Si, à première vue, la contrainte réglementaire apparaît comme un frein à la création de valeur, elle pourrait rapidement devenir un avantage concurrentiel pour les enseignes qui sauraient s’y conformer en se transformant notamment grâce aux RegTech (Regulatory Technology).

L’automatisation d’une partie des opérations de collecte, mise à jour et sécurisation des données génère des gains de productivité.

Lorsqu’un particulier ou une entreprise souhaite ouvrir un compte, de nombreux justificatifs sont exigés pour prouver leur identité et leurs activités. Les opérations de collecte et de vérification de ces pièces sont fastidieuses et n’offrent que peu de valeur ajoutée lors des interactions avec le client.

Des RegTech proposent des solutions pour accélérer ces opérations:

- En centralisant et sécurisant les données collectées grâce à une traçabilité dans la blockchain. En effet, la création d’un pool de données garantit la gestion de la volumétrie et des sources et réduit le nombre d’allers-retours entre les parties prenantes.

- En automatisant la validation des justificatifs, la vérification des informations fournies et l’enrichissement avec des données externes (e-Réputation, OpenBanking, …).

Cette automatisation peut se faire grâce aux solutions de Machine Learning* capables de lire des documents et valider l’authenticité d’une pièce (reconnaissance optique, analyse de la police des caractères et des éléments spécifiques comme les 2D-Code). Ces solutions permettent également de croiser des données structurées ou non structurées pour assurer la cohérence globale du dossier.

De plus, l’intégration de méthodes d’appariement probabiliste (probabilistic matching) permet d’identifier et fusionner les doublons sur un même dossier et de détecter d’éventuelles tentatives de fraude sur des dossiers distincts.

Par ailleurs, la capacité de croiser des données en temps réel favorise la mise à jour d’indicateurs de risques.

L’automatisation de ces étapes permet de combiner une puissance de gestion des informations et une mise à jour instantanée, dégageant ainsi du temps aux conseillers et équipes commerciales pour approfondir la relation client.

La mise en œuvre d’une solution d’intelligence artificielle/Machine Learning accélère la détection des crimes financiers.

Le Machine Learning ne s’appuie pas sur des règles (rule based), mais sur un modèle évolutif basé sur les informations et opérations clients (pattern based). Cela permet ainsi de faire apparaître la récurrence des liens entre certains acteurs, sociétés ou bénéficiaires invisibles dans le dossier client.

L’analyse des échanges en temps réel – une centaine d’opérations analysées à la seconde – facilite le screening, la remontée d’alertes et la détection d’opérations de blanchiment (smurfing, faux procès, endossement, prêt adossé, usurpation et vol d’identité).

Les RegTech apportent non seulement une réponse aux contraintes réglementaires (lutte contre la fraude et le blanchiment), mais peuvent également contribuer à une approche commerciale efficiente grâce à une exploitation respectueuse des données.

Les données récoltées et agrégées constituent également un atout marketing

Le recours au Machine Learning* pour les opérations de Know Your Customer offre une vision client 360° enrichie en temps réel et affine la qualification des prospects (lead scoring).

La stratégie marketing évolue alors, passant de la segmentation à l’hyperpersonnalisation et répond à un enjeu client crucial: adapter les offres aux besoins spécifiques, et ainsi favoriser une meilleure rétention des clients.

L’exploitation avisée des informations collectées et agrégées permet à l’équipe marketing d’adresser à la clientèle un contenu pertinent et personnalisé via le canal le plus adapté.

De même, les équipes commerciales peuvent offrir des offres spécifiques et un niveau supérieur de conseil pour accompagner leurs clients dans la construction d’une solution patrimoniale pertinente.

L’usage de nouvelles technologies permet d’optimiser le traitement des données, et cela n’est pas interdit en soi. Néanmoins, l’utilisation qui en est faite peut générer des risques pour la vie privée des personnes, aussi cela ne peut se faire que dans le respect du cadre légal de la protection des données et particulièrement du RGPD. Les acteurs devront recourir à des solutions «privacy by design» et mener des analyses d’impact sur la protection des données pour les traitements présentant des risques élevés pour les droits et libertés des personnes.

*Le Machine Learning est un type d’intelligence artificielle qui repose sur l’apprentissage d’un modèle statistique permettant de générer une analyse prédictive.

Venez découvrir Gate31, l’accélérateur de startup