Comment automatiser l’onboarding KYB en 8 étapes

Et cette friction est ressentie par les clients. Une étude d’EY révèle que 42 % des PME sont insatisfaites de la rapidité du processus d’onboarding, et 36 % du niveau d’automatisation.

L’IA agentique commence à changer la donne en déplaçant une plus grande part du travail d’investigation en amont du processus : les cas simples avancent plus vite et les réviseurs humains peuvent se concentrer là où leur jugement compte le plus.

À retenir

• Partez du travail, pas de la technologie. Distinguez les contrôles déterministes, l’investigation et le jugement proprement dit avant de décider quoi automatiser.
• Laissez le risque et la complexité déterminer le parcours. Les cas à faible risque peuvent bénéficier d’une automatisation plus poussée, tandis que les cas à risque moyen ou élevé font l’objet d’investigations supplémentaires ou d’une revue humaine.
• Combinez règles, IA, workflow et expertise humaine. Chacun convient à une partie différente du processus d’onboarding.
• Intégrez la revue humaine au workflow. L’objectif est de fournir aux réviseurs un dossier mieux préparé, et non de les écarter du processus.
• Testez et améliorez en continu. Le bon seuil entre automatisation et revue humaine doit être testé plutôt que supposé.

Étape 1 : cartographier votre workflow d’onboarding actuel

Commencez par ce qui se passe réellement aujourd’hui.

Passez en revue des dossiers KYB récents et examinez le travail requis à chaque étape.

Certaines tâches sont en grande partie déterministes : récupérer des données, vérifier la présence des informations requises ou appliquer des règles de politique prédéfinies.

D’autres relèvent de l’investigation : résoudre des informations contradictoires, comprendre une structure de détention complexe ou déterminer si un résultat d’adverse media est pertinent.

Et certaines exigent véritablement un jugement humain.

Une bonne approche consiste à examiner quelle capacité convient le mieux à chaque partie du processus.

Portez une attention particulière au travail d’investigation. Ce sont souvent les étapes où les équipes collectent, recoupent et interprètent les informations manuellement, et où les nouvelles capacités de l’IA peuvent faire la plus grande différence. Taktile explore ces opportunités plus en détail dans son guide pour bâtir une stratégie d’onboarding pilotée par l’IA.

Étape 2 : définir les niveaux de risque et le routage

Tous les clients n’ont pas besoin du même parcours d’onboarding.

Une fois le workflow cartographié, identifiez les cas qui pourraient être traités automatiquement et ceux qui gagneraient à faire l’objet d’investigations supplémentaires ou d’une revue humaine.

Un point de départ simple consiste à définir trois niveaux de risque :

• Risque faible : demandes simples, avec des informations complètes, des structures de détention simples et aucun signal de risque significatif. Elles peuvent se prêter à un haut degré d’automatisation.
• Risque moyen : demandes comportant des informations manquantes, des structures plus complexes ou des signaux nécessitant une investigation plus poussée. Elles peuvent déclencher des vérifications de données supplémentaires ou une investigation pilotée par l’IA.
• Risque élevé : dossiers d’une complexité ou présentant des signaux de risque importants qui exigent une attention plus soutenue. Ils peuvent être transmis à un réviseur humain avec les éléments de preuve pertinents déjà rassemblés.

Les critères exacts dépendront des politiques de l’établissement, de son appétit pour le risque, de ses marchés et de sa base de clients.

Une bonne approche consiste à rendre la logique de routage explicite.

Plutôt que de considérer l’onboarding comme simplement automatisé ou manuel, les équipes peuvent combiner règles, données, agents IA et revue humaine de différentes manières selon le risque et la complexité de chaque cas.

Étape 3 : automatiser la vérification des entreprises et l’enrichissement des données

La vérification des entreprises est l’un des points de départ les plus naturels.

La tâche centrale consiste à confirmer que l’entreprise existe, que les informations soumises sont cohérentes avec des sources fiables et que vous disposez d’assez d’informations pour poursuivre l’évaluation.

Une grande partie de ce travail peut se faire automatiquement.

Les fournisseurs de données peuvent récupérer les informations sur l’entreprise et son immatriculation, les données de détention et d’autres signaux pertinents. Le workflow peut ensuite combiner ces éléments au lieu de demander à un analyste de les collecter et de les comparer manuellement.

Le plus difficile, c’est ce qui se passe lorsque les données ne donnent pas de réponse claire.

La couverture varie selon les marchés. Des informations peuvent manquer. Deux sources peuvent se contredire.

Au lieu de laisser la demande s’enliser, le workflow peut interroger une autre source, demander des informations complémentaires, déclencher une investigation plus poussée ou orienter le dossier vers une revue.

L’IA permet d’aller plus loin. Le Business Verification Agent de Taktile, par exemple, récupère les données de registre, de détention et de documentation, puis compile ses constats dans un rapport structuré.

Étape 4 : automatiser l’investigation sur les bénéficiaires effectifs et les UBO

C’est avec la détention du capital que le KYB peut rapidement se compliquer.

Une entreprise dont la structure de détention est simple peut être facile à évaluer. Plusieurs sociétés holding, des entités transfrontalières, des registres incomplets ou des informations contradictoires peuvent transformer la même tâche en une véritable investigation.

Traditionnellement, les analystes doivent recouper des informations issues de plusieurs documents et sources pour comprendre qui détient ou contrôle réellement l’entreprise.

L’IA peut aider à déplacer une plus grande part de ce travail en amont du processus : elle rassemble les informations de détention disponibles, cartographie les relations entre entités et personnes, identifie les bénéficiaires effectifs ultimes (UBO) potentiels et fait ressortir les lacunes qui nécessitent encore de l’attention.

