À 2 h 14 du matin, une carte bancaire habituellement utilisée pour les courses alimentaires dans l'Ohio sert à acheter des appareils électroniques en Roumanie. Le système de détection de fraude de la banque signale l'opération avant qu'elle ne soit finalisée. Un SMS est envoyé au titulaire de la carte. Le paiement est refusé. Cette situation se produit des millions de fois par jour et repose sur la reconnaissance de schémas plutôt que sur une vérification humaine.

La détection moderne des fraudes combine règles et apprentissage automatique. Des règles simples permettent de repérer les problèmes évidents : une transaction dans un pays que vous n’avez jamais visité, trois achats d’essence en dix minutes, un achat bien supérieur à vos dépenses habituelles. Les modèles d’apprentissage automatique vont plus loin. Ils analysent le comportement habituel de chaque client et évaluent le risque de chaque transaction. Si le score dépasse un certain seuil, la banque intervient.

Ces outils comprennent la surveillance des transactions en temps réel, l'identification des appareils, la géolocalisation et la biométrie comportementale, notamment l'analyse de la saisie des mots de passe. Les banques partagent leurs données au sein de consortiums afin de repérer les réseaux de fraude qui opèrent entre établissements. Aucun de ces systèmes n'est infaillible. Les faux positifs agacent les clients et pénalisent les commerçants. Les fraudeurs, quant à eux, adaptent constamment leurs méthodes.

Les enjeux ne cessent de croître. Les pertes mondiales liées à la fraude à la carte bancaire dépassent 30 milliards de dollars par an, et les escroqueries impliquant des virements instantanés autorisés se développent plus rapidement que la fraude à la carte elle-même. Les banques avertissent désormais leurs clients via l'application avant tout virement vers un compte suspect.