L'ère numérique a offert aux analystes KYC un accès sans précédent à une multitude d'informations sur les personnes physiques et morales. Articles de presse, blogs en ligne et réseaux sociaux sont accessibles et filtrables en un clic et peuvent révéler des informations importantes sur un client d'un établissement financier. Cependant, la surabondance de données, les informations incomplètes et non confirmées, ainsi que les fausses nouvelles ont fait de l'analyse des médias défavorables un fardeau pour les services de conformité, inaugurant l'ère de l'intelligence artificielle et de l'apprentissage automatique pour le filtrage des clients.
Les vérifications des médias défavorables, également appelées vérifications d'informations négatives, consistent à filtrer un client (personne physique ou morale) d'un établissement financier par rapport à des articles de presse, des poursuites judiciaires ou tout contenu similaire pouvant affecter le risque final du client en révélant son implication dans le blanchiment d'argent, le terrorisme, la fraude, l'évasion fiscale ou d'autres types de crimes.
Cette inspection commence dès le début de la relation d'affaires et fait partie de l'évaluation continue du risque client décrite dans les réglementations KYC/CDD que tous les établissements financiers doivent respecter. L'objectif est d'atténuer toute menace potentielle posée par des criminels souhaitant utiliser les services financiers de l'établissement, d'assurer la transparence de chaque transaction, de préserver la réputation de l'établissement, d'éviter toute répercussion juridique et de protéger les marchés financiers contre les abus.
Le résultat de l'analyse peut conduire à la non-acceptation du client, à l'augmentation du risque d'un client, au dépôt d'une déclaration d'activité suspecte (SAR) ou à la rupture de la relation avec le client.
Quelle est la législation derrière les médias défavorables ?
Dans la sphère internationale, le Groupe d'action financière (GAFI) dans son Guide d'approche fondée sur les risques identifie les recherches de médias défavorables comme faisant partie de la pratique de diligence raisonnable renforcée (EDD) concernant l'évaluation du risque individuel du client. Le Groupe Wolfsberg propose un concept similaire dans ses Questionnaires de diligence raisonnable en matière de banque correspondante, faisant du filtrage des informations négatives une partie de l'approche fondée sur les risques pour les secteurs ou groupes qui présentent un risque plus élevé pour les établissements financiers, tels que la banque correspondante et les personnes politiquement exposées (PPE).
En Europe, le concept d'informations négatives est apparu pour la première fois dans la 4e Directive anti-blanchiment, 4AMLD du 20 mai 2015. Elle décrit la nécessité de filtrer les médias défavorables dans le cadre du processus d'EDD et doit également être appliquée lorsqu'il y a une augmentation de la quantité d'informations nécessaires à des fins de diligence raisonnable à l'égard de la clientèle (CDD).
Aux États-Unis, le commentaire de la règle finale de FinCEN concernant ses Exigences de diligence raisonnable à l'égard de la clientèle pour les établissements financiers stipule que les établissements financiers doivent élaborer des procédures fondées sur les risques pour déterminer si un filtrage supplémentaire, en particulier les « programmes de recherche de médias négatifs », serait approprié.
Quelles sources sont utilisées pour le filtrage des informations négatives ?
Les informations négatives peuvent provenir de diverses sources d'information officielles ou de sources de données non structurées telles que les réseaux sociaux, les forums Internet ou les bases de données. Cependant, il est toujours important de vérifier la qualité, la crédibilité et l'indépendance de la source que vous utilisez afin de ne pas encourir le risque d'utiliser des informations biaisées, partielles ou fausses. Les articles de presse fournissent non seulement des éléments sur une seule personne ou entreprise, mais peuvent également présenter les noms de connexions directes ou indirectes avec d'autres personnes ou entreprises qui pourraient constituer une menace pour l'établissement financier.
Les sources utilisées pour le filtrage des médias défavorables peuvent être nombreuses et dépendent des objectifs du secteur. Les sources vont des moteurs de recherche primaires à d'autres registres officiels, aux réseaux sociaux et à toute information supplémentaire pouvant fournir des données précises pour servir l'objectif de l'enquête.
Comment rechercher manuellement des informations négatives ?
La manière la plus courante de rechercher manuellement des informations négatives liées à un client est de saisir le nom de la personne ou de l'entreprise (ou son acronyme) dans un moteur de recherche. Divers moteurs de recherche, comme Google, offrent une fonctionnalité permettant d'explorer uniquement les articles de presse. Une fois, et si, un article est trouvé, les analystes conformité l'examinent et le recoupent avec les informations personnelles du client pour déterminer si l'article est une véritable correspondance avec un impact potentiel ou un faux positif.
Cependant, les recherches manuelles prennent du temps et sont ardues. Le volume même d'informations trouvées sur Internet ne permet pas une recherche précise et approfondie. Cela peut être considéré comme inefficace car des sources médiatiques peuvent être manquées, des articles peuvent être dans des langues différentes inconnues ou non prises en compte par l'analyste, et certaines sources peuvent avoir un accès limité. Ceci est difficile à maintenir si l'établissement financier connaît une croissance rapide et ajoute de nouveaux clients quotidiennement.
On estime que 2,5 exaoctets de données sont créés quotidiennement. Cela représente 1 milliard de gigaoctets, soit l'équivalent de 15 625 000 nouveaux smartphones de 64 Go de mémoire entre vos mains chaque jour.
Comment les outils automatisés peuvent-ils aider à détecter les médias défavorables ?
Un logiciel adapté aux besoins de l'établissement financier peut automatiser le processus de filtrage des informations négatives, réduisant ainsi le temps nécessaire à la recherche de contenu médiatique et augmentant les taux de précision des véritables correspondances.
