérées insuffisantes face à l'évolution rapide des techniques de fraude, qui sont devenues de plus en plus sophistiquées et difficiles à détecter (Abbasi, Albrecht, Vance & Hansen, 2012). Les données augmentent de jour en jour avec l'utilisation quotidienne d'Internet. Il devient important de traiter ces énormes quantités de données. C'est un véritable défi de déterminer les informations nécessaires à chaque utilisateur afin de répondre à ses besoins. Par conséquent, l'analyse ainsi que l'extraction de données appropriées à partir d'énormes bases de données nécessitent de sérieuses techniques et méthodes, comme le machine learning et de l'intelligence artificielle. En réalité, il est impossible d'appliquer des méthodes manuelles pour effectuer la récupération précise des requêtes de données des utilisateurs à partir de pages infinies sur Internet afin de déterminer les informations importantes et appropriées. Les nouvelles méthodes de détection qui ont été développées pallient cette difficulté en permettant d'analyser des volumes massifs de données en temps réel et d'identifier des modèles et des patterns de fraude plus subtils avec l'application de techniques de programmation robotique (Ngai et al., 2011). Sur un plan pratique, la fraude en ligne est un problème qui affecte tous les secteurs du e-commerce à l'échelle mondiale. Une étude de Juniper Research (2020) a révélé que les pertes liées à la fraude aux paiements en ligne dépasseront les 200 milliards de dollars d'ici 2024. Cette projection souligne l'urgence d'adopter des technologies plus avancées à base d'intelligence artificielle pour combattre ces menaces.
Sommaire
Revue de la littérature
La fraude en ligne dans le commerce électronique
Intelligence artificielle et gestion des risques
Approches théoriques de la gestion de la fraude
Étude empirique
Cadre de recherche et collecte des données
Analyse des données
Proposition de solutions
Revue de la littérature
La fraude en ligne dans le commerce électronique
Intelligence artificielle et gestion des risques
Approches théoriques de la gestion de la fraude
Étude empirique
Cadre de recherche et collecte des données
Analyse des données
Proposition de solutions
Accédez gratuitement au plan de ce document en vous connectant.
Extraits
[...] L'apprentissage réseau, dans ses nouvelles applications, est étroitement lié aux enquêtes groupées. Les visualisations basées sur des graphiques peuvent montrer à l'enquêteur sur les fraudes quelles instances sont connectées en fonction d'un identifiant, par exemple, en fonction de l'adresse IP ou de l'adresse e-mail. Comme les enquêtes au niveau du groupe, les graphiques fournissent à l'enquêteur sur les fraudes des informations visuelles sur les instances qui sont connectées à un identifiant, et qui pourraient donc également être frauduleuses. L'apprentissage réseau et les réseaux neuronaux graphiques sont des homologues aux enquêtes basées sur des graphiques. [...]
[...] (2010)22 ont montré que la méconnaissance des menaces de phishing conduit souvent à la divulgation involontaire de données personnelles, ce qui peut ensuite être exploité par des fraudeurs pour accéder à des comptes financiers. Ces comportements soulignent le besoin d'une meilleure éducation et sensibilisation des consommateurs sur les pratiques de sécurité en ligne. 1.1.2.3 Influence de la technologie sur les risques La technologie joue un double rôle dans le commerce électronique, offrant des solutions pour lutter contre la fraude tout en introduisant de nouveaux risques. Bonneau et al. [...]
[...] Les participants ont été amenés à partager leur expérience sur l'utilisation des outils à base d'intelligence artificielle telles que la notation des transactions ou des algorithmes d'apprentissage automatique. Des questions à choix multiples et des champs ouverts leur ont ainsi été proposées pour recueillir leurs avis sur les problèmes techniques, financiers et réglementaires liés à la mise en ?uvre de des techniques de détection de fraude. Ils ont également été incités à formuler des suggestions afin d'améliorer les stratégies de prévention de la fraude, en particulier dans des domaines tels que la fraude liée aux remboursements, grâce à des questions ouvertes. [...]
[...] Williamson (1981)49 soutient que pour minimiser les coûts de transaction, les entreprises doivent créer des mécanismes de gouvernance robustes qui prennent en compte les risques de comportement opportuniste. Williamson (1985) met en évidence que les entreprises peuvent adopter différentes formes de gouvernance (marché, hiérarchie, ou formes hybrides) pour réduire ces coûts. Dans le contexte de la fraude, les entreprises peuvent investir dans des systèmes de vérification et d'audit renforcés, ainsi que dans l'intelligence artificielle et d'autres technologies pour surveiller les transactions et identifier les comportements suspects. [...]
[...] https ://ieeexplore.ieee.org/abstract/document/7163021/ Bostrom, N. (2014). Superintelligence : Paths, Dangers, Strategies. Oxford University Press. Superintelligence : Paths, dangers, strategies. (apa.org) Button, M., & Cross, C. (2017). Cyber Frauds, Scams and their Victims. Routledge. https ://www.taylorfrancis.com/books/mono/10.4324/9781315679877/cyber-frauds-scams-victims-mark-button-cassandra-cross Chen, H., Chung, W., Xu, J. [...]
