L'antifraude d'un exchanger n'est pas une case à cocher : il doit repérer les fraudeurs avant même que votre équipe ne s'en aperçoive. Si vos agents examinent des paiements suspects à la main chaque jour et que les blocages arrivent un jour trop tard, quelque chose dans le système est déjà cassé. Voici cinq signes qui le trahissent.
Enquêter sur une transaction prend des heures, pas des secondes
Si examiner un seul paiement suspect prend trente minutes de travail manuel, ce n'est pas de l'antifraude — c'est un tableau Excel qui se donne des airs. Un bon modèle de scoring élimine l'évident en une fraction de seconde et ne remonte à un humain que les cas vraiment ambigus.
Imaginez un exchanger qui traite 400 opérations par équipe. Si 15% d'entre elles nécessitent une vérification manuelle, aucun gestionnaire ne peut suivre — et certains paiements frauduleux passent simplement parce que la file est trop longue.
Il y a tellement d'alertes que plus personne n'y prête attention
Un système qui crie « suspect » sur une transaction sur deux apprend à votre équipe à ne plus faire confiance aux alertes. On appelle ça la fatigue d'alerte, et c'est l'une des causes les plus fréquentes pour lesquelles une vraie fraude passe inaperçue.
Si vos opérateurs rejettent silencieusement 90% des alertes parce que « c'est généralement un faux positif », le système ne filtre pas le risque — il le transfère simplement à des gens qui ont déjà arrêté de regarder.
Personne ne peut expliquer pourquoi une alerte s'est déclenchée
Un bon antifraude affiche sa logique : une nouvelle IP depuis un pays à risque, une vitesse de transaction anormale, un schéma de fractionnement de montants. Si le support hausse les épaules quand un client demande pourquoi il a été bloqué, c'est une boîte noire, pas un outil.
Et une boîte noire est dangereuse des deux côtés : elle explique aussi mal les blocages injustifiés de clients légitimes que les fraudes qu'elle a laissées passer. Dans les deux cas, vous enquêtez à l'aveugle.
Les règles n'ont pas changé depuis des mois, mais les schémas de fraude changent chaque semaine
Un jeu de règles figé écrit il y a un an n'est pas de l'IA, même si la plaquette commerciale l'appelle ainsi. Un vrai modèle continue d'apprendre de nouveaux cas : changement de comptes relais, nouveaux schémas de substitution de bénéficiaire, nouvelles façons de contourner les limites.
Si rien n'a changé dans votre système depuis trois mois — ni règle, ni poids de modèle — les fraudeurs ont déjà compris comment il fonctionne, et plus vite que vous.
Le système ne regarde jamais ce qui se passe sur la blockchain
Ne vérifier que les données internes — nom, IP, historique de paiements — fait rater l'essentiel : où va vraiment l'argent. L'adresse du destinataire est-elle liée à un marché du darknet ou à une liste de sanctions ? Sans analyse on-chain, on le découvre après coup, quand les fonds sont déjà partis.
Un antifraude mature croise les adresses avec des bases de portefeuilles compromis et des clusters d'exchanges en temps réel — pas une fois par trimestre, à la main.
Conclusion
Aucun de ces signes n'est fatal isolément. Mais si deux d'entre eux coïncident, votre antifraude ne protège plus l'entreprise — il donne au propriétaire de l'exchanger un faux sentiment de sécurité, et cette illusion coûte plus cher que d'admettre le problème. Pour voir quels modules manquent et ajouter une vraie surveillance sans construire un moteur de scoring depuis zéro, le moteur iEXExchanger inclut déjà la surveillance des transactions.
