IA, lutte contre le blanchiment d'argent 7 min de lecture
Du principe « configurez-le et n’y pensez plus » aux systèmes vivants : John Wiethorn, de Gusto, partage sa stratégie en matière d’IA pour la lutte contre le blanchiment d’argent
John Wiethorn est une figure de proue dans le domaine de la conformité en matière de criminalité financière, réputé pour avoir mis en place des programmes de lutte contre la fraude et de lutte contre le blanchiment d'argent basés sur l'IA, qui restent rigoureux même à grande échelle. Chez Gusto, John mène la lutte contre la criminalité financière avec une philosophie claire : fournir aux enquêteurs des outils qui mettent en évidence le bon contexte au bon moment, éliminent la surcharge opérationnelle et permettent aux défenses de s'améliorer en permanence, à l'image d'un système vivant.
Lors d'un entretien avec Maximilian Eber, cofondateur et directeur technique (CPTO) de Taktile, John explique comment fonctionne concrètement un service de lutte contre la criminalité financière s'appuyant sur l'IA. Il décrit comment l'IA peut faciliter les enquêtes, compléter les contrôles basés sur des règles en détectant les « éléments inconnus » et aider les équipes à s'adapter à l'évolution des tactiques de fraude.
Permettre aux équipes chargées de la lutte contre la fraude et du lutte contre le blanchiment d'argent d'approfondir leurs enquêtes grâce à l'IA
« Si vous permettez aux enquêteurs de passer de la collecte de données à leur analyse », explique John, « c'est en quelque sorte comme si vous leur donniez des super-pouvoirs. »
C'est cette idée qui détermine la manière dont l'équipe de John aborde l'IA chez Gusto.
Il explique : « La mesure la plus importante que nous puissions prendre consiste à réduire la charge administrative ; c’est pourquoi nous utilisons l’IA pour prendre en charge les tâches manuelles telles que l’agrégation des données et la recherche de fichiers. »
Pour les équipes traitant un volume important d'alertes, cela fait toute la différence entre passer des heures à rassembler des éléments de contexte et ne consacrer que quelques minutes à déterminer définitivement ce qui relève ou non de la fraude.
« [L'IA] nous permet de mener des enquêtes plus rapides, plus exhaustives et plus approfondies que ne le permettrait un travail manuel. »
Selon John, une fois le travail manuel éliminé, les enquêteurs peuvent approfondir leurs recherches. « L’IA fournit à nos experts tous les renseignements dont ils ont besoin. Cela nous permet de mener des enquêtes plus rapides, plus approfondies et plus poussées que ne le permettrait un travail manuel. »
« Ma philosophie fondamentale est que les meilleurs enquêteurs méritent les meilleurs outils », souligne John. « Nous ne considérons pas l'IA comme un substitut au jugement humain, mais comme un moyen d'éliminer les obstacles. »
Recevez les dernières actualités sur l'IA dans le secteur des services financiers, directement dans votre boîte mail.
Utiliser l'IA pour améliorer les systèmes traditionnels basés sur des règles
Pour John, l'intérêt de l'IA ne réside pas seulement dans la réduction du travail manuel ; elle peut également aider les équipes à mettre en évidence des schémas dynamiques de criminalité financière que les contrôles statiques ne sont pas conçus pour détecter.
« L’IA permet de détecter les éléments inconnus », explique John lorsqu’on lui demande comment l’IA et les systèmes basés sur des règles fonctionnent ensemble pour renforcer la couverture en matière de lutte contre le blanchiment d’argent. « [Elle permet de repérer] les anomalies dans les règles statiques, ou les lacunes de ces dernières. »
Pour autant, la reconnaissance de formes par l’IA ne rend pas les contrôles traditionnels obsolètes, explique John.« Étant donné que la criminalité [financière] évolue sans cesse, un modèle d’IA n’est jamais vraiment achevé. Si vous supprimez les règles statiques de vos contrôles, vous risquez de passer à côté de cibles faciles que vous auriez dû repérer. »
Les règles ont toujours leur utilité, en particulier pour les typologies connues qui ne doivent pas passer entre les mailles du filet en raison de l’évolution des seuils ou de la « dérive du modèle », c’est-à-dire la baisse progressive des performances d’un modèle d’IA lorsque les tendances observées dans le monde réel s’éloignent de ses données d’entraînement. John fait remarquer : « Parfois, on aura des règles statiques du type “si x, alors y”, et elles resteront très efficaces pour détecter les typologies connues. »
La conclusion, c'est une défense à plusieurs niveaux : utilisez des règles pour détecter les schémas que vous connaissez déjà, et recourez à l'IA pour mettre en évidence ceux qui sont encore en train d'émerger.
