Fraude assistée par l’IA : pourquoi chaque dollar perdu en coûte désormais 5,47 aux institutions financières américaines

Fraude financière et IA : le coût caché de la fluidité numérique

Chaque dollar de fraude coûte désormais 5,47 dollars au total aux entreprises américaines de services financiers. Le chiffre résume un paradoxe devenu central : la digitalisation simplifie le parcours client, mais elle élargit simultanément la surface d’attaque et la facture réelle de la fraude financière.

Ce coût total ne se limite plus au montant directement détourné. Il atteint 5,47 dollars pour chaque dollar perdu, contre 4,00 dollars en 2021 — une progression de près de 37 % en cinq ans qui mérite d’être questionnée plutôt qu’admise comme une fatalité. Cette hausse reflète les remboursements, les coûts d’enquête, les contrôles, les frictions commerciales et l’érosion potentielle de la confiance. Une expérience numérique plus rapide peut aussi créer davantage d’occasions pour les fraudeurs d’agir à grande échelle, ce qui interroge directement la course à la fluidité que s’imposent les acteurs du secteur.

Ce constat provient de la True Cost of Fraud Study 2026 North America de LexisNexis Risk Solutions, publiée le 19 octobre 2026. L’étude repose sur les réponses de 319 professionnels du risque et de la fraude, dont 251 aux États-Unis et 68 au Canada — un échantillon qui, pour être qualitatif, reste modeste au regard de la diversité des établissements couverts, des grandes banques aux fintechs. Son périmètre couvre les acteurs des services financiers et du crédit. Il convient de garder à l’esprit que l’étude émane d’un prestataire de solutions antifraude, ce qui n’invalide pas ses données mais invite à les lire avec la distance critique qui s’impose face à toute recherche commanditée par un acteur du marché qu’elle décrit.

Les canaux numériques concentrent cette tension. Sites web, applications mobiles et parcours à distance accélèrent l’acquisition, le paiement et le service. Ils facilitent aussi la fraude numérique, l’usurpation d’identité et l’automatisation d’attaques capables de contourner les contrôles traditionnels. L’IA augmente la vitesse, le réalisme et la capacité d’adaptation de ces opérations, sans pour autant constituer la cause unique du phénomène, comme on le verra.

Où se concentrent les pertes de fraude numérique ?

La concentration des pertes est d’abord numérique. Les sites web et les applications mobiles réunissent 69 % des pertes liées à la fraude, les portails en ligne en représentant 39 % et les applications mobiles 30 %.

La fraude mobile constitue un signal de risque particulièrement net. Sur un an, 96 % des établissements interrogés déclarent une hausse de la fraude visant les applications mobiles, et 69 % constatent une augmentation des coûts d’au moins 10 %. Ces chiffres décrivent une pression accrue sur le canal mobile, sans permettre d’en attribuer la cause à un type d’attaque unique — une nuance que l’étude elle-même ne tranche pas, et qu’il serait malhonnête de trancher à sa place.

La perte ne se limite pas au moment du paiement. Par étape du parcours, les transactions concentrent 39 % des pertes, l’ouverture de comptes 33 % et la connexion ou l’accès aux comptes 28 %. Le risque se répartit donc entre l’entrée en relation, l’authentification et l’exécution des opérations, ce qui disqualifie d’emblée toute approche de sécurité centrée sur le seul moment du paiement.

Par moyen de paiement, les transactions par carte et les virements représentent ensemble environ 48 % des pertes, contre 15 % pour les portefeuilles numériques. L’étude ne détaille malheureusement pas la ventilation individuelle à l’intérieur de ce total combiné cartes-virements, ce qui limite la portée opérationnelle de la donnée pour un établissement cherchant à prioriser ses investissements.

Le point opérationnel est clair : les contrôles ne peuvent pas se concentrer sur le seul paiement. Ils doivent couvrir l’ensemble du parcours numérique, depuis l’ouverture de compte et l’accès aux comptes jusqu’aux transactions, sur les sites web comme dans les applications mobiles.

L’IA accélère les mécanismes existants de fraude

L’intelligence artificielle ne crée pas seule tous les risques de fraude financière. Elle augmente surtout la vitesse d’exécution, le volume des tentatives et la sophistication de mécanismes déjà présents sur les canaux numériques. Aux États-Unis, les organisations estiment que les techniques générées par l’IA interviennent dans environ 19 % des pertes de fraude — un chiffre qui mérite d’être pris pour ce qu’il est : une estimation déclarative des répondants, non une mesure indépendante et vérifiable. Il invite néanmoins à traiter l’IA comme un facteur d’accélération et d’adaptation des attaques, plutôt que comme l’unique cause du risque.

« La fraude continue d’évoluer à chaque étape du parcours client, et les canaux numériques ainsi que les techniques assistées par l’IA accroissent la vitesse, l’ampleur et la complexité des attaques », résume Kimberly White, directrice principale fraude et identité pour l’Amérique du Nord chez LexisNexis Risk Solutions.

