L’IA pour soutenir la conformité réglementaire des banques

Vérifier l’identité des clients et lutter contre le blanchiment constituent deux obligations coûteuses pour les banques. Pour faire face à la complexité croissante des processus de mise en conformité, les institutions financières peuvent désormais s’appuyer sur les avancées des technologies d’intelligence artificielle. Éclairage.

Selon certaines estimations, l’adoption de solutions de regtech (technologie de régulation) pourrait permettre aux banques d’économiser 2,7 milliards de dollars chaque année en les aidant à respecter la réglementation en matière de vérification de l’identité des clients et de lutte contre le blanchiment. Ces obligations se sont renforcées à la suite de la crise financière de 2008, devenant plus complexes — donc plus coûteuses — à mettre en œuvre. Il faut ainsi parfois jusqu’à trois mois à une banque pour accepter un nouveau client. Pour améliorer l’efficacité des processus de mise en conformité et réduire les risques, les banques peuvent s’appuyer sur la capacité des technologies d’intelligence artificielle (IA) à corréler, synthétiser et interpréter de grands volumes de données.

 

L’IA permet de relever matériellement les défis de la mise en conformité

 

Grâce au traitement automatique du langage naturel, par exemple, les institutions financières sont en mesure de constituer des profils de risque beaucoup plus robustes que par le biais des méthodes traditionnelles, consistant à rechercher systématiquement toutes les mentions d’un individu ou d’une société dans des sources publiques avant de procéder manuellement à leur analyse. L’IA, pour sa part, peut absorber une grande quantité de données textuelles non structurées pour les présenter sous la forme d’informations pertinentes. Elle est aussi capable de condenser des données recueillies dans les médias sous la forme d’un unique article tout en y intégrant les détails utiles.

Les banques utilisent par ailleurs des systèmes de surveillance basés sur des règles prédéfinies afin de détecter des transactions suspectes. L’utilisation de l’apprentissage automatique dans ce cadre permet de réduire drastiquement le nombre d’alertes en élargissant l’éventail des attributs utilisés pour exclure les faux positifs et en établissant automatiquement les catégories appropriées. À l’aide des modèles appris, l’IA peut reconnaître les signes indicateurs d’un blanchiment d’argent et adapter le niveau de risque en conséquence en fonction du client. Enfin, les outils de génération automatique de texte permettent d’améliorer le suivi des clients en transformant les données liées à des évolutions contractuelles en informations utilisables.

 

Lire l’article

 

En complément :

un article (en anglais) au sujet de la lutte contre les opérations frauduleuses à l’aide de l’IA

et un autre à propos de l’IA pour aider à réduire le coût de la lutte contre le blanchiment