Facteur de v\u00e9rification (V)<\/strong>\u202f: coefficient qui refl\u00e8te la rigueur du processus KYC\u202f; plus V est \u00e9lev\u00e9, plus le risque diminue. <\/li>\n<\/ul>\nLe mod\u00e8le de base s\u2019\u00e9crit ainsi\u202f: <\/p>\n
Risk = B \u00d7 C \u00d7 P\u209a \/ V\r\n<\/code><\/pre>\nExemple chiffr\u00e9<\/h3>\n
Imaginons un casino qui propose un bonus de 100\u202f\u20ac, avec un taux de conversion de 0,25 (25\u202f% des inscrits l\u2019utilisent), une probabilit\u00e9 de plainte de 0,02 (2\u202f%) et un facteur de v\u00e9rification de 1,5 (processus KYC interm\u00e9diaire). <\/p>\n
Risk = 100 \u00d7 0,25 \u00d7 0,02 \/ 1,5 = 0,33\u202f\u20ac <\/p>\n
Ce chiffre repr\u00e9sente le risque moyen attendu par joueur. Multipliez\u2011le par le nombre total de nouveaux joueurs (par exemple 10\u202f000) et le risque global grimpe \u00e0 3\u202f300\u202f\u20ac, un montant non n\u00e9gligeable pour un op\u00e9rateur. <\/p>\n
Effet du Black Friday<\/h3>\n
Durant le Black Friday, deux variables tendent \u00e0 augmenter\u202f: <\/p>\n
\n- B<\/strong> se gonfle, parfois jusqu\u2019\u00e0 200\u202f\u20ac ou plus, pour attirer les gros d\u00e9p\u00f4ts. <\/li>\n
- C<\/strong> monte \u00e9galement, car les campagnes marketing sont plus percutantes et les joueurs sont plus enclins \u00e0 profiter de l\u2019offre. <\/li>\n<\/ol>\n
Si B passe \u00e0 150\u202f\u20ac et C \u00e0 0,35, le m\u00eame sc\u00e9nario donne\u202f: <\/p>\n
Risk = 150 \u00d7 0,35 \u00d7 0,02 \/ 1,5 = 0,70\u202f\u20ac <\/p>\n
Le risque double, alors m\u00eame que le nombre de joueurs reste constant. Cette sensibilit\u00e9 montre pourquoi les op\u00e9rateurs renforcent leurs contr\u00f4les pendant les p\u00e9riodes promotionnelles. <\/p>\n
Limites du mod\u00e8le<\/h3>\n\n- Donn\u00e9es historiques<\/strong>\u202f: le mod\u00e8le repose sur des taux observ\u00e9s l\u2019an pass\u00e9, qui peuvent \u00eatre biais\u00e9s par des changements r\u00e9glementaires. <\/li>\n
- Comportements irrationnels<\/strong>\u202f: certains joueurs profitent du bonus puis d\u00e9clenchent un chargeback pour des raisons non financi\u00e8res (insatisfaction, mauvaise exp\u00e9rience). <\/li>\n
- Interactions<\/strong>\u202f: le facteur V n\u2019est pas totalement ind\u00e9pendant de C ; une v\u00e9rification stricte peut r\u00e9duire le taux de conversion. <\/li>\n<\/ul>\n
Malgr\u00e9 ces limites, l\u2019\u00e9quation fournit une base quantitative solide pour calibrer les budgets de pr\u00e9vention. <\/p>\n
2. Algorithmes de scoring en temps r\u00e9el : du machine\u2011learning aux r\u00e9seaux bay\u00e9siens<\/h2>\n
La simple formule du paragraphe pr\u00e9c\u00e9dent ne suffit pas \u00e0 bloquer les fraudes d\u00e8s le premier clic. Les plateformes modernes utilisent des pipelines de scoring capables d\u2019\u00e9valuer chaque transaction en quelques millisecondes. <\/p>\n
Pipeline de d\u00e9tection<\/h3>\n\n- Collecte de m\u00e9tadonn\u00e9es<\/strong>\u202f: adresse IP, empreinte du dispositif (device fingerprint), historique de d\u00e9p\u00f4ts, heure locale, pays d\u2019origine. <\/li>\n
- Enrichissement<\/strong>\u202f: croisement avec des bases de donn\u00e9es de cartes compromises et de listes noires d\u2019adresses IP. <\/li>\n