De nombreux outils automatisés offrent un contenu mondial et organisé qui fournit des retours en temps réel et est mis à jour régulièrement. Ils permettent également de générer des rapports et des statistiques concernant le nombre de véritables correspondances pour le(s) client(s) filtré(s) en un simple clic. Certains outils fournissent des fonctionnalités de gestion pour évaluer et noter les informations fournies dans le logiciel. Le filtrage peut également être configuré pour s'exécuter automatiquement à une période, une heure ou une date précise, offrant ainsi plus de liberté à l'analyste.
Divers risques associés aux clients sont souvent perçus au cours du processus KYC/CDD, tant lors des phases d'intégration que de révision, grâce aux outils automatisés.
Malgré les nombreux avantages, les outils de filtrage des médias défavorables peuvent être coûteux et difficiles à configurer car des paramètres doivent être définis, des seuils doivent être ajustés (trop larges peuvent entraîner une surabondance de faux résultats tandis que trop étroits peuvent exclure des articles importants), le moment où les vérifications automatisées doivent être effectuées, le poids à accorder à certains mots-clés, et les sources à utiliser.
Faire appel à un consultant pour vous aider à configurer l'outil de filtrage des informations négatives de votre établissement financier vous libère du fardeau de devoir le faire vous-même et apporte des années d'expertise dans le domaine de la réduction des faux positifs au minimum.
Quel est l'avenir des outils de filtrage des médias défavorables ?
Les développeurs de logiciels ont commencé à intégrer l'intelligence artificielle, l'apprentissage automatique et le traitement du langage naturel dans leurs outils de filtrage des médias défavorables pour des performances accrues et une précision inégalée. L'apprentissage automatique, un ensemble d'algorithmes informatiques capables de s'améliorer par l'expérience, peut désormais analyser des articles à des vitesses incroyables et avec une profondeur et une précision inégalées par rapport à d'autres outils automatisés standard.
L'intelligence artificielle est capable d'évaluer dans un article si le nom d'une personne ou d'une entreprise est impliqué dans un crime ou simplement mentionné dans la source d'information. Rien qu'en se basant sur le langage de l'article, elle peut également déduire le sentiment général qu'il tente d'exprimer, c'est-à-dire si la personne mentionnée dans l'article est impliquée pour quelque chose de négatif ou de positif, et à quel point le libellé et l'expression sont négatifs.
Les nouveaux outils ne se contentent pas non plus d'effleurer la surface des sources médiatiques, mais explorent en profondeur le web ouvert, le web profond et toutes sortes de contenus structurés et non structurés. Le traitement du langage naturel (NLP), un sous-domaine de l'intelligence artificielle capable d'analyser de grandes quantités de données en langage naturel, est capable de capturer des informations dans d'autres langues qui pourraient être impossibles à la fois manuellement et avec des outils automatisés traditionnels.
Le logiciel du futur, déjà en production, aura un pouvoir singulier pour capturer le contenu des médias défavorables concernant les personnes et les entreprises, rendant les recherches manuelles et les outils automatisés classiques obsolètes, et augmentant les performances des services de conformité.
Qu'est-ce que la « correspondance floue » ?
La correspondance floue est une fonctionnalité de nombreux outils automatisés de filtrage des informations négatives qui permet de capturer toutes les variantes de noms et les fautes d'orthographe des personnes et des entreprises, par exemple Elizabeth, Elisabeth ou Elsbeth. Elle est utile pour les établissements financiers qui ont des clients avec des noms dans une langue différente pouvant varier selon la région d'où ils viennent. Un exemple serait avec les noms arabes qui ont souvent des variantes telles que l'utilisation de « bin » ou « ben » précédant leur nom de famille.
Comment les établissements financiers peuvent-ils améliorer leur filtrage des informations négatives ?
Il existe un certain nombre d'actions que les établissements financiers peuvent entreprendre pour améliorer leur filtrage des médias défavorables. Voici quelques conseils :
1. Politique de filtrage des informations négatives - la rédaction d'une politique bien définie peut augmenter l'efficacité du processus de filtrage et réduire les pertes de temps. Elle doit identifier qui doit être filtré, par qui et à quelle fréquence ; elle doit coordonner les différentes lignes d'activité, définir la procédure d'escalade des véritables correspondances et les actions à entreprendre après l'analyse d'une véritable correspondance (par exemple, rédiger une SAR ou mettre fin à la relation avec le client).
2. Outils automatisés - les établissements financiers devraient investir dans un outil automatisé car il fait gagner du temps, est plus précis que les recherches manuelles et génère des rapports automatiquement.
3. Recherche booléenne sur Internet - si pour le moment un établissement financier ne peut pas investir dans un outil automatisé, cela ne signifie pas qu'il ne doit pas filtrer ses clients pour les informations négatives. Une recherche booléenne sur Internet permet de combiner le nom d'une personne ou d'une entreprise avec des mots-clés liés aux informations négatives en utilisant AND ou OR pour créer une chaîne. Les mots-clés peuvent inclure « blanchiment d'argent » ou « fraude ». Il s'agit d'un type de recherche manuelle. Cependant, il faut être conscient que la plupart des moteurs de recherche imposent une limitation sur la longueur de la recherche, ce qui signifie que des variantes des mots-clés peuvent être exclues de la chaîne (par exemple fraude et frauduleux).
4. Qualité des données clients - si votre établissement financier investit dans un outil automatisé, assurez-vous que vos données clients sont à jour et complètes. Le logiciel utilisera ces informations lors du filtrage par rapport aux bases de données externes d'informations négatives. Enrichir et améliorer la qualité des données clients permettra à l'outil d'améliorer la qualité des résultats de correspondance.
