Finiata est une entreprise en pleine croissance qui propose une solution de crédit automatisée et flexible aux petites entreprises à travers l’Europe. Fondée en 2016, l’entreprise est financée par des investisseurs européens de premier plan et dispose de trois représentations situées à Berlin, Varsovie et en Ukraine. Son objectif est de fournir à chaque propriétaire de petite entreprise des outils simples pour gérer facilement les performances financières de son entreprise et réagir dès les premiers signes d’alerte.

Secteur d’activité : Prêts

Produit : Filtrage des clients

Le recours à ComplyAdvantage comme fournisseur de données LCB nous a permis d’automatiser et de réduire sensiblement la charge de travail manuelle et le temps passé à gérer les alertes. — Paulo Andrade, Responsable en chef des produits Finiata, Finiata

Le résultat

La rapidité et la facilité d’intégration ont permis à Finiata de commencer à gérer ses risques de manière plus rapide et efficace. L’entreprise opère dans un secteur où un haut degré d’automatisation est nécessaire, non seulement pour offrir une expérience utilisateur supérieure, mais aussi pour accroître la rentabilité lorsque les marges par client sont serrées.

L’équipe Conformité de Finiata a vu sa charge de travail manuelle réduite, ce qui lui a permis de concentrer plus de temps et d’énergie à d’autres aspects de l’entreprise et d’assurer ainsi la continuité de l’activité. En outre, grâce à un faible taux de faux positifs, Finiata peut atténuer en toute confiance les risques, identifier rapidement les fraudeurs potentiels et continuer à garantir une expérience fluide à ses clients.

The post Finiata a considérablement réduit sa charge de travail manuelle et le temps consacré à la gestion des alertes. appeared first on ComplyAdvantage.

Monneo est un fournisseur d’IBAN virtuels pour les cybermarchands et les sociétés de la Fintech B2B. La société fournit, via une plateforme unique, de multiples comptes bancaires dans plusieurs banques aux cybermarchands. Les principales solutions comprennent SWIFT multidevises pour les paiements internationaux, SEPA Euro dans la zone Euro, GBP Faster Payments et CHAPS au Royaume-Uni et FX dans 134 devises.

Secteur d’activité : Paiements

Produit: Filtrage et supervision des clients

Le résultat

Les solutions de ComplyAdvantage ont renforcé la productivité de l’équipe Conformité de Monneo en lui permettant d’identifier rapidement des risques cachés. En outre, les solutions de l’éditeur sont flexibles et s’adaptent au modèle économique de Monneo, ce qui permet à l’équipe de mieux contrôler ses processus de conformité.

Enfin, une interface conviviale, des informations fournies rapidement et un support client permanent permettent à l’équipe Conformité de Monneo de tirer le meilleur parti de l’offre ComplyAdvantage et d’avoir la garantie qu’aucune entité suspecte ne passera à travers les mailles du filet.

ComplyAdvantage nous aide à découvrir les risques cachés et à prendre des décisions plus vite. — Bara Freimannova, Responsable Conformité chez Monneo

The post Monneo a renforcé sa productivité et découvert des risques cachés appeared first on ComplyAdvantage.

Cependant, d’après le rapport d’enquête 2020 de Deloitte sur la préparation à la lutte contre le blanchiment d’argent (« Anti-Money Laundering Preparedness Survey Report »), seules 63 % des personnes interrogées ont indiqué faire régulièrement des recherches sur la couverture médiatique négative dans le but d’actualiser le profil de leurs clients. Ces résultats soulignent un manque général de sensibilisation des entreprises à l’importance de la vérification de la couverture médiatique négative, les établissements financiers devant connaître le cadre réglementaire au sein duquel ils opèrent et s’assurer de respecter les normes de conformité à tout moment.

Qu’est-ce que la couverture médiatique négative ?

Il s’agit d’informations médiatiques défavorables pertinentes qui concernent un client existant ou potentiel et trouvées auprès d’un large éventail de sources.

Un examen approfondi des médias défavorables est utile pour mettre en évidence l’implication d’une personne ou d’une entreprise dans des activités telles que le blanchiment d’argent, la fraude financière, le financement du terrorisme ou le crime organisé, et plus particulièrement lorsqu’il s’agit de crimes graves.

L’analyse de la couverture médiatique négative concerne tous les différents types de sources médiatiques, depuis des sources d’information traditionnelles jusqu’aux blogs en passant par des articles Web et même des bases de données en ligne.

