LEBIGDATA.FR I.A, Cloud & Cybersécurité
PayPal a été l'un des premiers systèmes de paiement en ligne. Plus de 20 ans après son lancement (1998), l'entreprise s'impose sur le marché. Elle est aussi considérée comme l'un des plus fiables. En chiffres, Paypal c'est 360 millions d'utilisateurs actifs dans plus de 200 pays. C'est aussi quatre milliards de transactions de paiement au troisième trimestre de 2020.
Paypal : de quoi s'agit-il exactement ?
Lancé en 1998, PayPal proposait à la base un service de paiement en ligne. Plus tard, il était également possible d'utiliser Paypal pour envoyer ou recevoir de l'argent en ligne et en toute sécurité. Alors comment ça marche ? Il suffit d'associer le compte Paypal avec un compte bancaire ou une carte de crédit. Pour les achats en ligne, PayPal sert d'intermédiaire entre la banque et les commerçants en sécurisant les informations de paiement.
Paypal est-il gratuit ou payant ?
La création d'un compte PayPal est gratuite. Les achats en ligne et la plupart des transactions personnelles sont également gratuits. Cela rend presque les chèques et les coûteux virements bancaires obsolètes. PayPal applique cependant des frais pour certains types de transactions. Il n'y a pas de frais pour effectuer des achats en ligne auprès de détaillants qui acceptent PayPal tant qu'il n'y a pas de conversion de devise impliquée. Par contre, Paypal perçoit des frais de transaction étrangère de l'ordre de 3 % ou 4 % pour les achats effectués dans une devise étrangère.
Envoyer ou recevoir de l'argent de la famille ou des amis est considéré comme une transaction personnelle. Et elle est généralement gratuite. Mais selon le pays d'où l'argent est envoyé ou reçu, cela peut entraîner des frais. En somme, il n'y a aucuns frais pour une transaction personnelle nationale et il faut compter près de 5 % (entre 0,99 et 4,99 dollars) pour une transaction internationale.
En envoyant de l'argent avec une carte de débit ou de crédit, l'utilisateur est facturé 2,9% s'il s'agit d'un paiement national et 5% s'il s'agit d'une carte internationale. S'ajoutent à cela des frais fixes qui varient en fonction du pays (0,30 dollar pour les paiements provenant des États-Unis). Toujours dans le cadre d'une transaction personnelle, recevoir de l'argent via Paypal est aussi gratuit tant qu'il n'y a pas de conversion de devise impliquée. Une fois l'argent dans le compte Paypal, le transfert vers le compte bancaire est gratuit, à moins de ne vouloir un accès instantané aux fonds. Ce service est accessible moyennant des frais de 1%. Par ailleurs, tirer un chèque d'un compte PayPal entraîne des frais de 1,50 dollar par retrait. Pour un compte pro, les frais sont similaires.
Compte personnel ou professionnel ?
Les comptes personnels PayPal sont conçus pour ceux qui utilisent principalement PayPal pour leurs achats en ligne ou pour envoyer de l'argent à leurs amis et à leur famille. Cela dit, ce type de compte peut également être utilisé pour vendre des biens et des services (vendre des vêtements sur eBay par exemple). Mais les fonctionnalités sont limitées. Les comptes personnels conviennent idéalement à ceux qui prévoient de ne commercialiser que de manière occasionnelle ou informelle leurs biens et services.
Un compte PayPal professionnel dispose de toutes les fonctionnalités d'un compte personnel avec des outils supplémentaires. Ce type de compte permet l'intégration de commerce électronique et de points de vente (Shopify, Magento ou encore BigCommerce), permet la facturation en ligne et la facturation récurrente, donne accès à un terminal virtuel, etc. La création d'un compte professionnel PayPal est simple et rapide, sans frais mensuels ni annuels. En créant un compte professionnel, le titulaire peut ouvrir ce compte à ses employés, jusqu'à 200 personnes, chacune avec un identifiant de connexion et un niveau d'autorité uniques.
Enfin, avec un compte personnel, le nom et le prénom du titulaire apparaissent pour chaque transaction. Avec un compte professionnel, le titulaire peut utiliser le nom de l'entreprise. Les frais de transaction restent les mêmes qu'avec un compte personnel. Néanmoins, les services supplémentaires sont facturés. La facturation récurrente par exemple coûte 10 dollars par mois.
Avantages et inconvénients de Paypal
Paypal présente de nombreux avantages, mais possède également quelques inconvénients. Côté atout, Paypal
- est particulièrement facile à utiliser. De la création du compte aux différents services proposés, ce système se révèle très convivial.
- enregistre toutes les transactions, offrant aux utilisateurs la possibilité de les consulter à tout moment.
