Les diligences menées ont été faites dans un esprit préventif et n’avaient pas vocation à avoir un rôle répressif. D’ailleurs, elles n’ont pas conduit à identifier de manquements revêtant une particulière gravité. Néanmoins l’AMF appelle les SGP à améliorer leur dispositif de lutte contre les abus de marché en corrigeant rapidement les insuffisances constatées.

L’AMF a porté son attention sur les points suivants :

  • le corpus procédural relatif à la lutte contre les abus de marché, les règlementations MAR et STOR (suspicious transaction and order report),
  • l’organisation et la gouvernance du dispositif de lutte contre les abus de marché (moyens humains et formation),
  • les systèmes et mesures de surveillance et de détection des opérations suspectes (outils utilisés, paramétrage et remontée des alertes),
  • la mise en œuvre pratique du dispositif de lutte contre les abus de marché (listes de surveillance, listes d’interdiction, listes d’initiés, analyse et déclaration des opérations suspectes),
  • le dispositif de contrôle interne (permanent et périodique) en place pour le processus de lutte contre les abus de marché.

Constats de l’AMF

Imprécisions et manquement dans l’application de MAR et STOR

Toutes les SGP du panel ont formalisé un document principal relatif au dispositif de lutte contre les abus de marché, leurs procédures  font apparaître des lacunes dans leur dispositif opérationnel ainsi que l’application non exhaustive des réglementations  MAR ou STOR .

 Opérations suspectes non détectées

Concernant a mise en œuvre du dispositif de lutte contre les abus de marché, les règles et seuils d’alerte paramétrés par les SGP du panel sont perfectibles. L’AMF a réalisé un test sur un échantillon de transactions représentant 5 % en moyenne des opérations exécutées  et potentiellement suspectes.

Dans 40% des cas, les opérations suspectes non détectées étaient en lien avec un mauvais paramétrage de son outil de surveillance.

Avis de l’expert compliance AfterData

Les scénarios d’alertes doivent être en permanence revus, tant au niveau des règles que des seuils d’alerte. Le dispositif doit pouvoir être adapté en continu.

Attention toutefois à veiller à ce que le flux d’alertes produits demeure absorbable par les équipes en charge.

L’utilisation de technologie innovante comme le machine learning apparaît comme « La solution » la plus pertinente pour adapter en continu le dispositif tout en limitant les fausses alertes.

Consulter la synthèse de l’AMF dans son intégralité ici.

Ne risquez pas la réputation de votre établissement

Connaissez-vous AfterData ? Fleuron de la French tech, éditeur de solution de détection d’abus de marché, nos scénarios intelligents limitent à 3% le taux de faux positif. Notre outil permet un traitement de bout en bout sans avoir recours à des informations externes, tout en sécurisant vos pistes d’audit pour répondre au régulateur en cas de contrôle.

Consulter nos témoignages client