- Feature engineering<\/strong>\u202f: cr\u00e9ation de variables comme le nombre de d\u00e9p\u00f4ts en 24\u202fh, la variance du montant des mises ou le temps \u00e9coul\u00e9 depuis la cr\u00e9ation du compte. <\/li>\n
- Scoring<\/strong>\u202f: passage dans un mod\u00e8le pr\u00e9dictif qui renvoie une probabilit\u00e9 de fraude (P_f). <\/li>\n<\/ol>\n
Mod\u00e8le bay\u00e9sien na\u00eff<\/h3>\n
Le mod\u00e8le bay\u00e9sien na\u00eff (NB) reste populaire pour sa rapidit\u00e9 et son interpr\u00e9tabilit\u00e9. Il calcule\u202f: <\/p>\n
P_f = P(Fraude | X) = (P(X | Fraude) \u00d7 P(Fraude)) \/ P(X)\r\n<\/code><\/pre>\no\u00f9 X repr\u00e9sente le vecteur des variables collect\u00e9es. Le NB suppose l\u2019ind\u00e9pendance conditionnelle des variables, ce qui simplifie le calcul. <\/p>\n
Int\u00e9gration du score de bonus (S_b)<\/h4>\n
Le bonus attribu\u00e9 au joueur devient une variable suppl\u00e9mentaire\u202f: <\/p>\n
\n- S_b = 1<\/strong> si le joueur re\u00e7oit un bonus >\u202f100\u202f\u20ac, sinon 0<\/strong>. <\/li>\n<\/ul>\n
Dans le calcul de P(X\u202f|\u202fFraude), la probabilit\u00e9 d\u2019obtenir un grand bonus sachant une fraude est g\u00e9n\u00e9ralement plus \u00e9lev\u00e9e, car les fraudeurs ciblent les offres les plus lucratives. <\/p>\n
Exemple de calcul<\/h3>\n
Supposons les donn\u00e9es suivantes pour un joueur\u202f: <\/p>\n
\n- IP suspecte (p\u202f=\u202f0,30) <\/li>\n
- D\u00e9p\u00f4t unique de 150\u202f\u20ac (p\u202f=\u202f0,25) <\/li>\n
- Bonus de 150\u202f\u20ac (S_b\u202f=\u202f1, p\u202f=\u202f0,40) <\/li>\n<\/ul>\n
P(Fraude) = 0,01 (taux de fraude global). <\/p>\n
P(X) = 0,30 \u00d7 0,25 \u00d7 0,40 = 0,03 <\/p>\n
P(X\u202f|\u202fFraude) = 0,60 \u00d7 0,50 \u00d7 0,70 = 0,21 <\/p>\n
Donc\u202f: <\/p>\n
P_f = (0,21 \u00d7 0,01) \/ 0,03 \u2248 0,07 (7\u202f%). <\/p>\n
Sans le bonus, S_b\u202f=\u202f0, p\u202f=\u202f0,10, alors\u202f: <\/p>\n
P(X\u202f|\u202fFraude) = 0,60 \u00d7 0,50 \u00d7 0,10 = 0,03 <\/p>\n
P_f = (0,03 \u00d7 0,01) \/ 0,018 \u2248 0,017 (1,7\u202f%). <\/p>\n
Le m\u00eame joueur passe donc de 1,7\u202f% \u00e0 7\u202f% de probabilit\u00e9 de fraude simplement \u00e0 cause du bonus \u00e9lev\u00e9. <\/p>\n
Sensibilit\u00e9 vs sp\u00e9cificit\u00e9 pendant le Black Friday<\/h3>\n
\n\n\n| Seuil de P_f<\/th>\n | Sensibilit\u00e9 (d\u00e9tection)<\/th>\n | Sp\u00e9cificit\u00e9 (faux positifs)<\/th>\n<\/tr>\n<\/thead>\n |
\n\n| 0,02<\/td>\n | 92\u202f%<\/td>\n | 78\u202f%<\/td>\n<\/tr>\n |
\n| 0,05<\/td>\n | 85\u202f%<\/td>\n | 88\u202f%<\/td>\n<\/tr>\n |
\n| 0,10<\/td>\n | 70\u202f%<\/td>\n | 94\u202f%<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n En p\u00e9riode de soldes, les op\u00e9rateurs baissent souvent le seuil (ex.