L’intelligence artificielle, ou IA, désigne un ensemble d’algorithmes permettant à une machine de reproduire des fonctions cognitives traditionnellement associées à l’être humain, telles que l’analyse, la résolution de problèmes et la prise de décision. Aujourd’hui, elle constitue un outil à double tranchant : elle est devenue indispensable au secteur financier grâce à sa capacité à traiter des volumes massifs de données, à automatiser des processus complexes et à détecter les fraudes, tout en offrant aux criminels des moyens d’action sans précédent qui, jusqu’à récemment, relevaient presque de la science-fiction. De la fraude sophistiquée au blanchiment d’argent à grande échelle, l’IA est ainsi en train de transformer profondément le visage de la criminalité financière.
Rien qu'en Belgique, le plan d'action de Febelfin de juillet 2026 contre la fraude en ligne recense 93 millions d'euros détournés par phishing en 2025, contre environ 49 millions en 2024, année où les banques ont détecté, bloqué ou récupéré 75 pour cent des virements frauduleux liés au phishing. Les pertes nettes restent d'environ 0,004 pour cent du volume total des transactions, mais les montants absolus continuent d'augmenter et les autorités peinent à suivre le rythme. Une question centrale se pose donc : comment l’intelligence artificielle réinvente-t-elle les méthodes criminelles, quelles réponses les autorités et les institutions financières tentent-elles de développer, et quels défis restent à relever pour reprendre l’avantage dans cette bataille technologique aux implications considérables ?
Comment l’IA facilite-t-elle la criminalité financière ?
L’essor rapide des outils d’IA générative, la démocratisation des modèles open source et l’automatisation à grande échelle ont fourni aux cybercriminels un arsenal facilement accessible et particulièrement efficace. L’IA transforme fondamentalement la nature, la vitesse et la complexité des risques.
Automatisation de la fraude
Les outils alimentés par l’IA permettent désormais d’automatiser les campagnes de phishing, de générer des messages frauduleux convaincants et d’adapter les logiciels malveillants afin d’échapper aux systèmes de détection. Les criminels peuvent ainsi cibler simultanément un nombre croissant de victimes, avec un taux de réussite supérieur à celui des méthodes traditionnelles.
Cette automatisation va encore plus loin : certains criminels utilisent l’IA pour créer des bots capables de fonctionner de manière autonome 24 heures sur 24 et 7 jours sur 7 afin de mener des opérations criminelles complexes, telles que la manipulation de marché et les fraudes à grande échelle, avec une intervention humaine minimale.
Des méthodes toujours plus sophistiquées
L’IA générative permet de créer des images, des voix et des vidéos extrêmement réalistes, rendant les escroqueries telles que la compromission de messagerie professionnelle et l’usurpation d’identité toujours plus difficiles à détecter.
L'affaire la plus marquante reste la visioconférence truquée de Hong Kong en 2024, au cours de laquelle un employé a transféré 200 millions de dollars de Hong Kong, soit près de 25 millions de dollars américains, à des interlocuteurs qui n'existaient pas à l'écran. Nous avons décrit la mécanique de cette affaire, et celle de la fraude à l'identité synthétique, dans un article distinct. Ce qui compte ici, c'est le basculement qu'elle révèle : la criminalité financière repose désormais autant sur la manipulation psychologique assistée par IA que sur l'intrusion technique.
Cette sophistication se manifeste également dans la fraude à l’identité synthétique : l’IA permet aux criminels de combiner des données volées ou fabriquées afin de créer des identités crédibles, leur permettant d’ouvrir des comptes frauduleux et de blanchir de l’argent à grande échelle. Dans son Horizon Scan sur l'IA et les deepfakes du 22 décembre 2025 (disponible en anglais), le GAFI souligne que les technologies d'IA et les deepfakes peuvent compromettre les procédures de vérification d'identité et faciliter l'ouverture et la gestion à distance de comptes multiples. Les criminels exploitent également l’IA pour identifier les faiblesses des systèmes financiers, détecter les failles réglementaires et échapper aux mécanismes de détection en reproduisant étroitement des schémas de transactions légitimes.
Accélération et amplification à grande échelle
Au-delà de la sophistication, c’est l’ampleur même de la menace qui évolue. Les attaques peuvent désormais cibler simultanément des milliers de victimes et s’adapter en temps réel aux réactions des systèmes de sécurité. Cette accélération est renforcée par la diminution des barrières à l’entrée : les outils d’IA, souvent open source et accessibles au public, nécessitent de moins en moins de compétences techniques pour être détournés à des fins criminelles.
L’Autorité bancaire européenne a également identifié l’IA comme un facteur croissant de fraude et de criminalité financière, soulignant notamment son utilisation pour automatiser des opérations de blanchiment, falsifier des documents, générer des deepfakes et échapper à la détection.
