IA en paiements
L'IA dans les paiements utilise des modèles logiciels pour évaluer les transactions et aider aux décisions de contrôle de fraude, d'authentification et de traitement. Les modèles comparent un paiement aux habitudes de dépenses, d'usage des appareils ou d'activité du compte et peuvent signaler un comportement inhabituel. Les prestataires de paiement s'en servent pour décider quelles transactions exigent des contrôles supplémentaires et lesquelles peuvent passer.
L'analyse du risque des transactions permet une exemption d'authentification forte du client selon les règles de paiement de l'UE. Un faible score de risque ne suffit pas: le prestataire doit aussi respecter les conditions applicables aux taux de fraude et aux transactions. La qualité des données de paiement et l'examen des performances des modèles influent sur l'expérience client et la sécurité des paiements.
Place de l'IA dans un paiement
Stripe répartit l'IA dans les paiements selon les étapes d'une transaction: paiement personnalisé, authentification moins contraignante, détection de fraude parmi des centaines de signaux, taux d'autorisation accrus grâce au routage et aux nouvelles tentatives, puis gestion des litiges. Dans l'enquête auprès de plus de 2 000 dirigeants d'entreprise citée par Stripe, 43 pour cent utilisaient déjà l'IA ou le machine learning dans les paiements, et 32 pour cent prévoyaient de le faire sous deux ans.
Rich Turrin rappelle que le machine learning sert à prévenir la fraude depuis le début des années 1990, et que trois des quatre principaux usages reposent encore sur le machine learning, pas sur l'IA générative. Selon Rich Turrin, l'IA change la manière d'arriver au paiement, tandis que les réseaux sous-jacents restent les mêmes.
L'analyse du risque remplace un second facteur
Les règles européennes sur l'authentification forte du client prévoient une exemption qui nécessite de bons modèles de risque. Selon l'article 18 du règlement délégué (UE) 2018/389, un prestataire de paiement peut omettre le second facteur pour un paiement à distance si son analyse du risque en temps réel ne révèle aucun signal d'alerte, comme des dépenses inhabituelles, un appareil inconnu, un logiciel malveillant ou une localisation anormale, et si son taux de fraude reste sous une valeur de référence. Pour les paiements par carte à distance, cette valeur est de 0,13 pour cent jusqu'à 100 EUR, de 0,06 pour cent jusqu'à 250 EUR et de 0,01 pour cent jusqu'à 500 EUR.
Un prestataire dont le taux de fraude dépasse la valeur de référence pendant deux trimestres consécutifs perd l'exemption. La qualité du modèle de fraude détermine donc la fréquence des demandes de second facteur au client lors du paiement. L'authentification forte du client décrit la règle, et la détection de fraude par IA explique le fonctionnement des modèles.
Données de fraude et paiements initiés par des agents IA
Le rapport conjoint de l'ABE et de la BCE a recensé 4,2 milliards d'EUR de fraude aux paiements dans l'EEE en 2024 et constaté que les paiements avec authentification forte étaient généralement moins exposés à la fraude. Les virements instantanés en euros comportent désormais un contrôle du nom avant le départ des fonds, décrit dans la vérification du bénéficiaire.
La prochaine évolution est un paiement qu'un agent IA initie pour une personne, dans le cadre d'un mandat donné à l'avance. Un paiement initié par un agent pose la première question de toute règle de paiement: qui l'a autorisé? Les paiements agentiques présentent les protocoles proposés et les questions ouvertes de mandat et de responsabilité.
Prochains événements sur l'IA en finance en Allemagne
Comment l'IA réduit la fraude aux paiements?
La détection de fraude par IA évalue chaque paiement selon le comportement habituel du client, de l'appareil et du commerçant, puis bloque ou soumet à vérification ceux qui s'en écartent. Selon l'exemption européenne pour l'analyse du risque des transactions, un prestataire dont les modèles maintiennent la fraude sous les taux de référence peut aussi omettre le second facteur pour les paiements à faible risque.
Des agents IA paieront-ils pour les clients?
Des entreprises technologiques et de paiement ont proposé des protocoles, dont l'Agent Payments Protocol de Google. Les points ouverts sont la preuve de ce que le client a autorisé et qui paie quand un agent achète le mauvais article, comme l'explique la page sur les paiements agentiques.
IA dans les paiements et Finance Loop
Finance Loop est le lieu de rencontre des professionnels des paiements issus des banques, établissements de paiement, réseaux de cartes et fintechs, avec Paiements & monnaie numérique parmi ses volets. Finance Loop a annoncé KI Exchange 2026 de Payment & Banking, dont le programme couvrait la banque agentique et la détection de fraude.
Finance Loop est un réseau professionnel qui favorise l'usage institutionnel des technologies émergentes en finance, comme l'IA, les paiements numériques, le cloud et les solutions blockchain. Finance Loop aide ses membres à développer leurs compétences et leurs réseaux personnels dans ces domaines: Investissement & actifs numériques, Paiements & monnaie numérique, Infrastructure numérique & souveraineté et Risque & conformité.