Our modern identity services are exposed through developer-friendly APIs, SDKs and Low-Code services to deliver the scale and performance required for any and all customer use cases.
Featured Blog Post:
It’s notoriously difficult to implement an account recovery process that prevents fraud without creating more friction for customers who are already locked out and frustrated. In a US consumer...
Dans un récent podcast devenu viral sur TikTok, l’utilisateur de ChatGPT Gage a expliqué comment il a utilisé l’outil d’IA pour générer des centaines de fausses critiques de McDonald’s, qu’il a ensuite soumises dans des enquêtes de satisfaction pour obtenir gratuitement des bons repas chez McDonald’s. Depuis sa diffusion, de nombreuses personnes ont profité de ce stratagème, suscitant des difficultés pour les franchises à sauvegarder leurs scores de satisfaction client.
Gage a expliqué dans son podcast : “C’est quelque chose que n’importe qui peut faire. Tout ce dont vous avez besoin pour cela, c’est d’un reçu.’
Bien sûr, le “cela” auquel il faisait référence est une arnaque pour obtenir des repas gratuits chez McDonald’s en quatre étapes simples. Nous ne partagerons pas sa formule ici car il est contraire à l’éthique de perpétuer sa fraude. Il suffit de dire qu’elle implique d’utiliser ChatGPT pour automatiser une étape clé lors du dépôt d’une plainte concernant une expérience client horrible. En retour, McDonald’s enverra au fraudeur 1, 2, 3 ou 4 bons repas, entièrement gratuits.
Gage a expliqué qu’il utilisait cette “astuce” depuis environ neuf mois, ce qui représente probablement des centaines, voire des milliers d’euros de nourriture “gratuite”. Dans les commentaires de la vidéo TikTok virale, les utilisateurs de TikTok ont vanté l’utilisation de l’astuce de Gage, certains disant “Ça marche !” et “Parfait, je m’y mets.”
Alors que le co-animateur du podcast de Gage plaisantait en disant : “Cela doit être le McDonald’s le plus mal noté du pays”, ces manœuvres éthiquement douteuses ne sont pas à prendre à la légère.
L’impact financier sur les succursales individuelles en raison des bons de repas “gratuits” frauduleux n’est pas négligeable et sape l’objectif même des systèmes de retour d’expérience clients. En manipulant les avis, l’authenticité des expériences client est déformée, amenant McDonald’s à traiter de faux problèmes au lieu de se concentrer sur de véritables domaines d’amélioration, tels que l’amélioration du service client ou le soutien à la main-d’œuvre.
Comme l’a décrit Gage dans le podcast, la succursale de McDonald’s qu’il a trompée a dû déployer des efforts pour contacter activement tous les clients, les exhortant à fournir des avis extrêmement positifs afin de récupérer leur score de satisfaction client.
Au-delà des évidentes pertes financières directes dues à la fraude, les conséquences provoquent une dégradation de la qualité globale des décisions commerciales. Des cas comme l’arnaque de McDonald’s illustrent comment les actions frauduleuses peuvent manipuler les systèmes de retour d’expérience, déformant les indicateurs de satisfaction client et influençant les décisions d’allocation des ressources.
Cela affecte les revenus, l’efficacité opérationnelle et incite à l’évolution de la logique de compensation vers une plus grande complexité. Dans le contexte des grandes entreprises, le défi s’intensifie alors que la collaboration entre les équipes devient cruciale pour contrer efficacement les implications multifacettes de ces activités frauduleuses démocratisées.
Ce “truc”, permettant à des utilisateurs traditionnellement peu méfiants d’exploiter la logique commerciale, notamment dans des secteurs qui accordent généralement peu d’attention aux préoccupations d’authenticité des clients. Cela souligne l’urgence pour les entreprises de tirer parti d’une solution de détection de fraude robuste basée sur l’apprentissage automatique (Machine Learning) capable de répondre rapidement aux arnaques nouvelles et évolutives.
Contrairement aux méthodes traditionnelles qui reposent sur des politiques de sécurité strictes et arbitraires, telles que la limitation des formulaires de retour d’expérience par jour ou par appareil, la détection de fraude basée sur l’IA s’adapte dynamiquement aux menaces, ajustant les mécanismes de sécurité en temps réel pour détecter les comportements suspects en fonction du contexte de chaque demande.
Dans les systèmes de détection basés sur l’IA, des facteurs tels que l’adresse IP de l’utilisateur, la fréquence de ses demandes et la corrélation de sa localisation géographique avec celle de la succursale peuvent être intégrés de manière transparente au flux web de retour d’expérience pour surveiller les schémas des utilisateurs et distinguer les comportements légitimes des actions frauduleuses avec la biométrie comportementale. Une fois qu’un schéma frauduleux est identifié, le moteur de fraude peut émettre une recommandation qui peut être utilisée pour bloquer la demande en temps réel.
La détection de fraude basée sur l’IA peut également effectuer une analyse hors ligne sur de vastes ensembles de données pour découvrir des réseaux de fraude et d’autres activités coordonnées en corrélant les données et en aidant les équipes à visualiser des entités telles que les adresses IP, les appareils et les adresses qui sont réutilisés à travers plusieurs demandes ou comptes. Cela permet aux entreprises de réduire les faux négatifs et de bloquer de manière proactive les entités frauduleuses connues, même lorsque les tactiques des fraudeurs évoluent.
Le cœur du Service de Détection et de Réponse (DRS) de Transmit Security est basé sur l’apprentissage automatique, utilisant une approche semi-supervisée. Cette méthode innovante permet au système de détecter non seulement les zones de fraude connues avec une grande précision, mais aussi de découvrir en continu les angles morts dans la posture de sécurité de l’application.
Contrairement aux approches logiques fixes qui nécessitent des comportements prédéfinis et des ajustements ultérieurs après la découverte de l’abus, les capacités de détection multi-méthodes et d’intelligence événementielle de Transmit Security offrent une observabilité avancée tout au long du parcours de l’application.
Une caractéristique remarquable de la prévention de la fraude de Transmit Security est sa capacité de détection d’anomalies. En analysant les tendances émergentes et en s’adaptant au paysage des menaces en constante évolution, Transmit Security garantit que même les tactiques de fraude les plus sophistiquées, évasives et nouvelles sont détectées. En facilitant un mécanisme de réponse complet et automatisé, des actions nuancées peuvent être prises sans interrompre les opérations normales d’une entreprise. Cela est réalisé grâce à la plateforme Transmit Security, conçue pour favoriser la collaboration entre les équipes dans divers domaines – des équipes de fraude et de risque aux propriétaires d’applications, développeurs et parties prenantes commerciales.
Transmit Security a également la capacité de combler les silos organisationnels, qui servent souvent davantage aux fraudeurs. Ces silos peuvent créer des angles morts et des inefficacités opérationnelles, rendant difficile pour les défenseurs de détecter, de répondre et de se remettre rapidement des attaques. Plus l’organisation est grande, plus il faut de temps pour naviguer à travers ces défis.
En exploitant la détection et la réponse de Transmit Security, les entreprises peuvent considérablement réduire le temps nécessaire pour découvrir, répondre et se remettre des incidents de fraude, transformant leur taille et leur complexité en forces plutôt qu’en vulnérabilités.
Transmit Security se positionne à l’avant-garde de la gestion de la fraude, offrant une détection et une réponse avancées pour répondre à toutes sortes d’arnaques. Explorez dès aujourd’hui notre plateforme de sécurité de l’identité inégalée.