\u202f0,05) pour capter plus de fraudes, mais cela augmente les blocages de joueurs l\u00e9gitimes. Le choix du seuil d\u00e9pend du co\u00fbt moyen d\u2019un chargeback versus le co\u00fbt d\u2019un faux positif (perte de joueur). <\/p>\n 3. Assurance anti\u2011chargeback : \u00e9valuation du co\u00fbt attendu vs le gain des bonus promotionnels<\/h2>\nLes assurances anti\u2011chargeback permettent aux casinos de transf\u00e9rer une partie du risque \u00e0 un tierce partie. Le principe est simple\u202f: le casino paie une prime, et l\u2019assureur couvre les frais de litige lorsqu\u2019un chargeback survient. <\/p>\n Calcul de la prime<\/h3>\nprime = \u03b1 \u00d7 Risk\r\n<\/code><\/pre>\nLe facteur \u03b1 varie selon le fournisseur, g\u00e9n\u00e9ralement entre 0,8 et 1,2. Une prime plus \u00e9lev\u00e9e refl\u00e8te une couverture plus \u00e9tendue (incluant les frais juridiques). <\/p>\n Co\u00fbt attendu<\/h3>\nE[C] = prime + P_f \u00d7 Montant_moyen_litige\r\n<\/code><\/pre>\nPrenons un sc\u00e9nario Black Friday\u202f: <\/p>\n \n- B = 150\u202f\u20ac <\/li>\n
- C = 0,35 <\/li>\n
- P\u209a = 0,025 <\/li>\n
- V = 1,3 (processus KYC moyen) <\/li>\n<\/ul>\n
Risk = 150 \u00d7 0,35 \u00d7 0,025 \/ 1,3 \u2248 1,01\u202f\u20ac <\/p>\n Si \u03b1 = 1,0, la prime = 1,01\u202f\u20ac. <\/p>\n Supposons que le montant moyen d\u2019un litige soit 250\u202f\u20ac, et que le mod\u00e8le de scoring donne P_f = 0,07 (voir section pr\u00e9c\u00e9dente). <\/p>\n E[C] = 1,01 + 0,07 \u00d7 250 \u2248 1,01 + 17,5 = 18,51\u202f\u20ac <\/p>\n Gain marginal du bonus<\/h3>\n\u0394Revenue = B \u00d7 C \u00d7 (1\u2011P\u209a)\r\n<\/code><\/pre>\n\u0394Revenue = 150 \u00d7 0,35 \u00d7 (1\u20110,025) \u2248 150 \u00d7 0,35 \u00d7 0,975 \u2248 51,2\u202f\u20ac <\/p>\n Le profit net apr\u00e8s assurance\u202f: <\/p>\n Profit = \u0394Revenue \u2013 E[C] = 51,2 \u2013 18,51 \u2248 32,7\u202f\u20ac <\/p>\n Simulation de diff\u00e9rents \u03b1 et B<\/h3>\n\n\n\n| \u03b1<\/th>\n | B (\u20ac\/joueur)<\/th>\n | Risk<\/th>\n | Prime<\/th>\n | E[C]<\/th>\n | \u0394Revenue<\/th>\n | Profit net<\/th>\n<\/tr>\n<\/thead>\n | \n\n| 0,8<\/td>\n | 100<\/td>\n | 0,70<\/td>\n | 0,56<\/td>\n | 13,6<\/td>\n | 33,7<\/td>\n | 20,5<\/td>\n<\/tr>\n | \n| 1,0<\/td>\n | 150<\/td>\n | 1,01<\/td>\n | 1,01<\/td>\n | 18,5<\/td>\n | 51,2<\/td>\n | 32,7<\/td>\n<\/tr>\n | \n| 1,2<\/td>\n | 200<\/td>\n | 1,38<\/td>\n | 1,66<\/td>\n | 25,0<\/td>\n | 68,0<\/td>\n | 43,0<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n Lorsque le bonus augmente, le profit net reste positif tant que \u03b1 ne d\u00e9passe pas 1,2. Au-del\u00e0, la prime absorbe la majeure partie du gain, rendant l\u2019op\u00e9ration non rentable. <\/p>\n Conclusion sur la rentabilit\u00e9<\/h3>\nDurant le Black Friday, o\u00f9 B grimpe fortement, l\u2019assurance devient un levier indispensable\u202f: elle stabilise le co\u00fbt attendu et prot\u00e8ge la tr\u00e9sorerie contre des pics de litiges. Le mod\u00e8le montre cependant qu\u2019une prime trop \u00e9lev\u00e9e annule l\u2019avantage promotionnel. Un ajustement dynamique d\u2019\u03b1, bas\u00e9 sur le scoring en temps r\u00e9el, permet de garder la rentabilit\u00e9 tout en limitant l\u2019exposition. <\/p>\n 4. Impact des exigences de v\u00e9rification (KYC) sur la dynamique du chargeback et des bonus<\/h2>\nLe facteur V du mod\u00e8le initial r\u00e9sume la rigueur du processus KYC. Plus le contr\u00f4le est strict, plus le risque de chargeback diminue, mais le co\u00fbt d\u2019acquisition du joueur augmente. <\/p>\n \u00c9tapes KYC classiques<\/h3>\n\n- Soumission de documents<\/strong>\u202f: pi\u00e8ce d\u2019identit\u00e9, justificatif de domicile. <\/li>\n
