L’intelligence artificielle renforce la lutte contre le blanchiment

La Fédération bancaire européenne et SAS collaborent afin d’améliorer la performance des outils et faciliter leur appropriation par les acteurs.
Alexandra Oubrier
fraude

La lutte contre le blanchiment n’est pas seulement une affaire de conformité, elle doit aussi être performante. Or les banques européennes ont beau dépenser pratiquement 100 millions d’euros par an en conformité et employer 10 % de leurs effectifs dans ces services, les résultats ne sont pas à la hauteur. L’Organisation des Nations unies (ONU) estime entre 800 et 2.000 milliards de dollars les sommes blanchies chaque année dans le monde. Seulement 1 % des cas de blanchiment détectés en Europe donnent lieu à des poursuites judiciaires et moins de 1 % du produit du blanchiment est confisqué par les autorités. C’est Wim Mijs, le directeur général de la Fédération bancaire européenne (FBE) lui-même, qui l’écrivait en 2020 dans un document portant les propositions des banques pour améliorer l’efficacité de la lutte contre le blanchiment (LCB) : « L’une des principales raisons pour lesquelles le cadre est inefficace dans de nombreux cas est qu’il est plus facile de répondre à la réglementation contre le crime financier en cochant des cases plutôt qu’en cherchant à maîtriser les risques et à produire un reporting fondé sur une information de qualité. Cela doit changer. » Parmi les axes d’évolution des pratiques, le document mentionnait la technologie comme moyen d’« être plus intelligent ». Autrement dit, plus intelligent que les criminels.

La FBE s’est alors alliée à l’éditeur de logiciels SAS afin d’améliorer l’efficacité des outils et leur adoption par les acteurs de la finance. SAS a alors réalisé avec KPMG et l’Acams (Association des spécialistes certifiés de la lutte contre le blanchiment) un état des lieux de la perception de l’intelligence artificielle dans ce domaine auprès de 850 professionnels de la conformité dans le monde. Premier constat : 57 % d’entre eux avaient déployé un outil d’intelligence artificielle (IA) ou de machine learning (ML) déjà opérationnel ou dont la mise en production était prévue sous 12 à 18 mois. Les attentes sont élevées, les obstacles également (voir les graphiques). Mais les bénéfices sont là : 39 % dans la réduction des faux positifs, 38 % dans l’aide aux enquêteurs pour répondre plus vite et 22 % pour classer les alertes selon leur niveau de risque.

Chronophage

Parmi les usages les plus répandus dans le secteur financier, Florence Giulinao, directrice Europe lutte contre la fraude et les crimes financiers chez SAS, cite « la résolution d’entité (dédoublonnage des noms d’établissements, NDLR), notamment en lien avec la correspondance bancaire, car elle permet de reconnaître une entreprise sous des noms différents, ce qui aide à réduire le nombre de faux positifs ; la segmentation statistique de la clientèle entre particuliers, professionnels, personnes politiquement exposées, nouveaux clients, ou à partir des montants et volumes de transactions… Ou encore pour la calibration (fixation des seuils d’alerte, NDLR) et le monitoring des scénarios de blanchiment, ce qui consiste par exemple à calculer des cumuls de dépôts de cash sur six mois glissants avec un seuil d’alerte variable qui permet à l’IA de repérer les fraudeurs sachant s’en rapprocher sans le dépasser pour passer inaperçus… » Ces outils contribuent également à prioriser les alertes afin que les analystes se concentrent sur les plus pertinentes.

Mais adopter le machine learning nécessite du temps : « Lorsqu’on remplace les scénarios classiques de blanchiment par un modèle de machine learning, capable de détecter des scénarios de fraude inconnus, il faut faire tourner les deux outils en parallèle pendant au moins un an pour obtenir les meilleurs résultats, explique Florence Giuliano. Le machine learning non supervisé ou l’analyse en réseau utilisés par le ministère des Finances britannique pour lutter contre la fraude fiscale ont permis de détecter des fraudes organisées qu’on n’aurait pas mis en évidence avec les modèles standards. » Environ 300 établissements financiers dans le monde utilisent SAS pour lutter contre le blanchiment, la plateforme leur propose de migrer vers sa nouvelle offre Viya qui intègre l’IA et fait converger LCB et lutte antifraude.

retail.gif

Un évènement L’AGEFI

Plus d'articles Fintech

Contenu de nos partenaires

Les plus lus de
A lire sur ...