La fintech Meelo s’appuie sur l’Intelligence Artificielle pour contrer la fraude

La démocratisation du e-commerce s’accompagne inévitablement de fraudes en ligne et d’impayés. Le paiement par carte étant le mode le plus utilisé en France (53% des paiements scripturaux = rapport de Banque de France), il reste le plus vulnérable et donc sujet à la fraude et au piratage. Un écueil loin d’être anodin qui entache l’expérience d’achat de clients qui ne demandent qu’à avoir confiance en la marque auprès de laquelle ils souhaitent acheter.

En effet, selon une étude de Juniper Research en 2019, les fraudes liées au paiement sur internet dépasseraient les 22 milliards de dollars à travers le monde, avec une progression de 70% au cours des cinq prochaines années. En France, selon la Banque de France, la fraude bancaire représente 1 milliard d’euros et progresse de 36% sur une année.

L’impact est double : pour les consommateurs et pour les entreprises. Pour les consommateurs, la Banque de France recense 1,2 millions de consommateurs victimes. En plus des nombreux désagréments qu’ils rencontrent liés aux dépôts de plaintes et aux délais de remboursement, on estime que 1 client sur 5 n’est pas remboursé à la suite d’une fraude. Du côté des entreprises, le prix à payer est lourd. Elles doivent en effet assumer les charges entraînées par la fraude entre le coût de la prévention et les pertes financières. Et le problème ne se limite par à la fraude puisque les entreprises sont aussi confrontées aux impayés. Malgré les études de solvabilité poussées qu’elles doivent réaliser dans un contexte sur l’utilisation des données personnelles très contraint, ce mal persiste, générant des pertes financières et des déficits d’image conséquents.

Améliorer la détection de la fraude et des impayés

Meelo, entreprise de la fintech, propose une solution de sécurisation des transactions, d’identification des éventuels fraudeurs et de prédiction des risques d’impayés. Sa technologie se base sur l’intelligence artificielle pour établir un profil du client en temps réel. En fonction des données recueillies de l’entreprise (historique d’achat, de navigation, de paiement), de données déclaratives fournies par le client ou de données externes (informations publiques accessibles en ligne), la solution établit un scoring des clients. Le machine learning fait le reste. A la clé : un risque de fraude est divisé par trois tandis , et une nette amélioration de l’expérience client.

Une solution qui s’inscrit dans la continuité de la DSP2 (Directive sur les services de paiement 2e génération) mise en place par l’Union européenne qui impose une double authentification pour tout paiement supérieur à 30€.