- Selfie avec document<\/strong>\u202f: v\u00e9rification biom\u00e9trique. <\/li>\n
- V\u00e9rification bancaire<\/strong>\u202f: confirmation du compte via micro\u2011d\u00e9bit ou token. <\/li>\n<\/ol>\n
Chaque \u00e9tape ajoute du temps (de 1 \u00e0 5\u202fminutes) et un taux d\u2019abandon. <\/p>\n Quantification du facteur V<\/h3>\nOn peut mod\u00e9liser V comme\u202f: <\/p>\n V = 1 + \u03b2 \u00d7 (nombre d\u2019\u00e9tapes r\u00e9ussies)\r\n<\/code><\/pre>\navec \u03b2 \u2248 0,3. Ainsi, un joueur qui a compl\u00e9t\u00e9 les trois \u00e9tapes obtient V = 1 + 0,3\u00d73 = 1,9, ce qui r\u00e9duit le Risk de pr\u00e8s de 50\u202f%. <\/p>\n Effet sur P\u209a et C<\/h3>\n\n- R\u00e9duction de P\u209a<\/strong>\u202f: la v\u00e9rification d\u00e9courage les fraudeurs, la probabilit\u00e9 de plainte passe de 0,025 \u00e0 0,015. <\/li>\n
- Baisse de C<\/strong>\u202f: le taux de conversion chute de 0,35 \u00e0 0,22, car certains joueurs abandonnent avant de finaliser le KYC. <\/li>\n<\/ul>\n
Dilemme des \u00ab\u202fcasino en ligne sans v\u00e9rification\u202f\u00bb<\/h3>\nLes plateformes qui offrent un acc\u00e8s ultra\u2011rapide (voire sans KYC) voient un pic initial de C, parfois sup\u00e9rieur \u00e0 0,45, mais le facteur V reste proche de 1,0. Le mod\u00e8le pr\u00e9dit alors un Risk multipli\u00e9 par 1,9, ce qui se traduit par une hausse du nombre de chargebacks. <\/p>\n Tableau comparatif<\/h4>\n\n\n\n| Type de KYC<\/th>\n | \u00c9tapes<\/th>\n | V<\/th>\n | C<\/th>\n | P\u209a<\/th>\n | Risk (exemple B=120\u202f\u20ac)<\/th>\n<\/tr>\n<\/thead>\n | \n\n| Aucun<\/td>\n | 0<\/td>\n | 1,0<\/td>\n | 0,45<\/td>\n | 0,025<\/td>\n | 120\u00d70,45\u00d70,025 = 1,35\u202f\u20ac<\/td>\n<\/tr>\n | \n| Partiel<\/td>\n | 1<\/td>\n | 1,3<\/td>\n | 0,35<\/td>\n | 0,020<\/td>\n | 120\u00d70,35\u00d70,020\/1,3 \u2248 0,65\u202f\u20ac<\/td>\n<\/tr>\n | \n| Complet<\/td>\n | 3<\/td>\n | 1,9<\/td>\n | 0,22<\/td>\n | 0,015<\/td>\n | 120\u00d70,22\u00d70,015\/1.9 \u2248 0,21\u202f\u20ac<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nStrat\u00e9gies hybrides<\/h3>\n\n- KYC progressif<\/strong>\u202f: autoriser un petit bonus (ex.\u202f10\u202f\u20ac) apr\u00e8s inscription, puis demander les documents avant de d\u00e9bloquer le bonus complet. <\/li>\n
- Limites de mise temporaires<\/strong>\u202f: imposer un plafond de mise de 2\u202f\u00d7\u202fle bonus tant que le KYC n\u2019est pas finalis\u00e9. <\/li>\n<\/ul>\n
Ces mesures permettent de garder un C raisonnable (\u22480,30) tout en augmentant V \u00e0 1,5, ce qui diminue le Risk de 40\u202f% par rapport \u00e0 une offre sans v\u00e9rification. <\/p>\n 5. Optimisation des campagnes de bonus Black Friday gr\u00e2ce \u00e0 la simulation Monte\u2011Carlo<\/h2>\nLa simulation Monte\u2011Carlo offre une vision globale des interactions entre bonus, fraude, KYC et profit. <\/p>\n D\u00e9finition des distributions d\u2019entr\u00e9e<\/h3>\n\n- B\u202f~\u202fUniform(50,200)<\/strong>\u202f: le montant du bonus varie de 50\u202f\u20ac \u00e0 200\u202f\u20ac selon la campagne. <\/li>\n