La fraude ne cesse d'évoluer, et vos équipes et vos technologies doivent en faire de même
John souligne également un changement de mentalité plus général concernant l'IA dans le domaine de la lutte contre le blanchiment d'argent : les équipes devraient considérer les contrôles anti-fraude comme un système qui doit faire l'objet d'une maintenance continue.
« Je pense que l’idée fausse la plus répandue est celle du « configurez-le et n’y pensez plus ». [...] Avec un système de lutte contre le blanchiment d’argent, la mise en place d’une nouvelle règle n’est qu’un début. »
Comme l'explique John, cela s'explique par le fait que les cybercriminels peuvent apprendre à contourner les failles de votre système. Souvent, ils testent ce qui est détecté et ce qui passe inaperçu, puis ajustent leur stratégie en conséquence. En réponse à cela, John considère qu'une automatisation réussie repose sur un ajustement continu plutôt que sur un déploiement ponctuel.
« Nous définissons l’automatisation comme l’automatisation de certaines parties d’un système vivant qui nécessite une itération constante. »
Chez Gusto, le travail s'apparente davantage à une expérimentation et à une validation continues qu'à une simple liste de tâches à cocher chaque trimestre. « Nous testons et affinons sans cesse nos règles : tests « above the line », tests « below the line », tests de validation des modèles. »
Et selon John, rien de tout cela n’est possible sans que les bonnes personnes prennent en charge le système de bout en bout.
« Ce sont les personnes qui comptent, pas les plateformes », affirme-t-il . « Je pense qu’au final, le succès repose avant tout sur le talent. On peut acheter le meilleur logiciel qui soit, mais sans les bonnes personnes, le projet est voué à l’échec à chaque fois. »
Quels seront les prochains changements apportés par l'IA dans la lutte contre le blanchiment d'argent ?
À l'avenir, John s'attend à ce que l'IA devienne la colonne vertébrale opérationnelle des programmes de lutte contre le blanchiment d'argent. Les institutions financières peuvent utiliser l'IA non seulement pour améliorer la détection, mais aussi pour transformer la manière dont les équipes mènent leurs enquêtes, documentent leurs travaux et contrôlent la qualité des décisions au quotidien.
Il estime également que l'adoption de l'IA ne restera pas longtemps facultative, d'autant plus qu'elle s'intègre progressivement dans l'ensemble de l'économie.
« Je pense que les autorités de régulation vont passer d'une approche essentiellement d'observation à des recommandations plus précises concernant l'utilisation de l'IA. On commence déjà à le constater. »
Cette tendance se manifeste déjà dans la manière dont les attentes en matière de risque lié aux modèles sont étendues aux fonctions de conformité. Par exemple, les cadres réglementaires SR 11-7 sont de plus en plus appliqués aux systèmes de lutte contre le blanchiment d'argent, ce qui incite les équipes à renforcer la gouvernance et la validation des contrôles basés sur l'IA.
De plus, dans un monde où les pirates disposent d’outils d’IA, les équipes qui n’ en possèdent pas deviennent la cible la plus facile. John le résume ainsi :
« Je pense que les entreprises qui n'utilisent pas ces outils vont se retrouver à la traîne [...] Vous constituez une cible très attractive pour les cybercriminels, car vous ne disposez pas de ces moyens de défense. »
Le message de John est clair : l'avenir de la conformité en matière de criminalité financière n'est ni entièrement automatisé, ni entièrement manuel. Il repose sur l'expertise humaine, s'appuie sur l'intelligence artificielle et est conçu pour évoluer.
Des dirigeants comme John redéfinissent les contours des programmes modernes de lutte contre la criminalité financière, à mesure que l'IA évolue rapidement. Nous sommes impatients de voir comment John et d'autres responsables de la conformité continueront à tirer parti des avancées de l'IA pour renforcer les contrôles et accélérer les enquêtes.
