Ce qu’il faut retenir de la conférence ACPR 2024 :

1. Renforcement des Exigences KYC (Know Your Customer)

Contexte et enjeux :

  • Les exigences KYC sont fondamentales pour identifier les clients et évaluer les risques liés à leurs activités. Cependant, avec l’essor des technologies numériques, le KYC traditionnel atteint ses limites en termes d’efficacité et de rapidité.
  • La difficulté réside dans la capacité à traiter des millions de données en temps réel tout en respectant la réglementation.

Problèmes soulevés :

Complexité accrue des données clients :
    • Augmentation des interactions multicanales (mobile, digital, agences).
    • Multiplication des identités numériques, qui nécessitent des vérifications plus sophistiquées.
Menaces des « clients à haut risque » :
      • Présence accrue de personnes politiquement exposées (PPE) ou de structures complexes comme des trusts.
      • Transactions dissimulées via des prête-noms ou des entités écrans.
Pression réglementaire :
    • Nécessité de se conformer aux réglementations européennes et internationales, telles que la directive AMLD5/AMLD6.

Solutions détaillées proposées :

Digitalisation des processus :
    • Automatisation de l’identification client via des outils biométriques (reconnaissance faciale, empreintes digitales).
    • Utilisation de bases de données interconnectées, comme celles des registres nationaux et internationaux des entreprises.
Gestion proactive des anomalies :
      • Détection des incohérences entre les données fournies par le client et les bases publiques (exemple : adresses ou noms associés à des zones à risque).
      • Suivi continu des changements dans le profil de risque des clients (surveillance dynamique).
Renforcement de la diligence raisonnable :
    • Obligation de documenter toute interaction avec des clients PPE ou ayant des liens avec des juridictions sensibles.
    • Vérifications accrues sur les bénéficiaires effectifs des entreprises et les chaînes complexes de propriété.

2. Intelligence Artificielle et Big Data

Contexte et rôle :

  • Les outils traditionnels de détection, basés sur des règles prédéfinies, sont dépassés face à l’évolution rapide des techniques de blanchiment et des volumes de données.
  • L’intelligence artificielle (IA) et le Big Data deviennent essentiels pour automatiser les processus de surveillance, détecter des schémas complexes et limiter les faux positifs.

Cas d’usage concrets discutés :

Amélioration de la détection :
    • Modèles prédictifs pour identifier des activités inhabituelles sur la base d’historiques de données.
    • Utilisation de l’IA pour repérer des relations cachées entre des entités apparemment non liées.
    • Détection proactive des montages financiers complexes, comme le « layering » (technique de dissémination des fonds illicites sur plusieurs comptes et juridictions).
Réduction des faux positifs :
      • Les systèmes traditionnels signalent un volume élevé d’alertes inutiles, ce qui surcharge les équipes de conformité.
      • Les algorithmes d’IA, en analysant des variables multiples (type de transaction, heure, localisation), permettent d’affiner les critères de détection et de prioriser les alertes pertinentes.
Traitement de volumes massifs de données :
    • Exploitation de données structurées (transactions bancaires) et non structurées (emails, documents, réseaux sociaux).
    • Capacité à analyser en temps réel des millions de transactions et à produire des rapports synthétiques pour les équipes de conformité.

3. Défis liés à l’utilisation de l’IA :

Encadrement réglementaire :
    • Les régulateurs demandent plus de transparence dans la conception et l’utilisation des modèles d’IA pour éviter les biais.
    • Obligation de documenter et d’expliquer les décisions prises par les algorithmes.

Éthique et biais :

    • Risque d’exclure certains profils ou de renforcer des discriminations involontaires.

Formation des équipes :

    • Les collaborateurs doivent être capables de comprendre les résultats produits par les outils d’IA et de les intégrer dans leur travail quotidien.