Personnalisation et renforcement de l’ingénierie sociale
Enfin, l’IA permet d’atteindre un niveau inédit de personnalisation des attaques. En analysant des données accessibles au public, notamment les réseaux sociaux et diverses bases de données, les criminels peuvent élaborer des messages extrêmement ciblés, avec un degré de précision qui augmente considérablement les chances de réussite de la fraude. L’IA est également de plus en plus intégrée aux processus de conformité afin d’améliorer la détection des fraudes, la surveillance des transactions et l’analyse de schémas financiers complexes.
Les récentes alertes belges illustrent la manière dont ces techniques peuvent être combinées dans la pratique. En août 2026, la FSMA a mis en garde contre des groupes WhatsApp frauduleux usurpant l’identité d’un établissement financier agréé et faisant la promotion d’un système d’investissement présenté comme reposant sur l’IA.
Comment le secteur financier et les institutions répondent-ils à cette menace grâce à l’IA ?
Le secteur financier se mobilise
Face à cette menace, les outils de détection fondés sur l’IA sont de plus en plus utilisés pour lutter contre la fraude, renforcer la cybersécurité et la conformité, et surveiller les parcours utilisateurs. Cette tendance est déjà visible dans le secteur bancaire européen. Dans sa lettre de supervision du 20 novembre 2025, la supervision bancaire de la BCE a fait état d’une hausse significative des cas d’utilisation de l’IA par les banques européennes entre 2023 et 2024, notamment pour la détection des fraudes. En s’appuyant sur l’apprentissage automatique, ces outils établissent des profils comportementaux de référence et identifient les écarts, permettant de détecter des comportements, événements ou contenus inhabituels à partir de volumes considérables de données, à une vitesse et avec un niveau de détail difficiles à atteindre manuellement.
Dans la pratique, les modèles d’IA apportent quatre avancées majeures :
Premièrement, la détection des anomalies transactionnelles permet d’identifier des montants inhabituels, des séquences rapides de paiements, des transferts vers des comptes inconnus ou des achats effectués dans des zones géographiques atypiques.
Deuxièmement, l’analyse comportementale avancée est devenue un pilier essentiel de cette approche. Elle compare l’activité observée au cours d’une session bancaire avec le comportement habituel du client afin d’identifier les écarts et d’attribuer un niveau de risque, en s’appuyant notamment sur les habitudes transactionnelles, le traitement automatique du langage appliqué aux communications et même la biométrie comportementale, telle que les habitudes de frappe ou les mouvements de la souris.
Troisièmement, la surveillance des transactions en temps réel constitue une autre avancée majeure : les transactions peuvent désormais être analysées en quelques centaines de millisecondes, permettant de les bloquer préventivement avant même leur exécution.
Enfin, l’analyse des réseaux, notamment au moyen des Graph Neural Networks (GNN), permet de modéliser les relations entre les différentes entités financières afin de révéler des schémas qui restent invisibles lorsqu’ils sont examinés individuellement, tels que le smurfing, le layering ou des bénéficiaires effectifs dissimulés.
Le Parlement européen a également identifié la détection des fraudes, les contrôles AML, le filtrage des sanctions et la surveillance des transactions parmi les applications potentielles de l’IA dans les services financiers, tout en soulignant l’importance de la gouvernance des données, des tests, de la documentation, de l’explicabilité et de la supervision humaine.
Une réponse institutionnelle
AMLA, opérationnelle depuis 2025, développera progressivement ses capacités jusqu'à atteindre sa pleine capacité de supervision directe, prévue pour 2028. Son objectif est de centraliser au niveau européen la supervision des entités financières présentant les risques les plus élevés, en s'appuyant sur des capacités analytiques renforcées. Les obligations qui nourriront cette supervision figurent dans le règlement AML (règlement (UE) 2024/1624), applicable à partir du 10 juillet 2027. Pour la Belgique, l'évaluation mutuelle du GAFI du 16 décembre 2025 a placé le pays en suivi renforcé, avec la Recommandation 15 relative aux actifs virtuels notée non conforme.