« La fraude continue d’évoluer à chaque étape du parcours client, et les canaux numériques ainsi que les techniques assistées par l’IA accroissent la vitesse, l’ampleur et la complexité des attaques »

La fraude à l’identité synthétique concentre 19 % des pertes, ce qui en fait la première catégorie déclarée. Elle illustre l’enjeu de l’entrée en relation et de la vérification d’identité dans les parcours à distance. La fraude à l’identité par un tiers représente également 17 % des pertes, au même niveau que la prise de contrôle de compte par un tiers et la fraude de première partie — cette dernière catégorie, souvent négligée dans le débat public, mérite d’être rappelée : elle recouvre les cas où le client lui-même orchestre ou facilite la fraude, un angle mort que la seule technologie ne résoudra jamais.

Pour les établissements, l’enjeu consiste à distinguer des signaux isolés d’un profil de risque cohérent. Une détection de fraude par IA fondée sur l’apprentissage automatique peut renforcer cette capacité d’analyse, à condition que les données mobilisées soient fiables, gouvernées et intégrées aux processus de décision — une condition qui, dans la pratique, est loin d’être systématiquement remplie.

La prise de contrôle de compte par un tiers représente 17 % des pertes. Elle se situe au point de rencontre entre l’accès au compte, l’authentification et la transaction. L’IA peut rendre les tentatives plus rapides et plus convaincantes, tout en facilitant la répétition de scénarios à travers de nombreux parcours numériques. La réponse ne se limite donc pas à un contrôle ponctuel lors de la connexion : elle suppose une appréciation continue du risque tout au long du parcours client, en conciliant protection, continuité de service et limitation des frictions inutiles.

Les bots malveillants matérialisent enfin la dimension industrielle de la fraude numérique. Ils représentent 14 % de l’ensemble des transactions mensuelles aux États-Unis, et 58 % des répondants américains signalent une hausse de leur volume sur un an. Leur importance ne tient pas seulement à une tentative individuelle, mais à leur faculté de solliciter les systèmes de façon répétée et à grande échelle.

Une précaution de lecture s’impose ici : une part de pertes ou de transactions mesurée décrit un phénomène observé dans l’étude, elle ne correspond pas mécaniquement au niveau de risque opérationnel propre à chaque établissement. Celui-ci dépend de l’exposition de ses parcours, de ses contrôles, de ses données et de sa capacité de réponse — autant de variables que les moyennes sectorielles ne peuvent capturer.

Du montant détourné au coût économique et relationnel

Le préjudice direct ne raconte qu’une partie du coût de la fraude financière. Les escroqueries représentent environ 32 % des pertes observées, mais leur impact se prolonge lorsque l’établissement indemnise la victime, traite le dossier et cherche à préserver la relation commerciale. Aux États-Unis, les entreprises remboursent 31,2 % de ces pertes liées aux escroqueries ; au Canada, cette part atteint 38,9 %. Ces remboursements constituent une charge financière immédiate, tout en révélant une décision stratégique : assumer une partie du dommage pour limiter l’abandon et protéger la confiance.

Au-delà de ce taux de remboursement, le coût réel se diffuse à travers plusieurs strates qu’aucune ligne comptable unique ne résume. La charge opérationnelle d’abord : enquêtes, traitement des contestations, service client et contrôles mobilisent des équipes et allongent les délais. La friction client ensuite : vérifications supplémentaires, blocages ou demandes répétées de justificatifs peuvent dégrader le parcours et pousser un client légitime vers la concurrence. La confiance enfin, actif le plus difficile à quantifier mais sans doute le plus coûteux à reconstituer : une fraude subie, ou une prévention jugée trop intrusive, peut fragiliser la fidélité et accélérer l’attrition client.

À l’exception du taux de remboursement, ces éléments constituent une grille d’analyse du coût total et non une ventilation chiffrée de l’étude. Ils rappellent que la conformité réglementaire, la prévention et la qualité de service doivent être pensées ensemble, plutôt qu’en silos budgétaires distincts.

Le dilemme de gestion est donc concret, et il n’a rien d’académique : renforcer les contrôles réduit potentiellement l’exposition, mais 56 % des répondants indiquent que leur stratégie de prévention a accru l’attrition client. Aux États-Unis, 51 % placent l’amélioration de la confiance et de la fidélité devant la réduction des pertes de fraude, citée par 43 %. Ce classement mérite d’être souligné : il traduit un arbitrage assumé où l’expérience client prime, dans les discours au moins, sur la seule logique défensive. Reste à vérifier, dans les faits, que cet arbitrage ne sert pas aussi à justifier une tolérance budgétaire à la fraude plutôt qu’un réel soin porté au client.

Automatiser sans aveugler : les réponses qui se dessinent

Face à la montée des attaques sur les parcours numériques, les programmes automatisés de lutte contre la fraude semblent associés à de meilleurs résultats déclarés que les dispositifs privilégiant le traitement manuel. L’enjeu n’est toutefois pas de supprimer l’expertise humaine, mais de réserver l’intervention des analystes aux alertes ambiguës, aux cas à forte valeur et aux décisions nécessitant une justification, pendant que les contrôles répétitifs et la priorisation des risques sont automatisés.

Les écarts déclarés sont significatifs : 89 % d’efficacité perçue pour les programmes principalement automatisés contre 61 % pour les organisations privilégiant le manuel, 29 % de réduction de l’attrition client contre 10 %, et 79 % d’amélioration de la performance de prévention contre 54 %. Ces chiffres doivent cependant être maniés avec prudence méthodologique.