Ces informations comptent aussi sur le plan réglementaire. Les normes du GAFI sur les bénéficiaires effectifs exigent que les autorités aient accès à des informations adéquates, exactes et à jour sur les véritables propriétaires des sociétés.

Lorsque la structure de détention ne peut pas être résolue avec certitude, le workflow peut à la place demander davantage de preuves ou transmettre le dossier à une revue humaine.

Étape 5 : automatiser l’investigation sur les sanctions, les listes de surveillance et les adverse media

Le screening établit une distinction similaire entre repérer un signal et comprendre ce qu’il signifie.

Une correspondance potentielle ne dit pas nécessairement à un réviseur s’il a identifié la bonne personne ou la bonne entreprise. De même, un résultat d’adverse media peut nécessiter du contexte avant de devenir utile à une décision.

C’est là que l’IA peut prolonger les workflows de screening traditionnels.

Un agent peut investiguer les correspondances potentielles, comparer les informations sur les entités, rassembler des éléments probants et résumer ce qui reste à éclaircir avant que le dossier n’arrive chez un réviseur.

Pour les adverse media, il peut également rechercher et structurer des informations issues de sources non structurées, aidant le réviseur à comprendre non seulement qu’un élément a été trouvé, mais aussi pourquoi il peut être important.

La désambiguïsation des entités, la qualité des sources sous-jacentes et des résultats clairs et structurés restent essentielles. L’objectif n’est pas simplement de produire moins d’alertes, mais de faciliter l’investigation de chacune d’elles.

Étape 6 : mettre en place des points de contrôle manuels pour les cas limites

On peut voir l’automatisation non comme un remplacement de la revue humaine, mais comme un moyen de la rendre plus ciblée.

Un parcours d’onboarding simplifié pourrait ressembler à ceci :

• Les données établissent les faits connus.
• Les règles appliquent la politique de façon déterministe.
• L’IA investigue ce qui se cache derrière les informations ambiguës ou non structurées.
• Le workflow coordonne ce qui est encore nécessaire.
• Un humain exerce son jugement là où c’est nécessaire.

Pour un dossier à risque moyen ou élevé, cela signifie que le réviseur doit recevoir ensemble les résultats de vérification, les informations de détention, les constats de screening et les raisons de l’escalade.

Au lieu de reconstituer le dossier depuis le début, il peut se concentrer sur la question en suspens.

C’est là l’opportunité la plus intéressante pour les équipes d’onboarding : non pas écarter les personnes de chaque décision, mais réduire la quantité de travail d’investigation à accomplir avant que leur expertise soit réellement nécessaire.

Étape 7 : relier le routage, les changements de politique et les pistes d’audit

Une fois qu’un dossier a franchi les contrôles requis, le workflow doit déterminer la suite.

Selon la politique de l’établissement et le cas concerné, cela peut signifier poursuivre automatiquement, demander des informations complémentaires ou transmettre le dossier à une revue humaine.

Quelle que soit l’issue, le cheminement vers la décision doit rester traçable.

Donner aux équipes une visibilité sur les données utilisées, les contrôles exécutés, les règles déclenchées et les raisons d’une escalade permet de mieux comprendre et d’améliorer le parcours de décision.

Un exemple : Capchase. Lorsque cette fintech B2B s’est développée à l’international, ses workflows KYB ont dû prendre en charge différents marchés, sources de données et exigences de politique. Après avoir migré ses workflows de décision vers Taktile, Capchase a constaté une baisse de 50 % du temps de traitement tout en utilisant davantage de sources de données, ainsi qu’une réduction de 99 % du temps nécessaire pour mettre à jour les politiques. Des changements qui prenaient auparavant des semaines pouvaient être testés et lancés en quelques minutes.

Étape 8 : surveiller, tester et itérer

Un workflow d’onboarding automatisé n’est pas un système que l’on configure puis que l’on oublie.

Une fois l’automatisation en place, quelques indicateurs aident les équipes à comprendre les performances du workflow.

Parmi les indicateurs utiles :

• Le nombre de dossiers traités dans chaque niveau de risque
• Le nombre de demandes nécessitant une revue manuelle
• Les taux de faux positifs du screening
• Les délais de traitement de la revue manuelle
• La fréquence à laquelle les réviseurs contredisent ou modifient substantiellement une recommandation automatisée

Avant d’étendre l’automatisation, les équipes peuvent aussi tester de nouvelles approches sur des demandes historiques.

Le processus automatisé identifie-t-il les mêmes éléments probants pertinents ? Passe-t-il à côté d’un élément important ? Dans quels cas le réviseur apporte-t-il encore des informations qui changent sensiblement le résultat ?

Taktile permet par exemple aux équipes de réaliser un back-test des agents sur des données historiques avant le déploiement, et d’orienter les cas incertains vers le Case Manager avec le contexte pertinent en pièce jointe.

Ces résultats donnent aux équipes une base concrète sur laquelle s’appuyer.

L’objectif n’est pas d’aboutir à un modèle KYB universel, mais de continuer à apprendre quelle capacité est la mieux placée pour traiter chaque partie du processus.

Automatiser le KYB est avant tout un défi d’orchestration

La prochaine étape de l’automatisation de l’onboarding consiste moins à remplacer les réviseurs par l’IA qu’à associer chaque capacité au travail pour lequel elle est la plus adaptée.

Les données et les règles peuvent traiter les faits connus et la politique déterministe, l’IA peut soutenir l’investigation, et l’expertise humaine peut rester concentrée sur les décisions où le jugement compte le plus.

Bien menée, cette approche accélère les cas simples, prépare mieux les cas complexes et laisse les équipes aux commandes.

Questions fréquentes (FAQ)