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

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. »

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.