Exigences réglementaires de l’UE

Dans l’Union européenne, la 6e directive anti-blanchiment (6AMLD) qui entrera en vigueur le 03 juin 2021 obligera les entreprises à mettre en œuvre des processus de vigilance accrue à l’égard de la clientèle à haut risque. Il s’agit notamment « d’effectuer des recherches auprès de sources ouvertes ou dans des articles médias défavorables » et d’encourager l’utilisation d’un système automatisé de filtrage de la couverture médiatique négative. Les clients peuvent alors être classés automatiquement comme étant à haut risque sur la base de critères tels que leur localisation.

La directive 6AMLD remplace la cinquième version de la directive anti-blanchiment de l’UE et ajoute la cybercriminalité et la criminalité environnementale à la liste des infractions désignées liées au blanchiment d’argent et au financement du terrorisme (LCB/FT). Elle alourdit aussi la responsabilité pénale des « facilitateurs » de blanchiment, à savoir les établissements financiers qui ne respectent pas leurs obligations liées à la réglementation sur la LCB et la connaissance de la clientèle (KYC).

Les États membres de l’UE sont tenus d’appliquer la directive 6AMLD tout en continuant d’aligner leur législation LCB/FT sur les recommandations du Groupe d’Action Financière Intergouvernemental (GAFI).

Le GAFI recommande que les recherches dans les médias défavorables soient effectuées dans le cadre d’un processus de vigilance renforcé à l’égard de la clientèle, sachant que lorsqu’un client a été mentionné négativement dans les médias, cela peut indiquer un risque plus élevé qui nécessite des précautions supplémentaires. Les recommandations renseignent sur les infractions dont les entreprises doivent être conscientes et les désignent comme des « infractions désignées », qu’il s’agisse de la fraude, de la contrefaçon, du piratage, de la contrebande ou de l’extorsion.

Stratégies de catégorisation de la couverture médiatique négative

L’alignement de la 6AMLD et du GAFI illustre l’importance pour les établissements financiers de veiller à adopter la bonne stratégie pour rechercher et catégoriser la couverture médiatique négative.

Dans le cas contraire, des informations médiatiques négatives pertinentes pourraient passer à travers les mailles du filet et rendre les établissements financiers responsables des crimes de leurs clients, en particulier s’ils ont déjà fait l’objet de sanctions réglementaires ou d’enquêtes pour blanchiment d’argent, financement du terrorisme ou toute autre activité pertinente.

Catégorisation des sujets d’actualité générale

Lorsque la catégorisation porte sur des sujets d’actualité générale, elle perd son intérêt spécifique concernant les risques LCB/FT. Cette approche peut amener les entreprises à ne pas satisfaire aux exigences de la norme 6AMLD et des recommandations du GAFI car elles ne sont pas en mesure de choisir correctement les catégories en fonction des risques pertinents.

Cela augmente le risque de passer à côté d’une information importante et expose davantage l’entreprise à un risque de laisser des activités suspectes ou des informations sur des infractions désignées passer entre les mailles du filet et inaperçues.

La classification des sujets d’actualité générale s’effectue généralement au moyen d’outils conçus pour superviser les cas de non-conformité rapportés dans les médias. Non seulement ces outils n’offrent pas une catégorisation adéquate, mais ils rendent le filtrage inefficace en renvoyant un grand nombre d’articles d’actualité à défaut de profils clairs de personnes et d’entreprises.

Catégorisation par mots-clés

Autre approche classique, la catégorisation des informations médiatiques négatives à partir d’un ensemble de mots-clés, c’est-à-dire en saisissant certains termes dans un moteur de recherche et en observant ce qu’il en ressort.

Les mots-clés sont toutefois fragiles et la nature dynamique des moteurs de recherche (par exemple Google) peut rendre cette approche moins efficace. Pour que cela soit efficace, vous devez inclure tous les variants et synonymes du mot que vous recherchez : fraude, frauduleux, frauduleusement, tromperie. Vous devez également tenir compte de l’inclusion et de l’omission de modificateurs tels que « et » et « ou », qui peuvent affecter le résultat de la recherche, ainsi que des limites liées à des recherches uniquement faites en anglais.

Même avec un ensemble complet de mots-clés, les résultats générés par les moteurs de recherche sont bien trop nombreux pour être utiles. Malgré le nombre impressionnant de résultats fournis suite à une requête spécifique, on reste souvent loin de ce qui existe réellement car de nombreux résultats sont des faux positifs ou sont totalement ignorés car ne figurant pas dans le contenu Web actuellement indexé.