Parallèlement, l'AI Act (règlement (UE) 2024/1689) classe les systèmes d'IA par niveau de risque. Deux usages financiers figurent explicitement parmi les systèmes à haut risque de l'annexe III : l'évaluation de la solvabilité et la notation de crédit des personnes physiques (point 5 b) et l'évaluation des risques et la tarification en assurance vie et santé (point 5 c). Les obligations applicables à ces systèmes autonomes devaient entrer en vigueur le 2 août 2026 ; le Digital Omnibus sur l'IA (règlement (UE) 2026/1744), publié au Journal officiel du 24 juillet 2026, les a reportées au 2 décembre 2027. Une série d'obligations s'applique déjà : les exigences de transparence de l'article 50, applicables depuis le 2 août 2026, imposent d'informer la personne qui interagit avec un système d'IA et d'étiqueter les contenus générés ou manipulés par IA, deepfakes compris. Les fournisseurs de systèmes déjà mis sur le marché avant cette date ont jusqu'au 2 décembre 2026 pour se conformer à l'obligation de marquage lisible par machine de l'article 50, paragraphe 2. Au niveau international, les Recommandations du GAFI couvrent désormais explicitement les actifs virtuels (Recommandation 15) et l'identification numérique (Recommandation 10). Sur l'IA proprement dite, l'Horizon Scan du GAFI de décembre 2025 (disponible en anglais) expose les risques que les contenus synthétiques font peser sur la vérification d'identité, ainsi que les opportunités que ces mêmes technologies offrent en matière de détection.
Les banques centrales, notamment la Réserve fédérale américaine, la Banque centrale européenne et la Banque d’Angleterre, investissent également dans des laboratoires d’innovation consacrés au SupTech, en testant des approches telles que l’analyse de réseaux pour cartographier les flux suspects à l’échelle systémique. Cette dynamique s’accompagne d’une coopération renforcée avec les cellules de renseignement financier.
Quelles limites structurelles freinent cette réponse ?
Malgré ces nouveaux outils, les régulateurs sont confrontés à des contraintes structurelles qui limitent leur capacité à suivre des acteurs criminels particulièrement agiles. La première concerne la lenteur du cadre juridique par rapport à l’innovation technologique : l’adoption de nouvelles réglementations peut prendre plusieurs années, tandis que les groupes criminels peuvent adapter leurs méthodes en quelques semaines. Le droit peine donc structurellement à anticiper des technologies qui évoluent à un rythme exponentiel.
Cette lenteur est renforcée par les contraintes en matière de ressources : les autorités publiques disposent de budgets et de viviers de compétences technologiques nettement plus limités que le secteur privé ou les organisations criminelles les mieux financées, alors même que la concurrence pour attirer les spécialistes de l’IA est particulièrement forte. Les silos institutionnels constituent une troisième limite majeure : même au sein d’un même État, les informations circulent parfois difficilement entre les autorités fiscales, judiciaires, douanières et financières, créant des angles morts que les criminels peuvent exploiter. Enfin, ces difficultés internes sont aggravées par une coopération internationale encore insuffisante, qui peine à suivre la nature transnationale de ces nouvelles formes de criminalité.
Face à ces contraintes, plusieurs pistes pourraient contribuer à réduire l’écart avec les acteurs criminels. Le développement de regulatory sandboxes pourrait permettre de tester des solutions de conformité fondées sur l’IA dans un environnement contrôlé, sans attendre que la législation soit pleinement établie. Le renforcement des partenariats public-privé faciliterait la mise en commun de ressources et d’expertise technique, aujourd’hui largement concentrées dans le secteur privé. La création de plateformes d’échange d’informations en temps réel entre autorités fiscales, judiciaires et financières permettrait de réduire les silos institutionnels. Enfin, une plus grande harmonisation des normes internationales, au-delà des Recommandations du GAFI, contribuerait à réduire les failles exploitées par des formes de criminalité financière toujours plus transnationales.
Pour les fonctions conformité, la priorité n'est plus seulement la détection :
- vérifier l'identité face aux contenus synthétiques : détection du vivant et des attaques par injection, et rappel sur un canal déjà connu du client pour toute instruction de paiement de montant élevé ;
- retester les scénarios de surveillance sur des comportements générés par IA plutôt que sur des schémas historiques, et documenter la raison de chaque recalibrage ;
- inventorier les cas d'usage d'IA et les classer au regard de l'annexe III avant le 2 décembre 2027, avec un responsable nommé par modèle ;
- étiqueter les contenus générés par IA, comme l'impose l'article 50 depuis le 2 août 2026, et conserver la piste d'audit, en notant que les systèmes déjà mis sur le marché avant cette date ont jusqu'au 2 décembre 2026 pour le marquage de l'article 50, paragraphe 2.
Cet article reflète l'état du cadre au 27 octobre 2026. L'IA transforme fondamentalement la criminalité financière en multipliant la vitesse, l'ampleur et le réalisme des attaques. Face à cette menace, les institutions se mobilisent, mais leur réponse reste structurellement plus lente que la technologie qu'elles cherchent à encadrer. L'IA accélère ainsi la criminalité financière selon un effet de ciseaux : elle bénéficie d'abord à ceux qui sont capables de la déployer le plus rapidement, avant que la réglementation ne puisse suivre. Dans cette course, où l'IA sert à la fois d'arme et de bouclier, la bataille décisive se jouera-t-elle finalement davantage sur le terrain de la gouvernance que sur celui de la technologie elle-même ?
