Intermédiaire·2 min·20 mai 2026

Prelude lève 20M$ pour étouffer la fraude SMS à la source

🎧 Résumé audio0:00 / 0:00
Deux ex-Zenly ont trouvé comment rendre la fraude au SMS trop chère pour les hackers.
Prelude lève 20M$ pour étouffer la fraude SMS à la source

Pourquoi ça compte pour toi

Si tu proposes une app avec inscription, tu subis probablement la fraude au pumping : des milliers de SMS envoyés pour drainer tes revenus. Prelude résout ça en combinant données télécom et machine learning, ce qui baisse les coûts de vérification de 40% selon les clients. C'est pertinent pour toute boîte qui verse de l'argent via SMS ou dépend de la vérification d'identité.

Ce qu'il faut retenir

  • 1.Prelude combine données télécom, comportement utilisateur et ML pour différencier les vrais clients des bots et fraudeurs.
  • 2.Les clients rapportent 40% de réduction de coûts et une amélioration du taux de conversion sans service client fantôme.
  • 3.La série A de 20M$ (menée par 20VC) va financer les partenariats avec opérateurs télécoms et l'expansion aux États-Unis.

Tu galères avec le jargon ?

Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.

Pourquoi c'est un vrai problème, pas juste un détail technique

La fraude au pumping : une app reçoit des milliers de SMS de vérification. Les fraudeurs ont configuré des bots qui cliquent sur chaque lien. Chaque SMS envoyé = argent perdu. Chez Zenly, c'était le deuxième poste de dépenses après les salaires.

Mais Matias Berny et Quentin Le Bras ont observé quelque chose : les CAPTCHA ne bloquent plus rien, et un seul signal d'alerte (une IP louche, un téléphone volé) ne suffit pas. Les fraudeurs dopés à l'IA sont trop sophistiqués.

La recette de Prelude : rendre la fraude non-rentable

Le concept clé : croiser trois types de données.

  1. Données télécom : partenariats avec opérateurs qui remontent des infos sur le numéro (SIM récente ? Portable volé ? Numéro jetable ?)
  2. Signaux comportementaux : l'utilisateur fait-il défiler à vitesse humaine ou robotique ? Les délais d'interaction ressemblent-ils à du vrai usage ?
  3. Machine learning temps réel : entraîner le modèle sur des millions de tentatives pour prédire avant qu'un fraudeur ne passe à l'attaque

Le résultat : tu refuses les tentatives louches et tu approuves les vraies 40% moins cher. Et contrairement aux services d'avant, tu as une équipe support réelle si tu te demandes pourquoi ton meilleur client a été bloqué.

Qui y croit (et pourquoi c'est un bon signal)

La série A attire des noms sérieux : le directeur marketing de Revolut, le co-fondateur de Pennylane, le PDG de Grindr. Pourquoi ? Parce qu'ils savent que la vérification téléphonique est un élément critique dans leurs produits. Leurs utilisateurs font de vrais paiements. Un faux positif = client en colère. Un vrai positif = arnaque évitée.

Les plans à court terme

Prelude vise les États-Unis en priorité (6 de ses 10 plus gros clients y sont). Ouverture probable d'un bureau à San Francisco. En parallèle, renforcer les partenariats avec les opérateurs télécoms mondiaux = accès à des signaux meilleurs et plus granulaires.

590% de croissance l'an dernier. 30 recrutements prévus pour renforcer l'équipe de 48 personnes.

Et concrètement pour toi ?

Choisis ton profil — la lecture de l'article change selon qui tu es.

🔭 Curieux

Pour toi, retiens que les vraies solutions anti-fraude ne bloquent pas brutalement : elles laissent passer les vrais clients (meilleure conversion) tout en écrasant les bots. Prelude fait ça en combinant 3 signaux au lieu de 1, c'est l'efficacité par la donnée.

Essayer maintenant

Découvrir Prelude

Newsletters Noésis

3 minutes d'IA dans ta boîte mail, chaque matin.

Rejoins les francophones qui comprennent, essaient et progressent avec l'IA. Choisis ce que tu veux recevoir. Désabonnement en 1 clic.