- propose des transactions sécurisées. PayPal est livré avec une fonction de cryptage qui protège les données avec le plus haut niveau de sécurité possible.
- est adapté aux mobiles. En plus de la version web, une application Paypal, tout aussi facile à utiliser est disponible. Celle-ci permet aux utilisateurs de PayPal dispose d'une application mobile très simple à utiliser. Cela permet aux utilisateurs d'acheter en ligne, d'envoyer et de retirer de l'argent n'importe où et n'importe quand.
- propose un service gratuit pour toutes les transactions personnelles.
Pour ce qui est des inconvénients, Paypal
- applique des frais aux transactions commerciales, à raison de 2,9%.
- peut geler des comptes sans avertissement si l'algorithme du système détecte des mouvements ou des comportements suspects.
- peut entraîner des frais bancaires supplémentaires. Certaines banques exigent des frais de transaction lors des transferts de fonds d'un compte PayPal vers un compte bancaire.
- est une cible privilégiée pour le phishing et les escroqueries. C'est l'une des cibles les plus convoitées par les hackers.
Comment PayPal renforce la sécurité grâce à l'IA
Le géant des paiements en ligne maintient les pertes causées par la fraude en dessous de la moyenne du secteur. Sa technique ? Apprendre aux ordinateurs à jouer au détective. Grâce à une dépendance croissante à l'égard de l'IA, le système de sécurité de PayPal est désormais capable de détecter d'éventuelles fraudes sans commettre d'erreur. L'entreprise table notamment sur le Deep Learning. Les algorithmes extraient les données de l'historique d'achat du client. Ils examinent ensuite les modèles de fraude probable stockés dans ses bases de données et peuvent, s'il y a lieu, révéler des transactions suspectes.
L'année dernière, Paypal a traité 235 milliards de dollars de paiements à partir de quatre milliards de transactions effectuées par ses plus de 170 millions de clients. Les risques de fraude sont toujours bien réels, les attaques de phishing étant le plus souvent constatées. Pour garder une longueur d'avance, PayPal s'appuie sur une analyse intensive et en temps réel des transactions. La société peut ainsi faire la différence entre un achat qu'on qualifierait de « normal » et un autre effectué avec des cartes volées. Et tout est fait en interne pour éviter la petite latence qui se produirait si l'entreprise s'appuyait sur un fournisseur de Cloud.
Faire face aux menaces avec le Deep Learning
L'apprentissage en profondeur et d'autres approches d'intelligence artificielle deviennent rapidement le seul moyen de faire face aux menaces. Les techniciens du département des sciences du risque mondial de l'entreprise se sont efforcés de maintenir le taux de fraude de PayPal à un niveau remarquablement bas. Selon une étude de LexisNexis, les chiffres indiquent un taux de 0,32 % des revenus, contre 1,32 % constaté auprès des commerçants.
PayPal n'est pas la seule entreprise à utiliser l'apprentissage en profondeur pour améliorer la cybersécurité. La startup israélienne Deep Instinct a appliqué la même technique pour détecter les logiciels malveillants. Celle-ci affirme une meilleure efficacité, à raison de 20 %, mieux que les approches traditionnelles. La société de sécurité FireEye a également déclaré que son entreprise utilisait le Deep Learning pour tout, de la détection des intrusions réseau à l'élimination des attaques de phishing.
Les experts soutiennent que les entreprises peuvent encore améliorer la cybersécurité en partageant des référentiels de données sur les cyberattaques et la fraude. En continuant à obtenir plus de données et plus de puissance pour les traiter, les organisations amélioreront davantage la sécurité de leur système.
Et comment PayPal tire parti de l'analyse du Big Data ?
Avec une moyenne de 23 transactions par compte PayPal, des fonds dans 26 devises différentes, 12,5 millions de paiements traités chaque jour sur 203 marchés, plus de 1,1 Po de données traitée ou encore 250 milliards de dollars de paiements traités chaque année, PayPal est classé parmi les 5 meilleures sociétés de paiement par capitalisation boursière. Pour ce ténor des transactions en ligne, le Big Data se présente comme un véritable atout pour sa stratégie commerciale.
Depuis 17 ans déjà, le Big Data Analytics et la Data Science sont au cœur de toutes ces transactions. PayPal doit sa part de marché croissante et son développement à sa puissante technologie de données qui stimule l'innovation et la stratégie commerciale globale.
Des capacités prédictives avancées pour améliorer l'expérience client
Grâce à ses services, PayPal propose un moyen de paiement sûr et sécurisé sur les sites de e-commerce via le Cloud computing. Pour PayPal, les vrais consommateurs sont les commerçants et chaque client du commerçant est indirectement un consommateur de l'entreprise.
