Selon une étude de SAS, la pandémie incite les banques à adopter l’IA contre le blanchiment d’argent

En pleine recrudescence de la fraude et de la criminalité financière due au COVID-19, plus de la moitié des institutions financières ont déjà déployé des technologies d’Intelligence Artificielle dans leur mise en conformité en matière de lutte contre le blanchiment d'argent ou prévoient de le faire prochainement.

En réponse au Covid-19, un tiers des institutions financières accélèrent leur adoption de technologies d’Intelligence Artificielle et de Machine Learning dans le cadre de la lutte contre le blanchiment d’argent. Par ailleurs, 39% des professionnels de la conformité ont déclaré que leurs plans d’adoption de l’IA/ML se poursuivront sans relâche, malgré les perturbations causées par la pandémie. Ces tendances du marché sont décryptées dans une étude sur les technologies AML (anti-money laundering) menée par SAS, KPMG et l’ACAMS (Association of Certified Anti-Money Laundering Specialists).

Le rapport, intitulé Acceleration Through Adversity : The State of AI and Machine Learning Adoption in Anti-Money Laundering Compliance, ainsi qu’un tableau de bord interactif examinent les retours fournis par plus de 850 membres de l’ACAMS dans le monde entier. L’ACAMS a interrogé chacun d’entre eux sur l’usage au sein de leur entreprise de technologies de détection du blanchiment d’argent, qui représente entre 2% et 5% du PIB mondial – soit entre 800 et 2 000 milliards de dollars US – par an.

Il ressort que l’Intelligence Artificielle et le Machine Learning sont devenus les principales technologies citées par les professionnels de la conformité pour rationnaliser leurs dispositifs de conformité AML et lutter contre la criminalité financière. Ainsi, plus de la moitié (57%) des sondés ont soit déployé de l’IA ou du Machine Learning dans le cadre de leurs dispositifs de conformité AML, soit sont actuellement en train de piloter des solutions d’Intelligence Artificielle ou alors, prévoient d’implémenter ces technologies dans les 12-18 prochains mois.

« Les régulateurs du monde entier évaluent de plus en plus les efforts de mise en conformité des institutions financières, par rapport à l’efficacité des renseignements qu’elles fournissent aux investigateurs. Il n’est donc pas surprenant que 66% des répondants estiment que ces organismes attendent des institutions qu’elles tirent parti de l’IA et du Machine Learning », déclare Kieran Beer, Chief Analyst et Director of Editorial Content de l’ACAMS. « Alors que de nombreux acteurs de la lutte contre la criminalité financière – aussi bien les régulateurs que les institutions – commencent tout juste à adopter ces technologies analytiques avancées, il y a clairement un espoir partagé que ces outils fourniront des renseignements financiers pertinents, permettant d’attraper les criminels. »

Par ailleurs, les plus grandes institutions financières ne sont pas les seules à montrer la voie en termes d’adoption de la technologie. Certes, 28% des principales institutions financières, dont les actifs sont supérieurs à 1 milliard de dollars, se considèrent être des « early » adopteurs de l’Intelligence Artificielle. Cependant, il est encourageant de constater que 16% des institutions financières de plus petite taille (celles dont les actifs sont estimés à moins d’un milliard de dollars) se définissent également comme des leaders du secteur en matière d’adoption de l’IA.

« Constater qu’un fort pourcentage de petites institutions financières se qualifient de leaders du marché réfute le mythe selon lequel les avancées technologiques sont hors de leur portée », explique Tom Keegan, Principal U.S. Solution Leader for Financial Crimes and America Forensic Technology Services chez KPMG. « Alors que toutes les organisations, petites ou grandes, sont soumises au même niveau d’évaluation réglementaire, il est important que ce niveau d’adoption continue d’augmenter. » Quelle que soit la taille de l’établissement, la pression exercée sur les banques pour qu’elles affrontent les perturbations dues au COVID-19, tout en améliorant la précision et la productivité de leurs dispositifs de lutte anti blanchiment, est probablement à l’origine de l’accélération de l’utilisation de l’analytique avancée par le secteur. Selon les sondés, les deux principaux moteurs de l’adoption de l’IA et du Machine Learning sont les suivants :

1. Améliorer la qualité des enquêtes et des déclarations de soupçons (40%).
2. Réduire les faux positifs et les coûts opérationnels qui en découlent (38%).

« La transformation radicale du comportement client engendré par la pandémie a forcé beaucoup d’institutions financières à constater qu’une stratégie de contrôle statique, basée sur des règles fixes n’est pas aussi pertinente et adaptative qu’un système décisionnel comportemental », analyse David Stewart, Directeur du département de la criminalité financière et de la conformité chez SAS.
« L’Intelligence Artificielle et le Machine Learning sont par définition des technologies dynamiques, capables de s’adapter intelligemment aux changements du marché et aux risques émergents. Elles peuvent être rapidement intégrées dans des programmes de conformité existants, avec un minimum de perturbations. Les premiers à adopter ces technologies gagnent en efficacité de manière significative et aident leurs institutions à se conformer aux contraintes réglementaires croissantes. »

Pour un état des lieux plus détaillé concernant l’adoption de l’IA et du Machine Learning dans les conformités AML, découvrez le webinar AML, The Truth Revealed: Global Insights on the Adoption of AI in the Fight Against Money Laundering and Financial Crime.