Parcourir ces résultats fait perdre aux analystes un temps précieux qui pourrait être mieux employé autrement.

Catégorisation par apprentissage automatique

Chronophage, le filtrage manuel de la couverture médiatique négative est également inefficace. Il ignore des informations importantes et pertinentes et ne permet pas de respecter les exigences réglementaires en raison des limitations inhérentes.

En revanche, les systèmes automatisés dont ceux reposant sur des technologies désormais bien établies (mais qui continuent de s’améliorer rapidement) telles que l’intelligence artificielle (IA) et l’apprentissage automatique (ML) optimisent le processus de filtrage. Outre le fait qu’il permet de gagner du temps et de réduire les coûts, un filtrage automatisé s’appuyant sur l’apprentissage automatique permet aux établissements financiers d’atténuer les risques et de réaliser des enquêtes approfondies et pertinentes sur les clients potentiels. Grâce au traitement automatique du langage naturel, ils peuvent aussi ignorer les informations non pertinentes et baliser les résultats nécessitant un examen plus approfondi de la part d’un analyste humain.

Les systèmes sont faciles à configurer pour effectuer des recherches approfondies et réaliser une supervision continue et quotidienne des clients actuels et potentiels. Toute information découverte sera automatiquement classée en fonction de son contexte pour aider à générer des alertes pertinentes et ponctuelles.

Chez ComplyAdvantage, nous avons intégré les recommandations du GAFI à la conception de notre propre taxonomie de catégorisation. Assistée par l’apprentissage automatique, cette catégorisation permet d’affiner votre filtrage des informations médiatiques négatives tout en vous fournissant une couverture complète et une certaine confiance en raison d’une moindre exposition au risque.

The post 6AMLD & GAFI : L’intérêt du filtrage de la couverture médiatique négative appeared first on ComplyAdvantage.

Problématique

Pour aller au-delà des expériences numériques proposées par les promoteurs de la Fintech, Santander UK avait besoin de réduire sensiblement la durée du cycle d’intégration des clients tout en supervisant les contrôles pour lutter contre le blanchiment d’argent. La banque devait donc s’affranchir des charges de travail habituellement gérées en version papier et automatiser autant que possible les processus touchant directement la clientèle.

Jusqu’à maintenant, lorsqu’un client faisait une demande d’ouverture de compte chez Santander UK et qu’aucune information publique le concernant n’était disponible, la banque devait filtrer de gros volumes d’informations médiatiques négatives pour vérifier l’entité et mieux profiler le risque financier associé. Pour son activité de banque d’entreprise, Santander UK cherchait à innover sa pile technologique en portant le plus possible de ressources dans le Cloud.

Solution

Utiliser des API configurables comme point d’intégration facilitait l’automatisation recherchée par Santander UK. Sans API, la nouvelle proposition n’était pas réaliste sachant que ComplyAdvantage est le seul processeur de données capable d’offrir ce niveau de souplesse pour répondre aux besoins des clients.

Avec les gains de performance tirés de l’automatisation de processus auparavant manuels, Santander UK a pu injecter en toute sécurité de gros volumes de données dans la solution AIM Insight de ComplyAdvantage, filtrer des entités par rapport à des milliards de points de données et remonter sans peine les résultats négatifs aux analystes.

La richesse des sources disponibles est essentielle pour alimenter AIM Insight en données. Cette couverture complète permet de s’emparer très tôt des problèmes évoqués par les médias locaux et donne une longueur d’avance à la banque pour prendre des décisions avant la publication des articles dans la presse nationale.

Le classement des articles selon une taxonomie alignée sur celle du GAFI permet de les filtrer très rapidement dans le cadre de ce processus automatisé qui est au cœur du projet d’intégration numérique.

Les paramètres de l’API sont configurables si bien que Santander peut modifier les seuils, les chaînes de recherche et toute autre information pertinente en fonction de ses besoins. Désormais, les analystes Santander ont toujours les bonnes informations à portée de clavier pour prendre des décisions plus éclairées. Les processus manuels fastidieux appartiennent au passé et Santander UK peut s’adapter en un clin d’œil à l’évolution de la réglementation et de la stratégie commerciale.

