Le problème que personne ne résolvait vraiment
Les banques ont passé des années à perfectionner la vérification de l'identité du payeur. Résultat : elles sont très performantes pour s'assurer que c'est bien vous qui initiez le virement. Mais dans une arnaque classique au virement autorisé, c'est précisément vous qui payez, volontairement, après avoir été manipulé. Le fraudeur n'a jamais à prendre le contrôle de votre compte : il vous convainc simplement d'envoyer l'argent.
C'est ce que les professionnels de la lutte contre la fraude appellent l'APP fraud (Authorized Push Payment fraud), soit la fraude au virement autorisé. Elle représente aujourd'hui la menace principale dans les paiements numériques. En Europe, les fraudes sur virements ont atteint 2,5 milliards d'euros en 2024, représentant environ 60 % des pertes totales liées à la fraude sur paiements. Au Royaume-Uni, les pertes liées à ce type d'arnaque ont bondi de 19 % en 2025 pour atteindre 576,4 millions de livres sterling, soit le niveau le plus élevé depuis la pandémie. Sur l'ensemble de la planète, les consommateurs ont perdu 442 milliards de dollars à cause de ce type de fraude en 2025 selon la Global Anti-Scam Alliance.
Face à cette réalité, la startup californienne Incognia a lancé le 21 octobre 2026 une solution baptisée Real-Time Scam Prevention. L'idée centrale est de déplacer la question : au lieu de demander uniquement « est-ce que cette personne est légitime ? », il faut aussi demander « la relation entre cette personne et le bénéficiaire est-elle cohérente ? ». C'est un changement de perspective qui, sur le papier, semble évident. En pratique, personne ne l'avait industrialisé à cette échelle avec de la géolocalisation précise. Pour comprendre pourquoi cette approche émerge maintenant dans la fintech, il faut saisir comment les paiements instantanés ont transformé le risque pour les équipes conformité.
Le Physical Social Graph : cartographier les relations réelles, pas les adresses IP
Au cœur du dispositif d'Incognia se trouve ce que l'entreprise appelle le Physical Social Graph. Le principe est de construire, dans le temps, un graphe des connexions physiques réelles entre utilisateurs, à partir de leur historique de localisation. Si deux personnes fréquentent régulièrement les mêmes lieux, leur appartenance à un même réseau social réel est probable. Si elles ne se sont jamais croisées dans le monde physique, un virement entre elles mérite une attention particulière.
La technologie repose sur le brevet Trusted Locations d'Incognia, qui établit des empreintes de localisation persistantes à l'échelle d'un appartement, pas simplement d'un bâtiment ou d'un quartier. Ce niveau de précision est clé : comme le souligne Alan Gomes, directeur technique de l'entreprise, deux voisins de palier peuvent ne se connaître de rien, tandis que deux personnes vivant dans des villes différentes peuvent entretenir des liens étroits. La distance seule ne dit rien sur la relation. C'est pourquoi le système compare les historiques de localisation du payeur et du bénéficiaire pour produire un signal de risque contextuel, impossible à falsifier à grande échelle.
Dans une analyse conduite sur les transactions d'une grande institution financière, la technologie Physical Social Graph seule a permis d'identifier environ 70 % des transactions frauduleuses du jeu de données analysé. Ce chiffre, publié par Incognia dans son communiqué officiel du 21 octobre 2026, est à manier avec précaution : il s'agit d'une analyse interne sur un échantillon défini, pas d'un audit indépendant généralisable. Mais l'ordre de grandeur est suffisamment fort pour justifier l'intérêt des équipes de conformité.
Une architecture qui empile les signaux de risque
Le Physical Social Graph n'est qu'une couche parmi plusieurs. Le modèle complet d'Incognia combine cette intelligence des relations physiques avec la détection de comptes mules, la détection d'appel actif (signal fort dans les arnaques au faux conseiller bancaire), la détection d'outil d'accès à distance, la vérification de l'intégrité de l'appareil et la détection de falsification de localisation.
La logique est cohérente avec les principales typologies d'arnaques au virement autorisé : le faux conseiller bancaire qui appelle sa victime pendant qu'elle effectue le virement, le faux support technique qui prend le contrôle à distance de l'ordinateur, ou l'investissement fictif monté de toutes pièces. Chacun de ces scénarios laisse des traces comportementales et techniques que le modèle cherche à capter simultanément.
Un autre élément distingue cette approche des solutions purement intrabancaires : la plateforme connecte les activités de paiement et les relations physiques entre plusieurs institutions financières participantes. Cela permet de repérer des réseaux suspects et des activités coordonnées qu'une banque seule ne pourrait pas détecter en silo. Cette logique de mutualisation des signaux de fraude est exactement ce que les acteurs de l'infrastructure fintech tentent de construire depuis plusieurs années.
Incognia en chiffres : un parcours de croissance solide
Fondée en 2014 sous le nom In Loco au Brésil, puis rebaptisée Incognia en 2020 lors de son recentrage sur la prévention de la fraude, la société est aujourd'hui basée à Palo Alto et compte entre 100 et 250 employés. Elle a levé un total de 46,5 millions de dollars en deux tours : 15,5 millions en série A en juin 2022 (mené par Point72 Ventures), puis 31 millions en série B début 2024, mené par Bessemer Venture Partners.
Entre ces deux tours, l'entreprise a triplé son chiffre d'affaires et affiché un taux de rétention net de 200 %, avec 100 % des essais convertis en clients payants selon ses propres données. Sa valorisation est estimée entre 100 et 250 millions de dollars selon les données Dealroom, avec un chiffre d'affaires annuel estimé entre 10 et 50 millions de dollars. La société opère dans plus de 20 pays et protège selon ses déclarations plus de 200 millions d'utilisateurs mobiles.
