Comment le KYC piloté par l’IA peut-il réduire le risque asymétrique pour les banques ?

John Flowers est responsable mondial des marchés financiers chez eClerx. Fort de 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 clientèle de l'entreprise.

Découvrez les meilleures actualités et événements fintech !

Abonnez-vous à la newsletter de FinTech Weekly

Lu par des cadres de JP Morgan, Coinbase, Blackrock, Klarna et bien d'autres

Le risque asymétrique constitue une menace constante pour les banques, les fintechs et autres entreprises fortement réglementées. Un contrôle de diligence raisonnable incomplet sur un seul client, qui ne détecte pas son implication dans le blanchiment d'argent ou d'autres crimes, peut entraîner des amendes de plusieurs millions de dollars, des atteintes à la réputation et des mesures réglementaires aux plus hauts niveaux de direction. Étant donné que même de petites erreurs peuvent produire ces conséquences disproportionnées, 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 en matière de KYC et de lutte contre le blanchiment d'argent (AML) a nécessité une évaluation complète du risque client lors de l'intégration, suivie d'une surveillance programmée des changements de profil de risque ou de comportement, souvent via des processus exceptionnellement manuels et sujets aux retards. Aujourd'hui, l'IA et l'automatisation permettent de renforcer le KYC et d'améliorer la supervision AML en utilisant 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 des risques KYC/AML ?

Des erreurs opérationnelles et des sanctions se produisent malgré les investissements substantiels des banques dans les processus et solutions AML/KYC. Juniper Research a estimé les dépenses mondiales en KYC à 30,8 milliards de dollars l'année dernière. Pourtant, de nombreuses institutions s'appuient encore sur un traitement et une mise à jour manuels des données clients, ce qui ralentit l'intégration et retarde les mises à jour qui pourraient signaler un changement 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 plus de temps pour des examens manuels. Pendant ce temps, les criminels utilisent des technologies avancées pour éviter d'être détectés par les processus KYC et AML. Avec l'IA et des données d'identité volées ou falsifiées, ils peuvent créer des documents et des historiques qui semblent assez réels pour tromper les analystes et les systèmes automatisés de base.

L'ajout d'une automatisation basée sur 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 requis qu'elles ne peuvent pas vérifier indépendamment. Lorsque ces exigences ne sont pas communiquées efficacement, cela peut dérouter 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 ensuite résoudre les écarts.

Avec un modèle de traitement du langage naturel (NLP) intégré au 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 et moins sujet aux erreurs causées par le fait de cocher la mauvaise case ou de soumettre des documents qui ne correspondent pas aux exigences locales et internes. Cela peut empêcher les lacunes et les erreurs de données d'entrer dans le système.

2. Détection de la fraude à l'identité

La vision par ordinateur basée sur l'IA et les modèles de détection d'identité synthétique peuvent signaler les 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 les données provenant de multiples 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 corrèlent rapidement une identité client avec une activité réelle et déclenchent des alertes lorsque des divergences apparaissent afin que les analystes puissent enquêter.

3. Surveillance KYC et AML en temps réel

La maintenance des données clients après l'intégration est un processus sans fin. Surveiller les activités des clients avec l'institution, rechercher des informations défavorables à leur sujet et comprendre tout changement dans leurs réseaux d'affaires est essentiel pour ne pas manquer les signes d'un changement de profil de risque du client. Les modèles GenAI peuvent orchestrer ce type de surveillance en temps réel en ingérant des données provenant de multiples plateformes et sources de données, en établissant un profil de risque de base 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 fournissent également aux banques les informations data 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 des quantités massives de données et à répondre aux questions. Elles peuvent également être entraînées à afficher les informations traitées à l'aide de graphiques et de diagrammes 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 majeurs.

5. Adaptation aux évolutions technologiques et réglementaires

Les systèmes d'automatisation GenAI et basés sur 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 replateforme majeure ou un processus d'intégration long. Cela permet aux institutions de tirer davantage 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 d'IA sur de nouvelles directives prennent généralement moins de temps que la mise à jour manuelle des plateformes non basées sur l'IA. C'est également 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 systématiquement les nouvelles politiques.

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

Les outils KYC et AML basés sur l'IA représentent l'avenir de la gestion des risques financiers. Ils peuvent considérablement limiter l'exposition des banques aux risques asymétriques aujourd'hui et également s'adapter aux environnements technologiques et réglementaires en évolution pour se prémunir contre les menaces futures. Alors que les régulateurs examinent de plus en plus le rôle des institutions financières dans la criminalité internationale et que les criminels deviennent plus habiles à contourner les contrôles KYC et AML traditionnels, l'intégration de l'IA dans les flux de travail KYC et AML est le moyen le plus efficace pour les institutions de renforcer la protection maintenant et à l'avenir.