Un agneau déguisé en loup

De nos jours, la plupart des institutions financières s’appuient sur des solutions assez simples basées sur des règles qui sont loin d’être parfaites en raison des modèles historiques dont elles s’inspirent. Cela signifie que seules les transactions similaires à celles qui étaient auparavant considérées comme suspectes sont signalées et examinées.

Un autre problème qui se pose est le nombre de fausses alertes positives que les solutions existantes génèrent quotidiennement. C’est ainsi que nous tournons la boucle puisque l’analyste tente de déterminer s’il y a ou non blanchiment d’argent.

La nouvelle approche à la mode

Chez Comarch, où je travaille aujourd’hui, nous avons expérimenté une nouvelle . Elle prévoyait une hiérarchisation des transactions considérées comme suspectes et leur présélection en vue de leur analyse. Pour chaque cas ou client identifié, . Les transactions inférieures à un certain seuil de risque seraient interrompues ou suspendues afin de réduire sensiblement la charge de travail.

Les résultats très prometteurs que nous avons obtenus nous ont poussés à poursuivre nos recherches, et nous nous sommes donc tournés vers les modèles explicables.

Priorité au prévisible 

Non seulement il était difficile de déterminer si une transaction spécifique constituait une tentative criminelle en soi, mais plus encore de deviner pourquoi un système d’IA considérait la transaction comme suspecte ou juste exacte. Et c’est exactement là que l’IAX entre en jeu.

XIA est le chaînon manquant entre l’humain et le big data. XIA fait plus qu’afficher des données, il les interprète en disant: je comprends pourquoi, je comprends pourquoi vous avez fait le contraire, je sais quand il faut vous faire confiance, je sais pourquoi vous avez commis une erreur. Ce type d’approche apporte une nouvelle qualité à la détection des crimes financiers: pour la première fois dans l’histoire, l’IA peut réellement interagir avec nous.

Toutes les bases ne sont pas couvertes

Le concept d’intelligence artificielle pour les banques n’est pas nouveau. Si dans certains processus bancaires, comme le service à la clientèle, l’utilisation de l’IA ne laisse aucun doute, au moins au niveau technique, dans d’autres, comme la sécurité et le contrôle des risques, elle doit encore relever des défis, le plus important étant la transparence et l’explicabilité.

C’est pourquoi des processus comme la lutte contre le blanchiment d’argent ou la prévention de la fraude ont longtemps été laissés en dehors du champ d’application de l’IA.

Verdict sans preuve          

Le problème est qu’une transaction considérée comme suspecte par un système de surveillance des transactions n’est pas une condition suffisante pour enquêter sur ce qui est quoi. Elle ne peut pas non plus constituer un verdict en soi – sinon, il s’agirait d’un verdict sans preuve.

C’est pourquoi, si l’IA doit épauler les banques dans la lutte contre la criminalité financière, les institutions de régulation exigent la transparence quant à l’interprétation de sa logique par l’IA.

Source de vérité

Contrairement à l’IA classique, l’IA explicable donne le chemin logique de la déduction menant à des décisions particulières. XIA marque une nouvelle ère pour les institutions financières, notamment dans leur lutte contre le blanchiment d’argent et leur mission de protection et de contrôle du facteur de risque. C’est un exemple de coopération efficace entre une machine intelligente et un humain qui la guide et lui fixe des objectifs. C’est un outil qui permet d’affronter les fraudeurs – et de gagner.

Contactez Aleksandra Jarosińska sur

Pour plus d’informations, cliquez