Résultat

En utilisant ComplyAdvantage dans le cadre de sa stratégie numérique, Santander UK a pu réduire la durée du cycle d’intégration des clients de 12 jours à 2 jours en moyenne. Dans la plupart des cas, la banque a réduit de plus de la moitié le temps nécessaire à l’intégration de clients, cette réduction pouvant atteindre parfois 75 ou 80 %.

Les tâches qui faisaient d’ordinaire perdre du temps aux agents en charge de la conformité ont été automatisées si bien que ces derniers peuvent aujourd’hui se concentrer sur d’autres menaces qui pèsent sur l’entreprise. Santander UK procède désormais à un filtrage des informations médiatiques négatives pour toutes les entités en rapport avec l’intégration d’un grand compte ou d’une PME.

Récompenses

• Lors de la cérémonie de remise des prix de l’édition 2019 des Financial Innovation Awards, Santander UK a reçu le prix de la Meilleure innovation en matière de conception de produits ou de services pour l’intégration numérique des entreprises.
• Celent a récompensé Santander UK pour son initiative « Taking Onboarding to the Next Level » (« Porter l’intégration vers un niveau supérieur ») en lui décernant le prix Model Bank 2019 Commercial Customer Onboarding Award.

The post Santander a réduit jusqu’à 80 % le temps d’intégration de nouveaux clients. appeared first on ComplyAdvantage.

La mission de Holvi est d’aider les entrepreneurs en leur assurant une expérience sans heurt en matière de banque en ligne et de gestion d’entreprise. En raison de sa croissance rapide, Holvi souhaitait rationaliser ses activités pour continuer à offrir des produits et une expérience hors pair à ses clients. Lorsque la priorité absolue est de fournir une qualité supérieure, Holvi sait combien il est logique de confier certaines opérations de back-office à un partenaire fiable.

ComplyAdvantage a été retenue pour aider à renforcer les processus LCB de Holvi afin que la fintech puisse traiter davantage de dossiers. L’application de la 4ème Directive européenne contre le blanchiment d’argent (4MLD) aurait nécessité la mobilisation de nombreuses ressources internes, mais grâce à ComplyAdvantage, Holvi peut continuer à répondre à toutes les exigences dans un environnement réglementaire mondial en perpétuelle évolution. With ComplyAdvantage, Holvi can now concentrate on their core business: keeping entrepreneurs happy

Problématique

Des données obsolètes et de nouvelles exigences réglementaires

Le système de Holvi n’était pas en capacité de s’adapter à la trajectoire de croissance rapide de l’entreprise. Avec un nombre toujours plus important d’indicateurs de risque et des ressources internes limitées pour surveiller les changements, Holvi peinait à maintenir les données de risque à jour. De plus, l’échéance de la Directive 4MLD approchant aussi à grands pas, le filtrage a donc été étendu à la prise en compte des personnes politiquement exposées (PEP) au niveau national.

Supervision manuelle des clients

Outre les difficultés liées au maintien de données précises sur les risques et à la supervision des clients lors de leur intégration, Holvi ne parvenait pas à superviser de manière efficace et régulière l’évolution des profils de risque de ses clients, comme l’exigeait la Directive 4MLD. Le processus de supervision manuelle alors en place ne permettait pas de répondre aux exigences liées à sa croissance rapide. En outre, Holvi devait gérer un gros volume de faux positifs car les décisions en matière de risque prises lors de l’intégration des clients devaient être corrigées manuellement. La fintech souhaitait donc s’équiper d’un système capable non seulement d’automatiser la supervision continue et d’alerter de manière proactive l’équipe de conformité de toute évolution manifeste des risques, mais aussi d’un système qui puisse, en toute sécurité et de manière efficace, mettre sur une liste blanche les entités contrôlées afin de réduire le nombre de fausses alertes chronophages.

Un flux de travail fragmenté qui entraîne du retard

Fournir un service rapide et fiable à ses clients est ce qui distingue Holvi des autres fournisseurs de services bancaires numériques. Cependant, en raison de la croissance rapide de l’entreprise, Holvi savait que d’une part son approche du filtrage du risque LCB lors de l’intégration et de la supervision des clients et, d’autre part, sa stratégie de supervision des transactions entraîneraient des retards et des tensions au niveau de l’expérience client et du processus de paiement. La fintech avait donc besoin d’une solution assurant un filtrage rapide et fiable lors de l’intégration et du paiement au sein de sa plateforme bancaire existante. Holvi souhaitait une solution transparente fournie via une API capable de fournir la fiabilité et la souplesse requises.

