Tester les règles anti-fraude sur des demandes passées
Importez des demandes passées dont l’issue est connue et définissez quelques règles. Voyez ce que chaque règle et leur ensemble auraient détecté, et quelles demandes auraient été bloquées.
Fichier de demandes
Demandes lues : 2,000, dont 77 classées comme frauduleuses et 1,718 comme légitimes.
Le fichier est lu dans ce navigateur et n’est jamais envoyé. Les règles sont intégrées au lien, pas les données. Seuls des totaux sont transmis si vous demandez le résultat par e-mail.
Champs utilisables dans les règles : application_id, amount, email_domain, device_age_days, account_age_days, ip_country, phone_country.
La démo comprend 2 000 demandes générées et quatre règles d’exemple.
Résultat net de l’ensemble des règles
Les règles détectent 74 fraudes sur 77 cas connus et signalent 232 demandes, dont 141 de clients légitimes.
Fraudes détectées et clients légitimes signalés
Règles
Une demande est signalée dès qu’une règle se déclenche. Dans une règle, toutes les conditions doivent être remplies. Pour « Fait partie de », séparez les valeurs par des virgules.
Résultats par règle
| Règle | Signalées | Fraudes détectées | Bons payeurs signalés | Demandes au statut inconnu signalées | Précision | Taux de détection | Taux de faux positifs | Fraudes détectées par cette règle seule | Bilan net |
|---|---|---|---|---|---|---|---|---|---|
| Nouvel appareil | 104 | 48 | 44 | 12 | 52.2% | 62.3% | 2.6% | 5 | €70,240 |
| E-mail jetable | 30 | 27 | 0 | 3 | 100.0% | 35.1% | 0.0% | 0 | €40,500 |
| Premier prêt élevé | 37 | 30 | 6 | 1 | 83.3% | 39.0% | 0.3% | 2 | €44,760 |
| IP étrangère | 152 | 51 | 95 | 6 | 34.9% | 66.2% | 5.5% | 8 | €72,700 |
| Toutes les règles | 232 | 74 | 141 | 17 | 34.4% | 96.1% | 8.2% | €105,360 |
Recevoir le résultat par e-mail
La suite consiste à appliquer les mêmes règles à chaque nouvelle demande et à tester chaque modification sur les décisions passées avant son déploiement. Commencer gratuitement
Afficher les formules
Précision = Fraudes détectées ÷ (Fraudes détectées + Bons payeurs signalés) Taux de détection = Fraudes détectées ÷ Toutes les fraudes connues Taux de faux positifs = Bons payeurs signalés ÷ Tous les bons payeurs connus Fraudes détectées par cette règle seule = Fraudes détectées, Signalée par aucune autre règle Bilan net = Fraudes détectées × Perte par fraude − Bons payeurs signalés × Coût par client légitime
Les résultats reposent uniquement sur les issues connues dans le fichier. Les fraudes découvertes plus tard ou dissuadées par une règle n’y figurent pas.
Tester des règles antifraude sur des données historiques
L’outil compare chaque règle de détection de fraude à des demandes passées dont l’issue est connue. Il indique les fraudes détectées, les bons payeurs signalés, la précision, le taux de détection, le taux de faux positifs et les fraudes détectées par une seule règle.
Ces chiffres montrent ce qu’une règle aurait donné sur le fichier. Un prêteur peut comparer les fraudes détectées aux bons payeurs signalés, puis tester chaque modification sur des décisions passées avant son déploiement.
Questions sur les règles antifraude
Comment tester des règles antifraude sur des données historiques ?
Importez un fichier CSV ou collez des demandes passées dans lesquelles une colonne indique si elles sont frauduleuses ou légitimes. Créez des règles à partir des champs du fichier, puis consultez les demandes que chaque règle et l’ensemble auraient signalées.
Que signifient la précision et le taux de détection d’une règle antifraude ?
La précision correspond à la part des demandes signalées, dont l’issue est connue, qui sont frauduleuses. Le taux de détection correspond à la part de l’ensemble des fraudes repérées par la règle.
Comment mesurer le taux de faux positifs des règles antifraude ?
Le taux de faux positifs correspond au nombre de bons payeurs signalés rapporté au nombre total de bons payeurs. L’outil le calcule pour chaque règle et pour l’ensemble des règles.
Pourquoi regarder les fraudes détectées par une seule règle ?
Il s’agit des fraudes signalées uniquement par cette règle. Elles montrent ce qu’elle détecte en plus des autres règles de l’ensemble.
Comment comparer les pertes liées à la fraude aux bons payeurs signalés ?
Le montant net correspond aux fraudes détectées multipliées par la perte par fraude, moins le nombre de bons payeurs signalés multiplié par le coût par bon payeur. L’outil affiche ce montant pour chaque règle et pour l’ensemble des règles.