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

John Flowers occupe le poste de responsable mondial des marchés financiers chez eClerx. Avec plus de 30 ans d’expérience dans le secteur des services de technologies financières, il a occupé diverses fonctions de direction à la fois du côté technologique de l’entreprise et du côté orienté clients.

Découvrez les principales actualités fintech et les événements !

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. Une revue de due diligence incomplète portant sur un seul client qui omet de prendre en compte son implication dans le blanchiment d’argent ou d’autres crimes peut entraîner des amendes de plusieurs millions de dollars, un dommage à la réputation et des mesures réglementaires au plus haut niveau de la direction. Comme même de petites erreurs peuvent produire ces conséquences disproportionnées, éliminer les petites lacunes dans les processus de connaissance du client (KYC) est essentiel pour protéger à la fois les institutions et leurs parties prenantes.

Traditionnellement, la conformité efficace en matière de KYC et de lutte contre le blanchiment d’argent (AML) a exigé une évaluation exhaustive du risque client lors de l’onboarding, suivie d’une surveillance programmée des changements de profil de risque ou de comportement, souvent via des processus exceptionnellement manuels, sujets aux retards. Désormais, l’IA et l’automatisation permettent de renforcer le KYC et d’améliorer la surveillance AML en s’appuyant sur des données en temps réel et en adoptant une approche plus proactive de la prévention de la criminalité financière.

Quels sont les rôles de l’IA dans la réduction du risque KYC/AML ?

Des erreurs opérationnelles et des sanctions surviennent malgré les investissements importants des banques dans des processus et des solutions AML/KYC. Juniper Research a évalué les dépenses mondiales en KYC pour 2024 à 30,8 milliards de dollars l’an dernier. Pourtant, de nombreuses institutions s’appuient encore sur le traitement manuel et la mise à jour des données clients, ce qui ralentit l’onboarding et retarde les mises à jour susceptibles de signaler des changements de profil de risque.

L’automatisation de certains de ces processus à l’aide de l’automatisation robotisée des processus (RPA) basée sur des règles peut accélérer les choses, mais peut générer des taux élevés de faux positifs, nécessitant davantage de temps pour des revues manuelles. Pendant ce temps, les criminels utilisent une technologie avancée pour éviter d’être repérés par les processus KYC et AML. Grâce à l’IA et à des données d’identité volées ou fausses, ils peuvent créer des documents et des historiques qui semblent suffisamment réels pour tromper les analystes et les systèmes automatisés de base.

L’ajout d’une automatisation activée par l’IA et de la GenAI à la RPA peut aider les banques à relever ces défis de plusieurs façons.

1. Expérience d’onboarding client

Dans le cadre du processus KYC, les entreprises fournissent aux nouveaux clients une liste de documents et de données requis qu’ils ne peuvent pas vérifier indépendamment. Lorsque ces exigences ne sont pas communiquées efficacement, cela peut dérouter les clients et retarder les approbations. C’est particulièrement vrai lorsque l’information demandée ne correspond pas clairement aux exigences réglementaires spécifiques de la/des juridiction(s), ce qui crée un travail supplémentaire pour les analystes qui doivent ensuite résoudre les divergences.

Grâce à un modèle de traitement du langage naturel (NLP) de l’IA intégré au processus d’onboarding, les banques peuvent communiquer efficacement et demander les informations appropriées en fonction des réglementations spécifiques des juridictions concernées. Le résultat est un processus d’onboarding plus rapide, moins sujet aux erreurs dues à quelqu’un qui coche la mauvaise case ou soumet des documents qui ne correspondent pas aux exigences locales et internes. Cela peut stopper les lacunes et erreurs de données avant qu’elles n’entrent dans le système.

2. Détection de la fraude d’identité

Les modèles d’IA de vision par ordinateur et de détection d’identité synthétique peuvent signaler des clients dont les documents ou l’historique financier semblent être faux ou volés, même s’ils paraissent légitimes pour les analystes humains. Ces outils synthétisent des données provenant de plusieurs sources au fil du temps, et ils peuvent repérer des liens entre les données que les humains ne verraient pas, et que les moteurs de règles traditionnels ne parviennent pas à déchiffrer. Ils corrèlent rapidement l’identité d’un client avec une activité du monde réel et lèvent des alertes lorsque des incohérences apparaissent, afin que les analystes puissent enquêter.

3. Surveillance KYC et AML en temps réel

Maintenir les données clients après l’onboarding est un processus sans fin. Surveiller les activités des clients auprès de l’institution, analyser les informations défavorables à leur sujet, et comprendre tout changement dans leurs réseaux d’affaires est essentiel pour éviter de manquer des signes d’un changement du profil de risque du client. Les modèles GenAI peuvent orchestrer ce type de surveillance en temps réel en ingestant des données provenant de plusieurs plateformes et sources de données, en établissant un profil de risque de référence pour chaque client, et en déclenchant des alertes lorsque de nouvelles données indiquent un changement de profil de risque.

4. Conformité et reporting

Les solutions complètes d’onboarding et de surveillance fournissent aussi aux banques les informations de données dont elles ont besoin 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 de grandes quantités de données et à répondre à des questions. Elles peuvent aussi être enseignées pour afficher l’information traitée à l’aide de graphiques et de diagrammes intuitifs, sur des tableaux de bord, et dans des rapports. Cette visibilité permet à la direction bancaire d’identifier et d’arrêter les problèmes émergents avant qu’ils ne deviennent de gros problèmes.

** 5. S’adapter aux évolutions technologiques et réglementaires**

Les systèmes GenAI et d’automatisation activée par l’IA apprennent à partir de leurs entrées. Cela signifie qu’ils peuvent être entraînés pour s’adapter lorsque les banques connectent de nouvelles sources de données et de nouvelles plateformes technologiques, sans nécessiter de changement de plateforme majeur ni un processus d’intégration long. Cela permet aux institutions d’extraire davantage de valeur de leurs investissements en IA au fil du temps.

La capacité d’apprentissage de l’IA facilite aussi la mise à jour des exigences lorsque la réglementation change. L’entraînement et les tests de modèles KYC basés sur l’IA avec de nouvelles directives prennent généralement moins de temps que la mise à jour manuelle de plateformes non-IA. C’est aussi plus rapide que la formation des analystes sur de nouvelles directives. L’IA peut en fait aider à cette formation aussi, 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 systématiquement de nouvelles politiques.

Réduire le risque asymétrique lié au KYC/AML avec l’IA

Les outils KYC et AML alimentés par l’IA représentent l’avenir de la gestion du risque financier. Ils peuvent limiter fortement l’exposition des banques aux risques asymétriques aujourd’hui, tout en s’adaptant aux environnements technologiques et réglementaires en évolution afin de se protéger contre les menaces futures. Alors que les régulateurs scrutent de plus en plus le rôle des institutions financières dans la criminalité internationale, et que les criminels deviennent plus aptes à contourner les contrôles KYC et AML traditionnels, intégrer l’IA dans les flux de travail KYC et AML est le moyen le plus efficace pour que les Institutions renforcent leur protection dès maintenant et à l’avenir.