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. Fort de plus de 30 ans d’expérience dans le secteur des services technologiques financiers, il a occupé divers rôles de direction tant du côté technologique que client de l’entreprise.

Découvrez les meilleures actualités et événements fintech !

Abonnez-vous à la newsletter de FinTech Weekly

Lue par des cadres chez JP Morgan, Coinbase, Blackrock, Klarna et plus encore

Le risque asymétrique représente une menace constante pour les banques, les fintechs et autres entreprises fortement réglementées. Une revue de diligence raisonnable incomplète sur un seul client, omettant leur 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 la direction. Car 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, une conformité efficace en matière de KYC et de lutte contre le blanchiment d’argent (LBA) nécessitait une évaluation complète du risque client lors de l’intégration, suivie d’un suivi programmé pour détecter tout changement dans le profil ou le comportement à risque, souvent par des processus exceptionnellement manuels sujets à des retards. Désormais, l’IA et l’automatisation permettent de renforcer la KYC et d’améliorer la supervision de la LBA en utilisant des données en temps réel et en adoptant une approche plus proactive pour la prévention de la criminalité financière.

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

Les erreurs opérationnelles et les pénalités surviennent malgré l’investissement considérable des banques dans les processus et solutions LBA/KYC. Juniper Research a estimé les dépenses mondiales en KYC pour 2024 à 30,8 milliards de dollars l’année dernière. Pourtant, de nombreuses institutions s’appuient encore sur un traitement manuel et une mise à jour des données clients, ce qui ralentit l’intégration et retarde les mises à jour pouvant signaler des changements dans le 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 aussi générer un taux élevé de faux positifs nécessitant plus de temps pour des revues manuelles. Pendant ce temps, les criminels utilisent des technologies avancées pour éviter d’être détectés par les processus KYC et LBA. Avec l’IA et des données d’identité volées ou falsifiées, ils peuvent créer des documents et des historiques qui semblent suffisamment authentiques pour tromper les analystes et les systèmes automatisés de base.

L’ajout d’automatisation activée par l’IA et de 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 qu’elles ne peuvent pas vérifier de manière indépendante. Lorsque ces exigences ne sont pas communiquées efficacement, cela peut embrouiller les clients et retarder les approbations. Cela est particulièrement vrai lorsque les informations demandées ne correspondent pas clairement aux exigences réglementaires spécifiques de la ou des juridictions, créant un travail supplémentaire pour les analystes qui doivent alors résoudre les écarts.

Avec un modèle de traitement du langage naturel (NLP) basé sur l’IA intégré au processus d’intégration, les banques peuvent communiquer efficacement et demander les informations appropriées en fonction des réglementations spécifiques des juridictions concernées. Le résultat est un processus d’intégration plus rapide, moins sujet aux erreurs causées par une case cochée incorrecte ou la soumission de documents ne correspondant pas aux exigences locales et internes. Cela peut prévenir les lacunes et erreurs de données avant qu’elles n’entrent dans le système.

2. Détection de la fraude à l’identité

Les modèles de vision par ordinateur alimentés par l’IA et de détection d’identité synthétique peuvent signaler les clients dont les documents ou historiques financiers semblent faux ou volés, même s’ils paraissent légitimes aux analystes humains. Ces outils synthétisent des données provenant de plusieurs sources au fil du temps, et peuvent voir des connexions entre les données que les humains manqueraient, et que les moteurs de règles traditionnels ne peuvent pas déchiffrer. Ils croisent rapidement une identité client avec une activité réelle et soulèvent des alertes lorsque des incohérences apparaissent, permettant aux analystes d’enquêter.

3. Surveillance KYC et LBA en temps réel

Maintenir les données client après l’intégration est un processus sans fin. Surveiller les activités du client avec l’institution, analyser les mauvaises nouvelles à leur sujet, et comprendre tout changement dans leurs réseaux d’affaires est crucial pour éviter de manquer des signes d’un changement dans leur profil de risque. Les modèles GenAI peuvent orchestrer ce type de surveillance en temps réel en ingérant des données provenant de plusieurs plateformes et sources, 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’intégration et de surveillance offrent également aux banques les insights nécessaires pour évaluer la conformité LBA, identifier les axes d’amélioration, 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 aussi être programmées pour afficher les informations traitées sous forme de graphiques et de tableaux intuitifs, sur des tableaux de bord, et dans des rapports. Cette visibilité permet à la direction de repérer et d’arrêter les problèmes émergents avant qu’ils ne deviennent majeurs.

5. Adaptation aux changements technologiques et réglementaires

Les systèmes d’automatisation et d’IA avec GenAI apprennent de leurs entrées. Cela signifie qu’ils peuvent être entraînés à s’adapter lorsque les banques connectent de nouvelles sources de données et plateformes technologiques, sans nécessiter une refonte majeure ou un processus d’intégration long. 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. La formation et le test des modèles KYC IA selon de nouvelles directives prennent généralement moins de temps que la mise à jour manuelle des plateformes non IA. C’est aussi plus rapide que la formation des analystes sur de nouvelles directives. L’IA peut également aider à cette formation, 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 les nouvelles politiques.

Réduire le risque asymétrique pour la KYC/LBA avec l’IA

Les outils KYC et LBA 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 aux environnements technologiques et réglementaires en évolution pour se prémunir contre les menaces futures. Avec des régulateurs qui scrutent de plus en plus le rôle des institutions financières dans la criminalité internationale, et des criminels devenant plus habiles à échapper aux contrôles traditionnels KYC et LBA, intégrer l’IA dans les flux de travail KYC et LBA est la méthode la plus efficace pour les institutions afin de renforcer leur protection dès maintenant et pour l’avenir.