Solution

Holvi a choisi ComplyAdvantage pour les raisons suivantes :

• Flux de données LCB propriétaire
•  Filtrage lors de l’intégration
• Supervision continue
•  Filtrage des paiements
•  Intégration de l’API RESTful et gestion des cas via la plateforme

Données sur les risques s’appuyant sur l’IA

ComplyAdvantage a recours à l’intelligence artificielle et est assistée en cela par des experts en risques pour surveiller des dizaines de milliers de sources médiatiques et repérer les risques. Nous convertissons les signaux de risque et les informations non structurées en une base de données structurée de personnes et d’entreprises qui présentent un risque potentiel de criminalité financière. Notre base de données sur les risques couvre les sanctions mondiales, les listes de surveillance, les personnes politiquement exposées (PPE) étrangères et nationales ainsi que les informations médiatiques négatives. Cette base a été enrichie par des listes de surveillance internes d’envergure régionale pour garantir la conformité à la Directive 4MLD avant la date limite de son entrée en vigueur.

Automatisation des processus d’intégration, de supervision et de filtrage des paiements via l’API REST pour réduire au minimum les opérations manuelles.

En choisissant ComplyAdvantage pour le filtrage et la supervision continue de ses clients ainsi que pour le filtrage des paiements, Holvi bénéficie d’une vue globale du risque client. Quant à l’intégration de l’API REST flexible de ComplyAdvantage à sa plateforme bancaire, elle a permis à Holvi d’automatiser le filtrage LCB de ses clients lors de leur intégration, tout en garantissant des vérifications effectuées en quelques secondes, une expérience client fluide ainsi qu’une réduction du travail manuel de mise en conformité. Les clients font également l’objet d’un filtrage automatique et régulier concernant l’évolution des risques, un filtrage qui est adapté à l’appétit de Holvi pour le risque et qui ne déclenche que des alertes pertinentes. Holvi a intégré un filtrage automatisé des transactions pour effectuer les paiements de manière rapide et dynamique à mesure que le nombre de transactions augmente. En adaptant le filtrage à son approche fondée sur le risque et en dressant une liste blanche des fausses alertes lors de l’intégration, Holvi a réduit de moitié le temps nécessaire pour corriger les faux positifs.

Gestion des cas et traçabilité claires

Grâce à nos solutions de flux de travail flexibles, Holvi peut utiliser la plateforme ComplyAdvantage en ligne pour examiner facilement les alertes et remédier aux cas en dehors de sa solution bancaire destinée aux clients. La fonctionnalité de gestion des cas de notre plateforme facilite l’attribution, les commentaires et la remontée des cas au sein de l’équipe de conformité de Holvi. Toutes les décisions étant automatiquement documentées avec une traçabilité sans équivoque, les autorités réglementaires peuvent réaliser les audits internes et externes plus efficacement.

Un déploiement rapide et sans tracas

Déployer l’API a pris moins de trois semaines avec le soutien de bout en bout de l’équipe technologique de ComplyAdvantage. L’équipe Conformité de Holvi a trouvé l’interface de la plateforme en ligne à la fois intuitive et conviviale et seule une formation réduite au minimum a été nécessaire.

Contactez-nous :
+44 (0) 20 7834 0252
emir.osmanovic@complyadvantage.com

The post Holvi garantit une expérience utilisateur sans faille. appeared first on ComplyAdvantage.

Paxos avait besoin d’automatiser l’intégralité de son processus de filtrage et de supervision des clients pour intégrer une clientèle toujours plus nombreuse. En outre, la supervision des transactions était devenue une tâche ardue qui ralentissait les opérations de mise en conformité dans une entreprise qui avait au demeurant une approche souple de la croissance.

L’équipe de conformité s’appuyait sur des solutions dépassées : le filtrage des clients reposait sur un mélange de processus manuels, automatisés et hétérogènes tandis que la supervision des transactions était entièrement manuelle. Paxos évolue dans un secteur hautement concurrentiel qui contraint l’entreprise à devoir intégrer les clients rapidement.

Qui plus est, Paxos devait trouver une solution pour gérer le volume croissant de transactions quotidiennes. Quant à l’équipe chargée de la conformité, elle était obligée de travailler sur un volume mensuel de processus en lots. Enfin, en raison d’une approche défensive en matière de supervision des transactions, Paxos n’était pas en mesure d’atténuer les risques de manière proactive.