Paypal fournit des capacités prédictives avancées pour aider ses marchands à améliorer leur expérience client. Dans cette stratégie, les « données transactionnelles » sont la force de Paypal. Les données transactionnelles restent le meilleur indicateur pour prédire le comportement des clients chez PayPal.
Comment PayPal utilise Hadoop ?
Avant l'avènement de Hadoop, PayPal n'exploitait pas ces données. Il était en effet difficile d'extraire tous les types de schémas sur les bases de données traditionnelles. Désormais, l'entreprise traite tout uniquement via Hadoop et HBase, quel que soit le format des données. PayPal tire parti des bases de données traditionnelles et Hadoop pour devenir un meilleur fournisseur de services pour ses clients.
Hadoop coexiste avec les plateformes de données traditionnelles de PayPal pour répondre à diverses exigences commerciales comme la perception des clients, la détection des fraudes et la segmentation du marché. Cette coexistence aide les Data Scientists à exécuter des requêtes exploratoires pour les tests d'hypothèses et la recherche sur les données stockées dans Hadoop. Les analystes Business intelligence (BI) pour leur part peuvent trouver des réponses à leurs questions de reporting, en utilisant des systèmes en mémoire comme SAP HANA.
PayPal étend son utilisation de Hadoop à HBase pour tirer parti de HDFS. HDFS agit également comme couche de stockage pour HBase pour la lecture et l'écriture dans de grands ensembles de données non structurés. PayPal utilise Hadoop comme plateforme de données complémentaire et rentable pour gérer des volumes et des variétés de données en croissance exponentielle. Compte tenu du fait que Hadoop manque de mesures de sécurité avancées, PayPal met en place des politiques de gouvernance et de sécurité solides en anonymisant toutes les données avant qu'elles ne soient stockées dans Hadoop.
La Data Science pour lutter contre les fraudes
PayPal améliore continuellement son infrastructure de données pour identifier les cas potentiels de fraude. L'entreprise construit un nouveau système d'analyse des fraudes. Elle le modifie en incorporant diverses technologies open source comme Hadoop et Spark. Et ce, en appliquant des algorithmes d'apprentissage automatique, la mise en cache en ligne et des détectives humains. Une fois que les modèles d'apprentissage automatique ont identifié une fraude potentielle, les détectives se mettent au travail pour démêler le vrai du faux.
PayPal utilise 3 types d'algorithmes de Machine Learning : les réseaux de neurones, le Deep Learning et la régression linéaire. La gestion des risques doit être ultrarapide. Les algorithmes doivent décider en quelques millisecondes s'il s'agit d'une bonne ou d'une mauvaise transaction. Si une personne est identifiée comme bonne et digne de confiance, elle est placée dans une voie express. Elle pourra alors effectuer la transaction afin d'en faire une expérience satisfaisante. Cependant, si l'algorithme identifie une mauvaise transaction, il ralentit le système pour acquérir des données supplémentaires et effectuer une analyse approfondie.
300 variables sont calculées par événement pour certains des modèles d'apprentissage automatique afin de trouver une transaction frauduleuse potentielle. Les résultats de l'analyse sont comparés aux données externes fournies par les fournisseurs d'authentification. Prenons l'exemple d'une analyse montrant plusieurs adresses IP de différents endroits à travers le monde pour un seul compte. Cela indique probablement que le compte est piraté et qu'il est signalé pour examen par des experts humains.
L'analyse avancée du Big Data pour proposer des offres pertinentes et des publicités personnalisées
PayPal exploite aussi les mégadonnées pour envoyer des offres personnalisées et des remises pertinentes. Les algorithmes d'analyse utilisent l'historique des achats passés en fonction du support d'achat (web ou application). Cela permet à Paypal d'envoyer des publicités personnalisées et de recommander des offres. Ces dernières aident les clients à économiser de l'argent et aux commerçants de générer des volumes de transactions plus élevés. Les modèles de données prédictifs de PayPal font des prédictions avec une précision de 69 % sur les endroits où leurs clients sont susceptibles de dépenser de l'argent.
Les algorithmes de traitement du langage naturel sont dans les coulisses du succès de PayPal et dans l'enrichissement de l'expérience client. Les données textuelles seules ne peuvent pas fournir d'informations commerciales. Mais lorsqu'elles sont utilisées avec d'autres données, elles aident à extraire du sens des conversations en ligne. Ce type de données donnent aussi du sens aux transactions effectuées. L'exploration de texte basée sur Hadoop fait partie intégrante de la modélisation prédictive, du clustering, de la notation d'influence. Cela fait aussi partie de la modélisation de sujets et de diverses activités de science des données chez PayPal.
- Partager l'article :
