Comment l’activé de KYC pilotée par l’IA peut réduire le risque asymétrique pour les banques ?

John Flowers occupe le poste de Global Head of Financial Markets chez eClerx. Fort de plus de 30 ans d’expérience dans le secteur des services de technologie financière, il a occupé diverses fonctions de direction, à la fois côté technologie de l’entreprise et côté clients.

Découvrez les meilleures actualités 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 autres entreprises très réglementées. Une revue de due diligence incomplète sur un seul client qui passe à côté de sa participation au blanchiment d’argent ou à d’autres crimes peut entraîner des amendes de plusieurs millions de dollars, une atteinte à la réputation et des mesures réglementaires aux plus hauts niveaux de la direction. Comme même de petites erreurs peuvent produire des conséquences aussi 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 aux exigences KYC et à la lutte contre le blanchiment d’argent (AML) a nécessité une évaluation complète du risque client lors de l’onboarding, suivie d’un contrôle programmé 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 supervision AML en s’appuyant sur des données en temps réel, et en adoptant une approche plus proactive de la prévention de la criminalité financière.

Quel rôle l’IA joue-t-elle dans la réduction du risque KYC/AML ?

Des erreurs opérationnelles et des pénalités surviennent malgré les investissements importants des banques dans les processus et 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 continuent de s’appuyer sur un traitement manuel et la mise à jour des données clients, ce qui ralentit l’onboarding et retarde des mises à jour susceptibles de signaler des changements de profil de risque.

Automatiser certains de ces processus via 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. Dans le même temps, les criminels utilisent des technologies avancées pour échapper aux dispositifs qui les détecteraient via les processus KYC et AML. Avec l’IA et des données d’identité volées ou fausses, ils peuvent créer des documents et des historiques qui semblent suffisamment réels pour tromper des analystes et des systèmes automatisés de base.

Ajouter de l’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 des documents et données requis qu’elles ne peuvent pas vérifier de manière indépendante. Lorsque ces exigences ne sont pas communiquées efficacement, cela peut dérouter les clients et retarder les approbations. C’est particulièrement vrai lorsque les informations demandées ne correspondent pas clairement aux exigences réglementaires spécifiques du ou des territoires concernés, créant un surcroît de travail pour les analystes, qui doivent ensuite résoudre les divergences.

Avec un modèle de traitement du langage naturel d’IA intégré au processus d’onboarding, les banques peuvent communiquer efficacement et demander les informations appropriées en fonction des réglementations spécifiques des territoires concernés. Résultat : un onboarding plus rapide, moins sujet aux erreurs dues à quelqu’un qui coche la mauvaise case ou soumet des documents ne correspondant pas aux exigences locales et internes. Cela peut stopper les lacunes de données et les erreurs avant qu’elles n’entrent dans le système.

2. Détecter la fraude d’identité

Les modèles de détection d’identité synthétique et de vision par ordinateur propulsés par l’IA peuvent signaler les clients dont les documents ou les historiques financiers semblent être falsifiés ou volés, même s’ils paraissent légitimes pour des analystes humains. Ces outils synthétisent des données issues de plusieurs sources au fil du temps, et ils peuvent repérer des liens entre les données que les humains manqueraient, tandis que des moteurs de règles traditionnels ne parviennent pas à déchiffrer. Ils corrèlent rapidement une identité client avec une activité du monde réel et lèvent des alertes lorsque des divergences 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 avec l’institution, analyser l’actualité défavorable les concernant, et comprendre les éventuels changements dans leurs réseaux d’affaires est essentiel pour ne pas manquer des signaux d’évolution du 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 définissant 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

Des solutions complètes d’onboarding et de monitoring fournissent aussi aux banques les informations et insights nécessaires pour évaluer la conformité AML, 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’immenses volumes de données et à répondre à des questions. Elles peuvent aussi 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 bancaire d’identifier et d’arrêter les problèmes émergents avant qu’ils ne deviennent majeurs.

** 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 exiger un changement de plateforme majeur ni 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 aussi la mise à jour des exigences quand les réglementations changent. Entraîner et tester des modèles de KYC par IA sur de nouvelles lignes directrices prend généralement moins de temps que de mettre à jour manuellement des plateformes non-IA. C’est aussi plus rapide que de former des analystes à de nouvelles lignes directrices. L’IA peut même 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 nécessaires pour appliquer et faire respecter de manière cohérente de nouvelles politiques.

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

Les outils KYC et AML propulsés par l’IA représentent l’avenir de la gestion du risque financier. Ils peuvent fortement limiter l’exposition des banques aux risques asymétriques aujourd’hui, tout en s’adaptant aux environnements technologiques et réglementaires en évolution pour se prémunir 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 de plus en plus aptes à contourner les contrôles KYC et AML traditionnels, intégrer l’IA dans les workflows KYC et AML est la manière la plus efficace pour les institutions de renforcer leur protection maintenant et dans le futur.