Solution

ComplyAdvantage a pu résoudre immédiatement plusieurs problèmes auxquels la fintech était confrontée. La suite de produits FinCrime s’appuie sur une technologie de pointe qui s’intègre via une API RESTful bidirectionnelle elle-même intégrée en toute transparence au flux de travail de filtrage et de supervision LCB de Paxos. Plutôt que de devoir superviser manuellement tout changement de statut de risque pour les clients nouveaux et existants, l’équipe de conformité Paxos a pu automatiser le processus grâce aux algorithmes de recherche de ComplyAdvantage et à la base de données dynamique des risques LCB. Ainsi, l’équipe Conformité peut désormais savoir rapidement si les clients signalés par la solution de filtrage correspondaient bien à l’appétit de risque de la fintech.

The post Paxos améliore son efficacité de 80%. appeared first on ComplyAdvantage.

La mission d’Azimo est d’utiliser la technologie pour rendre les services financiers abordables et accessibles à tous en offrant aux propriétaires d’entreprises et aux entrepreneurs un moyen moins cher et plus rapide d’acheter des biens et des services, de payer leur personnel et d’investir à l’étranger.

Secteur d’activité : Paiements

Produit: Filtrage et supervision continue

Le défi

Azimo n’était pas satisfait de son fournisseur de solutions de données mondiales et devait trouver une solution plus fiable pour assurer sa conformité à la lutte contre le blanchiment d’argent. En effet, l’API de son fournisseur de données était souvent hors service et comme l’équipe Conformité n’en était jamais avertie à l’avance, Azimo découvrait elle-même les problèmes, souvent après que l’entreprise ait été exposée à des risques de blanchiment d’argent. Par conséquent, Azimo était contrainte de contourner le système et d’effectuer manuellement des milliers de contrôles LCB, ce qui entraînait d’importants retards de paiement et le mécontentement des clients.

En plus de ces difficultés, l’impossibilité de dresser une liste blanche et les capacités limitées d’une API unidirectionnelle généraient un nombre élevé de faux positifs. Cela signifiait que le même expéditeur/bénéficiaire était signalé pour les mêmes faux positifs (résultats erronés) chaque fois que la personne effectuait un paiement, alors qu’il n’y avait aucun changement dans les données LCB sous-jacentes communiquées par le fournisseur. Cette situation était frustrante pour l’équipe Conformité d’Azimo et extrêmement contre-productive. Plus inquiétant encore était l’impact négatif que cela avait sur l’expérience des clients.

L’équipe ComplyAdvantage est très serviable et sa solution LCB est fiable et puissante. Nous utilisons son produit pour filtrer toutes nos transactions par rapport à diverses listes de surveillance tandis que la fonctionnalité de mise sur liste blanche via son API nous fait gagner beaucoup de temps, ce qui est important pour nous. »

— Maja Chaińska, Responsable Conformité chez Azimo

La solution

Azimo utilise la solution de filtrage et de supervision continue de ComplyAdvantage pour accélérer l’intégration de nouveaux clients et améliorer ses capacités de supervision continue. Grâce à l’API RESTful bidirectionnelle de ComplyAdvantage, l’équipe Conformité d’Azimo reçoit des alertes automatisées en temps réel en cas de changement de statut de risque. La plateforme dispose de fonctionnalités de mise sur liste blanche, ce que le prestataire précédent n’offrait pas, ce qui permet à Azimo de réduire le nombre de résultats erronés et de concentrer ses efforts sur les entités qui présentent un risque pour son activité.

De plus, la solution de couverture médiatique négative de ComplyAdvantage fournit un aperçu plus riche des individus et des entreprises et permet de minimiser la recherche manuelle d’informations supplémentaires sur Internet. En effet, la solution ComplyAdvantage s’appuie sur des systèmes d’apprentissage automatique pour traiter plus de 10 millions de pages Web chaque jour et collecte des données exhaustives et de grande qualité. L’équipe Conformité peut ainsi recevoir des alertes automatisées en temps réel si l’un de ses clients fait l’objet d’une couverture médiatique négative.

Le résultat

Azimo peut désormais filtrer et superviser ses clients en lançant des recherches automatiques sur des données mondiales concernant des personnes et des entreprises. Actualisées en temps réel, toutes ces données sont fédérées au sein de profils de risque uniques. Les informations médiatiques négatives sont identifiées dans la langue maternelle et automatiquement associés à l’entité, ce qui permet à l’équipe Conformité d’Azimo de superviser l’évolution des risques de façon rapide et précise.

