# Détecter l'abus de retours en boutique en ligne > Comment noter les demandes selon l'historique, les retours manquants et les valeurs inhabituelles, et retenir les dossiers à risque sans ralentir les bons clients. - Canonical URL: https://lumtry.com/fr-CA/guides/return-abuse-screening - Last updated: 2026-09-24 Le filtrage de l'abus de retours note chaque demande de remboursement selon l'historique du client avec votre boutique : la fréquence de ses demandes, le nombre de retours jamais reçus et la valeur de ses réclamations. Lumtry traduit ces signaux en niveau faible, élevé ou très élevé avec ses raisons, et votre politique décide si une personne examine le dossier. ## Quels signaux révèlent l'abus de retours? Des tendances dans les demandes d'un client, pas une demande isolée. Lumtry en observe cinq : des demandes de remboursement fréquentes, des déclarations répétées de colis non reçu, des retours jamais reçus après le délai de retour, des demandes bien au-dessus de la valeur habituelle de votre boutique et une rafale de demandes d'un nouveau client. ## Comment le niveau de risque est-il établi? Chaque signal est une règle fixe appliquée aux dossiers de remboursement de votre propre espace de travail : le même historique donne toujours la même note. La note va de 0 à 100 et correspond au niveau faible, élevé ou très élevé, et le dossier affiche les signaux déclenchés. Une demande refusée compte quand même. ## Le filtrage refuse-t-il des remboursements de lui-même? Non. La note est une donnée d'entrée de votre politique. Les règles peuvent retenir, escalader ou acheminer un dossier selon le niveau de risque, et les dossiers à risque très élevé attendent une personne. Si la note est indisponible, ces règles ne s'appliquent pas : une note absente n'a jamais l'air d'une note propre. ## Peut-on essayer le filtrage avant qu'il influence les décisions? Oui. Le signal a un mode fantôme qui inscrit les notes aux dossiers sans que les règles agissent dessus. Passez-le en mode application quand les niveaux correspondent à ce que votre équipe observe. ## Commencer le filtrage en cinq étapes 1. **Ajouter Abuse Shield**: Abuse Shield est un module offert avec les forfaits Starter et Growth et inclus dans Scale. Il n'est pas offert avec le forfait Free. 2. **Commencer en mode fantôme**: Laissez les notes s'accumuler sur de vrais dossiers pendant que les règles les ignorent, et comparez les niveaux au jugement de votre équipe. 3. **Écrire des règles sur le niveau de risque**: Dans une nouvelle version de politique, ajoutez des conditions sur le niveau de risque d'abus, par exemple envoyer les dossiers à risque très élevé en approbation plutôt que de payer automatiquement. 4. **Passer en mode application**: Publiez la version de politique et passez le signal en mode application. Les dossiers déjà en cours gardent la version de politique avec laquelle ils ont commencé. 5. **Examiner les dossiers retenus avec les preuves**: Ouvrez un dossier retenu pour voir le niveau, les signaux déclenchés et, pour les niveaux élevé et très élevé, un court résumé consultatif. C'est l'approbateur qui décide, pas le résumé. ## Questions fréquentes ### Le filtrage partage-t-il des données avec d'autres boutiques? Pas par défaut. Les notes viennent des dossiers de votre propre espace de travail. Un réseau antifraude distinct, qui partage des signaux entre marchands, est facultatif et reste désactivé tant que vous ne l'activez pas. ### Les bons clients fidèles seront-ils signalés? Acheter souvent ne fait pas monter la note. Les signaux comptent les demandes de remboursement, les retours manquants et les valeurs inhabituelles, et chaque signal déclenché est affiché : un approbateur voit pourquoi un dossier a été retenu et peut l'approuver. ### L'IA décide-t-elle si un client abuse? Non. La note est déterministe. Un résumé de l'IA est rédigé après l'évaluation du dossier par la politique, seulement pour les niveaux élevé et très élevé, et il est enregistré comme un conseil à l'approbateur. ### De combien d'historique le filtrage a-t-il besoin? Les signaux ont besoin d'historique pour se déclencher. Un nouvel espace de travail a peu de points de comparaison, et le signal de valeur attend d'avoir assez de dossiers pour établir votre valeur de demande habituelle. ## Related - [Accueil](https://lumtry.com/fr-CA/index.md): Décidez des remboursements selon une politique versionnée, confiez les exceptions à votre équipe dans Slack ou le tableau de bord et gardez tout au dossier. - [Guides](https://lumtry.com/fr-CA/guides.md): Des guides qui répondent d'abord sur les remboursements, retours, rétrofacturations, approbations et pistes d'audit pour les boutiques en ligne. - [Approbations Slack pour Stripe](https://lumtry.com/fr-CA/guides/slack-refund-approvals-for-stripe.md): Comment acheminer vers Slack les remboursements Stripe qui exigent une personne, les approuver depuis le message et garder le tableau de bord comme source de vérité. - [Approbations vocales](https://lumtry.com/fr-CA/guides/voice-refund-approvals.md): Comment un appel sortant permet à un approbateur de confirmer un remboursement retenu loin de Slack et du tableau de bord, avec la réponse enregistrée. - [Preuves de rétrofacturation](https://lumtry.com/fr-CA/guides/chargeback-evidence-automation.md): Comment réunir les preuves de litige à partir des commandes, de la politique et de la piste d'audit pour que chaque réponse parte d'un dossier complet. - [Piste d'audit](https://lumtry.com/fr-CA/guides/refund-audit-trail.md): Ce qu'une piste d'audit des remboursements doit contenir, pourquoi elle doit être en ajout seulement, et cinq étapes pour en bâtir une solide. - [Agents d'IA et MCP](https://lumtry.com/fr-CA/guides/mcp-refunds-for-ai-agents.md): Comment des assistants d'IA consultent des dossiers et proposent des remboursements par le Model Context Protocol, pendant que politique et personnes décident. - [Offres de fidélisation](https://lumtry.com/fr-CA/guides/retention-offers-before-refund.md): Quand offrir du crédit en magasin, un échange ou un remboursement partiel avant de rendre l'argent, et comment une politique choisit la bonne offre. - [Places de marché](https://lumtry.com/fr-CA/guides/multichannel-marketplace-refunds.md): Comment réunir les remboursements de votre boutique, d'Amazon et d'eBay dans une seule file, avec une politique par canal et une seule piste d'audit. - [Tarifs](https://lumtry.com/fr-CA/pricing.md): Forfaits Lumtry selon le volume de dossiers et les sièges, du forfait gratuit à Entreprise, avec modules et frais plafonnés. Commencez gratuitement. - [Serveur MCP](https://lumtry.com/fr-CA/developers/mcp.md): Reliez un assistant IA ou votre propre agent à votre espace de remboursement grâce au Model Context Protocol. Il lit les dossiers et propose, sans déplacer d'argent. - [Confiance](https://lumtry.com/fr-CA/trust.md): Comment Lumtry protège les données des marchands, encadre l'IA par une politique déterministe, nomme ses sous-traitants et explique la conservation des données. - [llms.txt](https://lumtry.com/llms.txt)