Fraude aux cartes cadeaux : pourquoi elle reste invisible et comment les plateformes la détectent

La fraude aux paiements est un problème que la plupart des distributeurs, banques et prestataires de paiement ont rencontré un jour. Avec les cartes cadeaux, elle reste souvent hors de vue, jusqu'à ce qu'une affaire médiatisée montre combien de valeur peut sortir d'un programme avant que quiconque ne s'en aperçoive.

Pourquoi la fraude aux cartes cadeaux passe inaperçue

Un schéma bien connu se déroule ainsi : des cartes de paiement falsifiées ou compromises servent à acheter des cartes cadeaux, qui sont ensuite revendues bien en dessous de leur valeur faciale. Le fraudeur se retrouve avec une valeur propre et dépensable, et le commerçant absorbe la perte plus tard. Les affaires impliquant du personnel en point de vente montrent que le risque n'est pas uniquement externe.

L'acheteur peut finir par être retrouvé, car les paiements par carte portent toujours des identifiants. Ceux qui dépensent les cartes cadeaux, en général, non. Comme pour les espèces, l'utilisation d'une carte cadeau n'exige aucune identification du client, ce qui explique aussi pourquoi les cartes cadeaux attirent les tentatives de blanchiment.

Réexaminer les contrôles autour de la carte

Aucun distributeur, aucune banque ni aucun processeur ne cherche à être laxiste, mais les contrôles entourant la vente de cartes cadeaux méritent d'être réévalués régulièrement. Les faiblesses se situent souvent en périphérie : la vérification d'identité lorsqu'une carte de paiement est rattachée à une plateforme, les achats de montant élevé réglés avec une seule carte, et les achats répétés qui semblent anodins pris un par un.

C'est là qu'un programme de cartes cadeaux se distingue d'un flux de paiement classique. Le produit acheté est lui-même quasi équivalent à des espèces : la décision d'approbation doit donc être prise avant l'émission de la valeur, pas après.

Une détection qui s'adapte aux schémas de fraude

La détection de fraude d'Ogloba lit en temps réel les données de transaction contenues dans les messages d'autorisation et automatise la décision d'approuver ou de bloquer. Elle combine modélisation statistique et règles définies par l'utilisateur, ce qui lui permet de s'adapter à l'évolution des schémas de fraude. Les contrôles types comprennent :

• L'authentification 3-D Secure et des vérifications en temps réel comme les contrôles AVS et CVV.

• Des listes noires, grises et blanches couvrant l'adresse IP, les données de carte, le nom, le téléphone, l'e-mail et l'identifiant client.

• Des montants minimum et maximum par transaction pour chaque moyen de paiement.

• Le masquage de certains moyens de paiement selon le pays ou la devise du client.

• Des contrôles de vélocité par carte, par adresse IP et par e-mail.

Aucun système n'est à l'épreuve de la fraude. L'objectif est de rendre la fraude coûteuse et de courte durée, tout en laissant les clients légitimes avancer sans friction.

FAQ

Pourquoi l'achat de cartes cadeaux attire-t-il les fraudeurs qui utilisent des cartes de paiement volées ?

Une carte cadeau transforme une carte de paiement compromise en valeur quasi équivalente à des espèces, qui peut être revendue ou dépensée rapidement. Comme son utilisation n'exige aucune identification du client, ceux qui dépensent la carte sont difficiles à retrouver, même lorsque l'achat initial peut finalement être relié à une carte.

La fraude aux cartes cadeaux peut-elle impliquer des employés en point de vente ?

Oui. Des personnes internes peuvent utiliser des cartes falsifiées ou compromises pour acheter des cartes cadeaux sans frais pour elles-mêmes et les revendre sous leur valeur faciale. C'est pourquoi les plafonds et les contrôles sur les achats de montant élevé et répétés comptent autant au comptoir qu'en ligne.

À quoi servent les listes noires, grises et blanches dans le filtrage de la fraude aux cartes cadeaux ?

Elles classent des valeurs connues comme les adresses IP, les données de carte, les noms, les numéros de téléphone, les adresses e-mail et les identifiants client. Les valeurs en liste noire sont bloquées, celles en liste grise font l'objet de contrôles renforcés et celles en liste blanche passent, de sorte que les clients de confiance ne sont pas ralentis par des règles visant les autres.

Pourquoi combiner modèles statistiques et règles fixes dans la détection de fraude ?

Les règles bloquent précisément les schémas connus, mais la fraude évolue. La modélisation statistique repère des comportements inhabituels qu'aucune règle ne décrit encore : combiner les deux maintient l'efficacité de la détection à mesure que les schémas changent, tout en permettant aux opérateurs d'ajuster les règles à leur propre programme et à leur appétence au risque.