Le lancement de Real-Time Scam Prevention le 21 octobre 2026 s'inscrit dans un mouvement plus large : deux semaines plus tôt, le 6 octobre, Incognia avait déjà lancé un système de détection des agents IA pour les institutions financières, visant à sécuriser les actions initiées par des agents autonomes au nom des clients. Ces deux lancements successifs dessinent clairement la feuille de route : couvrir l'ensemble des vecteurs d'attaque émergents, des arnaques humaines aux fraudes automatisées par agents. Un sujet connexe qui se développe rapidement, notamment au Royaume-Uni, où le conseil financier assisté par IA redéfinit la frontière entre humain et machine.
L'analyse Findfi
Avec 46,5 millions de dollars levés en tout et une valorisation estimée entre 100 et 250 millions de dollars, le multiple implicite sur les fonds levés se situe entre 2,2x et 5,4x. Pour une société en série B active sur un marché aussi tendu que l'antifraude sur paiements, la borne haute est crédible si la croissance post-série B confirme le triplement de revenus affiché entre 2022 et 2024.
L'estimation Findfi la plus utile porte sur le potentiel adressable de la nouvelle offre. Si le Physical Social Graph identifie environ 70 % des transactions frauduleuses dans un jeu de données représentatif, et que le marché UK seul totalise 576 millions de livres de pertes annuelles en 2025, un taux de détection de cet ordre pourrait théoriquement couvrir 400 millions de livres de pertes à prévenir sur ce seul marché. Ramenée à une tarification SaaS typique pour ce type de solution (souvent entre 0,5 % et 2 % des pertes évitées en valeur de contrat), la fenêtre commerciale est très large. C'est une estimation Findfi construite à partir des données publiques disponibles, non une projection officielle.
La vraie question stratégique est celle du réseau : la pertinence du Physical Social Graph dépend directement du nombre d'institutions participantes. Incognia est encore en phase d'amorçage sur ce point. Plus les banques rejoignent la plateforme, plus le graphe devient dense et précis. C'est un avantage cumulatif qui ressemble aux effets de réseau des plateformes wealthtech IA : le premier à atteindre la masse critique verrouille une part significative du marché.
Concrètement, qu'est-ce que ça change pour une direction financière ou un responsable conformité
Pour une direction des risques ou de la conformité, Real-Time Scam Prevention répond à une pression réglementaire très concrète. Au Royaume-Uni, le régime de remboursement obligatoire des fraudes au virement est en vigueur depuis octobre 2024, plafonné à 85 000 livres par dossier, avec une responsabilité partagée entre l'institution émettrice et l'institution réceptrice. En 2025, environ 89 % des pertes couvertes ont été remboursées dans les 15 premiers mois du régime. Pour une banque ou un établissement de paiement actif au Royaume-Uni, chaque arnaque non détectée est donc directement une perte au bilan. En Europe continentale, PSD3 devrait étendre des mécanismes similaires d'ici 2027-2028.
L'intégration technique s'effectue via un kit de développement logiciel léger et des interfaces de programmation, sans refonte de l'infrastructure existante. Les évaluations de risque en temps réel sont transmises aux systèmes de décision des banques, qui conservent la main sur les politiques d'action. Ce n'est pas un remplacement des outils existants, mais une couche de signal supplémentaire qui vient enrichir les moteurs de règles ou les modèles de scoring déjà en place.
Pour les équipes opérationnelles, le cas d'usage le plus immédiat est la détection du faux conseiller bancaire en appel actif : un signal de détection d'appel entrant au moment du virement est, selon Incognia, l'un des corrélats les plus fiables d'une arnaque en cours. Couplé à la géolocalisation de précision et à la vérification de l'intégrité de l'appareil, ce signal peut déclencher une friction supplémentaire avant que le virement soit exécuté, sans bloquer systématiquement les paiements légitimes. C'est exactement le type d'outil que les équipes conformité cherchent face à la criminalité financière liée aux paiements instantanés.
Ce qu'il faut retenir
Premier point : le marché de l'arnaque au virement autorisé est massif et en croissance. 442 milliards de dollars de pertes mondiales en 2025, 576,4 millions de livres au Royaume-Uni seul, en hausse de 19 % sur un an. La pression réglementaire renforce l'urgence pour les institutions financières d'agir avant que l'argent parte.
Deuxième point : l'approche d'Incognia est techniquement différenciante. Utiliser l'historique de géolocalisation à l'échelle d'un appartement pour construire un graphe social physique entre payeur et bénéficiaire est une approche brevetée qui ne peut pas être contournée par un simple changement de comportement du fraudeur, contrairement aux signaux transactionnels classiques.
Troisième point : l'effet de réseau est le vrai enjeu. Le Physical Social Graph ne vaut que ce que valent les données qui l'alimentent. La capacité d'Incognia à convaincre un nombre suffisant de banques de rejoindre la plateforme déterminera si la promesse des 70 % de détection tient à grande échelle ou reste un résultat en environnement contrôlé. Pour comprendre comment ce type de financement de l'innovation est structuré et soutenu, notamment en France, il vaut la peine de (re)lire comment fonctionne le financement de l'innovation en France.
Quatrième point : le timing est favorable. Deux lancements en trois semaines (détection des agents IA le 6 octobre, Real-Time Scam Prevention le 21 octobre) signalent une accélération produit délibérée, probablement liée à la mise en place des cadres réglementaires européens et à la montée en puissance des agents autonomes dans les services financiers. Ce double vecteur d'attaque, humain et automatisé, est exactement ce que les startups de conformité IA cherchent à couvrir dans le cadre de l'AI Act.