Comment l'IA pour la vérification d'identité (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 postes de direction tant du côté technologique que du côté client de l’entreprise.

Découvrez les principales actualités et événements fintech !

Abonnez-vous à la newsletter de FinTech Weekly

Lue 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. Une revue de diligence raisonnable incomplète sur un seul client, qui omettrait de détecter 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, il est essentiel de combler 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 (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 extrêmement manuels sujets à des retards. Aujourd’hui, l’IA et l’automatisation permettent de renforcer la KYC et d’améliorer la surveillance de la LBA en utilisant des données en temps réel et en adoptant une approche plus proactive pour la prévention des crimes financiers.

Quel est le rôle de l’IA dans la réduction des risques KYC/LBA ?

Les erreurs opérationnelles et les pénalités surviennent malgré l’investissement conséquent des banques dans les processus et solutions de 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 continuent de s’appuyer sur des traitements manuels et la 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 via une automatisation robotisée basée sur des règles (RPA) peut accélérer les choses, mais peut aussi générer un taux élevé de faux positifs nécessitant plus de temps pour des vérifications manuelles. Par ailleurs, 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 classiques.

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 concernées, créant un travail supplémentaire pour les analystes qui doivent alors résoudre les écarts.

Grâce à 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, moins sujet aux erreurs causées par une case cochée par erreur 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 pour les analystes humains. Ces outils synthétisent des données provenant de plusieurs sources au fil du temps, et peuvent repérer des connexions entre ces données que les humains manqueraient, ou que les moteurs de règles traditionnels ne peuvent pas déchiffrer. Ils croisent rapidement l’identité d’un client avec des activités réelles et soulèvent des alertes en cas de divergences, permettant aux analystes d’enquêter.

3. Surveillance KYC et LBA en temps réel

Maintenir les données clients après l’intégration est un processus sans fin. Surveiller les activités du client au sein de l’institution, rechercher des nouvelles défavorables à leur sujet, et comprendre tout changement dans leurs réseaux d’affaires est essentiel pour éviter de manquer des signes d’un changement dans leur profil de risque. Les modèles de GenAI peuvent orchestrer cette 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 une modification du profil de risque.

4. Conformité et reporting

Les solutions complètes d’intégration et de surveillance offrent également aux banques les insights nécessaires pour évaluer leur conformité LBA, identifier des axes d’amélioration et générer des rapports pour les parties prenantes internes et les régulateurs. Les solutions de reporting basées sur GenAI ne se limitent pas à ingérer d’énormes volumes de données et à répondre à des questions. Elles peuvent aussi être entraînées à afficher les informations traitées sous forme de graphiques et de tableaux intuitifs, sur des tableaux de bord ou dans des rapports. Cette visibilité permet à la direction de repérer et d’intervenir sur des problèmes émergents avant qu’ils ne deviennent majeurs.

5. Adaptation aux évolutions technologiques et réglementaires

GenAI et les systèmes d’automatisation alimentés par l’IA 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 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 évoluent. La formation et le test des modèles KYC basés sur l’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 réglementations. 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 disposent ainsi rapidement des informations actuelles pour suivre et appliquer de manière cohérente les nouvelles politiques.

Réduire le risque asymétrique en KYC/LBA avec l’IA

Les outils de KYC et de LBA alimentés par l’IA représentent l’avenir de la gestion des risques financiers. Ils peuvent considérablement limiter l’exposition des banques aux risques asymétriques aujourd’hui, tout en s’adaptant aux environnements technologiques et réglementaires en constante 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 contourner les contrôles traditionnels de KYC et LBA, intégrer l’IA dans les workflows KYC et LBA est la méthode la plus efficace pour les institutions afin de renforcer leur protection aujourd’hui et à l’avenir.