Anti-fraude factoring : 7 patterns que nous bloquons systématiquement

Pourquoi le factoring est une cible privilégiée

Une facture cédée représente du cash sortant en 24-48 h contre une créance papier. C'est exactement le profil que recherche un fraudeur : liquidité rapide, traçabilité limitée, multiplicité d'acteurs (fournisseur, acheteur, factor) qui complexifie la coordination.

Les pertes mondiales liées à la fraude factoring sont estimées entre 0,3 % et 0,8 % du volume cédé selon les marchés. Notre objectif chez Tauraco : rester sous 0,1 %, en bloquant en amont.

Les 7 patterns systématiquement détectés

1. Doublons inter-factors

Un fournisseur cède la même facture à deux factors différents. Détection : hash de contenu + fuzzy match sur (numéro, montant, émetteur) contre un référentiel partagé. Tauraco partage cet historique avec d'autres acteurs via une initiative sectorielle.

2. Doublon dans le portefeuille Tauraco

Variante plus simple — la même facture proposée deux fois. Détection quasi instantanée par hash(pdf) + (n°, émetteur, montant). Bloqué en amont.

3. Fournisseur = acheteur

Une facture émise par une société à elle-même via une filiale. Détection : recoupement SIREN / SIC / RC OHADA + analyse des bénéficiaires effectifs. Drapeau « hard » → rejet automatique.

4. Acheteur fictif

Le destinataire n'existe pas (SIREN inexistant, RC OHADA non trouvé, adresse invalide). Détection via APIs publiques (INPI, BDF, registres OHADA, Greffes). Bloqué en pre-pipeline.

5. Surfacturation patterns

Montants suspicieusement ronds (10 000 €, 50 000 €), suite numérique des numéros de facture (FACT001, FACT002, FACT003 toutes émises le même jour pour le même client). Ces patterns sont rares dans une activité réelle ; cumulés, ils déclenchent une revue manuelle.

6. Phantom suppliers

Un fournisseur jamais rencontré, créé récemment, sans historique fiscal, sans présence digitale (ni site web, ni Linkedin), avec une adresse de boîte aux lettres. Score boost négatif fort, revue manuelle systématique pour les premiers dossiers.

7. Manipulation des dates

Antidatation pour profiter d'un meilleur scoring (créance « plus fraîche »), ou postdatation pour étaler artificiellement l'échéance. Détection : recoupement avec les métadonnées du PDF, l'horodatage de réception SFTP/email/upload, et l'historique du fournisseur.

Ce qui se passe quand un signal sort

Trois niveaux de réponse :

• Soft alert : signal isolé, score ≥ 30. Annotation dans le dossier, pas de blocage. Les opérateurs peuvent voir l'alerte.
• Hard alert : signal critique (e.g. fournisseur = acheteur), ou combinaison de plusieurs alertes soft (score ≥ 60). Blocage automatique, revue par le compliance officer.
• Trusted shutdown : pattern indiquant une activité organisée (multiple comptes, IPs partagées, documents structurellement similaires). Suspension du compte, signalement Tracfin / CRF nationale selon le pays.

Ce qu'on n'a PAS dans le modèle

Pour la transparence : pas de signaux discriminants (genre, origine du nom, lieu de naissance, etc.). Le modèle est entraîné uniquement sur des features comportementales et financières.

Pour aller plus loin

• Lire notre approche scoring IA détaillée
• Comprendre la conformité OHADA
• Voir le pipeline complet : /factoring