Qoovert
Performance algorithme

La fiabilité
en chiffres réels.

Précision et rappel mesurés en continu sur des factures labellisées par les cabinets eux-mêmes. Pas de benchmark synthétique, pas de chiffre marketing — la donnée brute, mise à jour chaque minute.

Précision en production
Précision sur alertes (score < 40)
%
Chargement de la dernière mesure…
Rappel sur fraudes
Factures labellisées
Dernière mesure
Méthodologie

Comment on mesure

  • Chaque facture analysée peut être labellisée par le cabinet : fraude confirmée ou légitime.
  • Une alerte = score final < 40. Une fraude = label « fraude » coté cabinet.
  • Précision = VP / (VP + FP). Rappel = VP / (VP + FN).
  • Sous 50 factures labellisées, on ne publie pas le chiffre — bruit statistique.
Pourquoi ce chiffre compte

La plupart des éditeurs
ne le mesurent pas.

Sur le marché de la détection de fraude facture, les éditeurs annoncent souvent un taux de détection marketing — calculé sur un échantillon contrôlé en interne ou directement repris d'un benchmark payant. Personne ne publie sa précision en production, mesurée sur les vraies factures de vrais clients.

Notre engagement est inverse : la précision affichée est la précision brute, calculée chaque minute sur l'ensemble des factures labellisées par les cabinets utilisant Qoovert. Si elle baisse, vous le voyez. Si elle monte, vous le voyez aussi.

C'est aussi la raison pour laquelle nous avons construit le bouton de feedback dans l'app : chaque verdict fraude / légitime alimente directement la mesure et permet au moteur ML interne de réajuster automatiquement le poids des contrôles individuels.

Comparaison

Trois approches du marché.

Approche 1

Règles éditoriales seules

Liste figée de contrôles écrits à la main. Précision élevée sur les cas connus, rappel faible dès qu'un fraudeur sort du scénario standard.

Typique : ERP comptable, anti-virus de PJ
Approche 2

Réseau IBAN propriétaire

Base IBAN propriétaire enrichie par les clients. Très efficace pour la validation tiers à grande échelle, mais coût d'entrée et de maintenance élevés.

Typique : Trustpair, Sis-id
Approche Qoovert

60+ contrôles + ML adaptatif

Pipeline de contrôles indépendants, recalibré en continu par le feedback cabinet. Précision et rappel publics, méthodologie transparente.

Spécifique cabinet d'expertise comptable
Confidentialité

Aucune donnée client
n'apparaît sur cette page.

Le compteur ci-dessus est un agrégat anonyme calculé en mémoire à partir de la base de production. Aucune ligne de facture, aucun nom de fournisseur, aucun montant individuel n'est exposé ni mis en cache côté CDN.

Les labels fraude et légitime restent attachés au scan d'origine et suivent la rétention configurée par le cabinet (paramètre retention_days, défaut 730 jours). La purge GDPR efface également le label associé.

Pour la méthodologie complète et le détail des contrôles : voir les 6 familles de contrôles.

Endpoint public

Ces chiffres sont aussi exposés en JSON.

Pour intégrer la métrique dans un dashboard interne ou un comparateur, l'endpoint est public, sans authentification, mis en cache 60 secondes.

GET https://api.qoovert.com/api/v1/public/performance