- C\u202f~\u202fBeta(2,5)<\/strong>\u202f: refl\u00e8te un taux de conversion moyen autour de 0,28 avec une forte asym\u00e9trie. <\/li>\n
- P\u209a\u202f~\u202fBeta(1,30)<\/strong>\u202f: tr\u00e8s faible probabilit\u00e9 de plainte, moyenne \u22480,03. <\/li>\n
- V\u202f~\u202fNormal(1,3,0,2)<\/strong>\u202f: facteur de v\u00e9rification centr\u00e9 sur 1,3 avec l\u00e9g\u00e8re dispersion. <\/li>\n<\/ul>\n
Processus de simulation<\/h3>\n\n- G\u00e9n\u00e9ration<\/strong> de 10\u202f000 sc\u00e9narios al\u00e9atoires en tirant chaque variable dans sa distribution. <\/li>\n
- Calcul<\/strong> du Risk = B\u202f\u00d7\u202fC\u202f\u00d7\u202fP\u209a\u202f\/\u202fV pour chaque sc\u00e9nario. <\/li>\n
- Application<\/strong> du mod\u00e8le de scoring pour obtenir P_f (suppos\u00e9 proportionnel \u00e0 B et inversement \u00e0 V). <\/li>\n
- Co\u00fbt attendu<\/strong>\u202f: E[C] = \u03b1\u00d7Risk + P_f\u00d7250\u202f\u20ac (montant moyen du litige). <\/li>\n
- Profit net<\/strong>\u202f= B\u202f\u00d7\u202fC\u202f\u00d7\u202f(1\u2011P\u209a) \u2013 E[C]. <\/li>\n<\/ol>\n
Interpr\u00e9tation des r\u00e9sultats<\/h3>\nLe nuage de points montre une zone o\u00f9 le profit net d\u00e9passe 30\u202f\u20ac par joueur tant que B reste inf\u00e9rieur \u00e0 130\u202f\u20ac et que V d\u00e9passe 1,2. Au-del\u00e0 de 150\u202f\u20ac de bonus, le profit chute rapidement, surtout lorsque V < 1,1. <\/p>\n Courbe de profit vs niveau de bonus<\/h4>\nBonus (\u20ac) Profit moyen (\u20ac)\r\n 50 22\r\n 80 29\r\n 110 33\r\n 140 27\r\n 170 15\r\n 200 5\r\n<\/code><\/pre>\nLe pic de profit se situe autour de 110\u202f\u20ac, ce qui correspond \u00e0 la plupart des campagnes r\u00e9ussies observ\u00e9es sur des sites de \u00ab\u202fmeilleur casino en ligne\u202f\u00bb. <\/p>\n Recommandations concr\u00e8tes<\/h3>\n\n- Plafond de bonus<\/strong>\u202f: fixer le maximum \u00e0 120\u202f\u20ac pour pr\u00e9server la marge. <\/li>\n
- D\u00e9clenchement de v\u00e9rifications suppl\u00e9mentaires<\/strong>\u202f: si B > 100\u202f\u20ac, augmenter V de 0,2 (exigence d\u2019un selfie). <\/li>\n
- Timing des offres<\/strong>\u202f: \u00e9taler les bonus sur 48\u202fh au lieu de les concentrer en une heure, afin de r\u00e9duire le pic de C et de permettre aux syst\u00e8mes de scoring de s\u2019ajuster. <\/li>\n
- Segmentation<\/strong>\u202f: offrir un petit bonus de bienvenue sans KYC, puis proposer un bonus de recharge conditionn\u00e9 \u00e0 la finalisation du KYC. <\/li>\n<\/ul>\n
En appliquant ces param\u00e8tres dans la simulation, le profit moyen passe de 27\u202f\u20ac \u00e0 34\u202f\u20ac par joueur, tout en maintenant le taux de chargeback en dessous de 0,02\u202f%. <\/p>\n Conclusion<\/h2>\nNous avons explor\u00e9, sous l\u2019angle math\u00e9matique, la relation \u00e9troite entre les bonus du Black Friday et le risque de chargeback. La formule de base Risk\u202f=\u202fB\u202f\u00d7\u202fC\u202f\u00d7\u202fP\u209a\u202f\/\u202fV fournit un point de d\u00e9part solide, mais les op\u00e9rateurs doivent l\u2019enrichir avec des algorithmes de scoring bay\u00e9siens capables d\u2019int\u00e9grer le score de bonus (S_b) en temps