Comment l'IA-Driven KYC peut-elle réduire le risque asymétrique pour les banques ?

John Flowers est le Responsable Mondial des Marchés Financiers chez eClerx. Avec plus de 30 ans d’expérience dans le secteur des services de technologie financière, il a occupé divers postes de direction tant du côté technologique que du côté client de l’entreprise.

Découvrez les meilleures nouvelles et événements fintech !

Abonnez-vous à la newsletter de FinTech Weekly

Lue par des dirigeants de JP Morgan, Coinbase, Blackrock, Klarna et plus encore

Le risque asymétrique représente une menace constante pour les banques, les fintechs et d’autres entreprises fortement réglementées. Un examen de diligence raisonnable incomplet sur un seul client, qui omet son implication dans le blanchiment d’argent ou d’autres crimes, peut entraîner des amendes de plusieurs millions de dollars, des dommages à la réputation et des actions réglementaires au plus haut niveau de direction. Parce que même de petites erreurs peuvent produire ces conséquences démesurées, il est essentiel d’éliminer les petites lacunes dans les processus de connaissance du client (KYC) pour protéger à la fois les institutions et leurs parties prenantes.

Traditionnellement, une conformité efficace aux KYC et à la lutte contre le blanchiment d’argent (AML) a nécessité une évaluation complète du risque client lors de l’intégration, suivie d’une surveillance programmée pour détecter les changements dans le profil de risque ou le comportement, souvent par des processus exceptionnellement manuels qui sont sujets à des retards. Désormais, l’IA et l’automatisation permettent de renforcer les KYC et d’améliorer la surveillance AML en utilisant des données en temps réel et en permettant une approche plus proactive de la prévention de la criminalité financière.

Quels sont les rôles de l’IA dans la réduction des risques KYC/AML ?

Des erreurs opérationnelles et des pénalités surviennent malgré l’investissement substantiel des banques dans les processus et solutions AML/KYC. Juniper Research a estimé que les dépenses mondiales en KYC pour 2024 s’élevaient à 30,8 milliards de dollars l’année dernière. Pourtant, de nombreuses institutions s’appuient encore sur le traitement manuel et la mise à jour des données clients, ce qui ralentit l’intégration et retarde les mises à jour qui pourraient signaler des changements dans le profil de risque.

L’automatisation de certains de ces processus grâce à l’automatisation des processus robotiques (RPA) basée sur des règles peut accélérer les choses, mais peut générer des taux élevés de faux positifs nécessitant plus de temps pour les examens manuels. Pendant ce temps, les criminels utilisent des technologies avancées pour éviter d’être pris par les processus KYC et AML. Avec l’IA et des données d’identité volées ou fausses, ils peuvent créer des documents et des historiques suffisamment réalistes pour tromper les analystes et les systèmes automatisés de base.

Ajouter une automatisation alimentée par l’IA et GenAI à la RPA peut aider les banques à relever ces défis de plusieurs manières.

1. Expérience d’intégration client

Dans le cadre du processus KYC, les entreprises fournissent aux nouveaux clients une liste de documents et de données requis qu’elles ne peuvent pas vérifier indépendamment. Lorsque ces exigences ne sont pas communiquées efficacement, cela peut confondre les clients et retarder les approbations. Cela est particulièrement vrai lorsque les informations demandées ne correspondent pas clairement aux exigences réglementaires spécifiques des juridictions, créant un travail supplémentaire pour les analystes qui doivent ensuite résoudre les divergences.

Avec un modèle de traitement du langage naturel IA intégré dans le processus d’intégration, les banques peuvent communiquer efficacement et demander les informations appropriées en fonction des réglementations spécifiques des juridictions applicables. Le résultat est un processus d’intégration plus rapide, moins sujet aux erreurs causées par une personne cochant la mauvaise case ou soumettant des documents qui ne correspondent pas aux exigences locales et internes. Cela peut stopper les lacunes et les erreurs de données avant qu’elles n’entrent dans le système.

2. Détection de la fraude à l’identité

Les modèles de détection de la vision par ordinateur et d’identité synthétique alimentés par l’IA peuvent signaler des clients dont les documents ou les historiques financiers semblent faux ou volés, même s’ils semblent légitimes aux yeux des analystes humains. Ces outils synthétisent des données provenant de plusieurs sources au fil du temps, et ils peuvent voir des connexions parmi les données que les humains manqueraient, et que les moteurs de règles traditionnels ne peuvent pas déchiffrer. Ils corrèlent rapidement l’identité d’un client avec une activité du monde réel et lèvent des drapeaux lorsque des divergences apparaissent afin que les analystes puissent enquêter.

3. Surveillance KYC et AML en temps réel

Maintenir les données clients après l’intégration est un processus sans fin. Surveiller les activités des clients avec l’institution, scanner les nouvelles défavorables les concernant et comprendre tout changement dans leurs réseaux d’affaires est essentiel pour éviter de manquer des signes d’un changement dans le profil de risque d’un client. Les modèles GenAI peuvent orchestrer ce type de surveillance en temps réel en ingérant des données provenant de plusieurs plateformes et sources de données, en établissant un profil de risque de base pour chaque client, et en levant des alertes lorsque de nouvelles données indiquent un changement de profil de risque.

4. Conformité et reporting

Les solutions complètes d’intégration et de surveillance fournissent également aux banques les informations nécessaires pour évaluer la conformité AML, identifier les domaines à améliorer et générer des rapports pour les parties prenantes internes et les régulateurs. Les solutions de reporting GenAI ne se limitent pas à ingérer d’énormes quantités de données et à répondre à des questions. Elles peuvent également être formées pour afficher les informations traitées à l’aide de graphiques et de tableaux intuitifs, sur des tableaux de bord et dans des rapports. Cette visibilité permet à la direction de la banque d’identifier et d’arrêter les problèmes émergents avant qu’ils ne deviennent des problèmes majeurs.

5. S’adapter aux évolutions technologiques et réglementaires

Les systèmes d’automatisation alimentés par GenAI et l’IA apprennent de leurs entrées. Cela signifie qu’ils peuvent être formés pour s’adapter lorsque les banques connectent de nouvelles sources de données et plateformes technologiques, sans nécessiter une replatformisation majeure ou un long processus d’intégration. Cela permet aux institutions de tirer plus de valeur de leurs investissements en IA au fil du temps.

La capacité d’apprentissage de l’IA facilite également la mise à jour des exigences des banques lorsque les réglementations changent. Former et tester les modèles KYC basés sur l’IA sur de nouvelles directives prend généralement moins de temps que de mettre à jour manuellement des plateformes non-IA. C’est également plus rapide que de former les analystes sur de nouvelles directives. L’IA peut en fait aider avec cette formation également, en répondant à des questions simples ou en résumant les changements dans des formats faciles à lire. Les analystes peuvent rapidement disposer des informations actuelles dont ils ont besoin pour suivre et appliquer de manière cohérente de nouvelles politiques.

Réduire le risque asymétrique pour KYC/AML avec l’IA

Les outils KYC et AML alimentés par l’IA représentent l’avenir de la gestion des risques financiers. Ils peuvent limiter fortement l’exposition des banques aux risques asymétriques aujourd’hui et s’adapter également aux environnements technologiques et réglementaires en évolution pour se protéger contre les menaces futures. Avec les régulateurs scrutant de plus en plus le rôle des institutions financières dans la criminalité internationale, et les criminels devenant plus habiles à éviter les contrôles KYC et AML traditionnels, intégrer l’IA dans les flux de travail KYC et AML est le moyen le plus efficace pour les institutions de renforcer leur protection maintenant et à l’avenir.