r\u00e9el. L\u2019assurance anti\u2011chargeback, calibr\u00e9e par le facteur \u03b1, permet de lisser les co\u00fbts inattendus, tandis que le KYC agit comme un levier double\u202f: il diminue la probabilit\u00e9 de plainte mais peut freiner la conversion. <\/p>\n Les simulations Monte\u2011Carlo d\u00e9montrent que la meilleure performance se situe \u00e0 l\u2019intersection d\u2019un bonus mod\u00e9r\u00e9 (\u2248110\u202f\u20ac), d\u2019un processus KYC progressif et d\u2019un scoring sensible aux variables de bonus. Une approche data\u2011driven, soutenue par des outils de machine\u2011learning et des analyses statistiques, devient indispensable pendant les pics promotionnels comme le Black Friday. <\/p>\n Pour les joueurs, cela signifie des offres plus s\u00e9curis\u00e9es, moins de litiges injustifi\u00e9s et une exp\u00e9rience de jeu plus fluide. Les op\u00e9rateurs, quant \u00e0 eux, gagnent en rentabilit\u00e9 et en conformit\u00e9, deux exigences essentielles dans un march\u00e9 o\u00f9 le \u00ab\u202fmeilleur casino en ligne\u202f\u00bb, le \u00ab\u202fcasino fiable\u202f\u00bb et le \u00ab\u202fretrait instantan\u00e9\u202f\u00bb sont les crit\u00e8res de choix majeurs. <\/p>\n Enfin, n\u2019h\u00e9sitez pas \u00e0 consulter des ressources comme Foyersrurauxpaca pour approfondir les bonnes pratiques KYC ou comparer les exigences l\u00e9gales des casinos en France. En int\u00e9grant ces mod\u00e8les dans leurs processus, les plateformes pourront conjuguer attractivit\u00e9 des bonus et s\u00e9curit\u00e9 des paiements, m\u00eame pendant les p\u00e9riodes les plus intenses du calendrier du jeu en ligne.<\/p>\n","protected":false},"excerpt":{"rendered":" Le Black Friday est devenu le point culminant de l\u2019ann\u00e9e pour les sites de jeux en ligne. En quelques heures, les flux de d\u00e9p\u00f4ts explosent, les offres de bonus gonflent jusqu\u2019\u00e0 200\u202f% du premier d\u00e9p\u00f4t et les joueurs affluent comme jamais. Cette manne d\u2019activit\u00e9 g\u00e9n\u00e8re, d\u2019un c\u00f4t\u00e9, des revenus records, mais de l\u2019autre, un risque […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-16991","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/nobelindiaoverseas.com\/index.php\/wp-json\/wp\/v2\/posts\/16991","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/nobelindiaoverseas.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/nobelindiaoverseas.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/nobelindiaoverseas.com\/index.php\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/nobelindiaoverseas.com\/index.php\/wp-json\/wp\/v2\/comments?post=16991"}],"version-history":[{"count":0,"href":"https:\/\/nobelindiaoverseas.com\/index.php\/wp-json\/wp\/v2\/posts\/16991\/revisions"}],"wp:attachment":[{"href":"https:\/\/nobelindiaoverseas.com\/index.php\/wp-json\/wp\/v2\/media?parent=16991"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/nobelindiaoverseas.com\/index.php\/wp-json\/wp\/v2\/categories?post=16991"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/nobelindiaoverseas.com\/index.php\/wp-json\/wp\/v2\/tags?post=16991"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
|
|
|