Cette même équipe bénéficie d’un accès utilisateur individuel à l’outil de gestion des cas de la plateforme. Cela lui permet de tenir un journal d’audit détaillé qui peut ensuite servir de preuve auprès des régulateurs comme quoi une obligation de vigilance à l’égard de la clientèle a bien été exercée.

Grâce au support client fiable de ComplyAdvantage et aux fonctionnalités de mise sur liste blanche et aux contrôles, Azimo peut mieux gérer le risque client en réduisant les alertes et les faux positifs.

Azimo peut désormais filtrer et superviser ses clients par rapport à des données mondiales et actualisées en temps réel sur des personnes et des entreprises.

The post Azimo a amélioré la gestion des risques LCB et réduit le volume de faux positifs appeared first on ComplyAdvantage.

Collecte de données

La collecte de données sur la couverture médiatique négative, les sanctions, les PPE et les RCA n’est pas une tâche facile et peut être encore plus difficile si elle est effectuée par des humains. Un humain ne peut travailler qu’un nombre limité d’heures par jour, a des aprioris sur ce qui est pertinent ou pas et est impacté par des événements d’envergure mondiale dont le fait d’être soudainement contraint de travailler à distance (ou dans certains cas, de ne pas pouvoir travailler à distance en raison de mesures de sécurité ou d’autres contraintes techniques).

Allier conformité et télétravail n’a pas été sans difficulté pour certains secteurs de l’économie. En raison de diverses préoccupations, certains spécialistes des données ont dû être mis au chômage technique, ce qui a eu un impact particulièrement important sur la collecte de données. Pour certains outils alimentés par les humains pour construire leurs données, on a constaté une augmentation de 200 % des faux positifs lorsque les fournisseurs n’ont pas pu s’appuyer sur l’apprentissage automatique.

L’apprentissage automatique est un moyen éprouvé de collecter efficacement les données et d’assurer la continuité des activités en temps de crise.

Filtrage par mots-clés uniquement

Il peut être difficile d’imaginer pourquoi les mots-clés sont inefficaces en soi. Lorsque vous intégrez des clients, vous devez être capables de vous référer à une base d’informations médiatiques négatives qui ne comporte ni erreurs ni lacunes grossières.

L’utilisation du filtrage par mots-clés entraîne l’analyse d’un nombre restreint de sources médiatiques sous peine que cette méthode soit complètement submergée par les résultats. Toutes les informations médiatiques négatives issues de ces sources sélectionnées n’incluront pas les mots-clés associés aux risques que recherchent les équipes de conformité et elles passeront donc à travers les mailles du filet.

Une fois cet ensemble limité de sources filtré au moyen de mots-clés, certains résultats liés à la couverture médiatique négative dont vous disposerez contiendront des informations médiatiques vraiment négatives et d’autres non. En tant qu’équipe en charge de la conformité, c’est un peu comme si une clôture grillagée entourait votre entreprise, la seule solution pour contenir de manière réaliste le volume de données à traiter, mais qui reste facile à pénétrer.

Concernant les informations médiatiques négatives qui ne figurent pas dans les sources sélectionnées, vous ne pourrez pas les détecter du tout. Vous ne saurez même pas qu’elles existent. Vous ouvrez ainsi la porte à des entités qui pourront faire partie de vos clients malgré vous.

Mots-clés et analystes

L’étape suivante, après le filtrage par mots-clés uniquement, consiste à ajouter des analystes à l’opération. Les analystes sont capables d’extraire les informations situées au niveau de la clôture grillagée et de filtrer ces données pour réduire les faux positifs, ce qui permet à votre équipe de conformité d’empêcher plus facilement des entités indésirables d’intégrer votre activité.

Malheureusement, cette approche a ses limites. En effet, humains avant tout, les analystes ne peuvent pas travailler sans fin tandis que leur subjectivité interfère avec le filtrage. C’est ainsi qu’ils pourront classer de manière inappropriée certains articles comme défavorables ou non ainsi que ceux considérés à tort comme non défavorables, si bien que des entités nuisibles pourront intégrer votre établissement financier sans plus de formalités.

Là encore, dans la mesure où le nombre de sources médiatiques analysées est limité, certaines sources ne feront tout simplement pas partie de l’équation. Et lorsque des analystes sont sollicités, même si la qualité des données est plus élevée que suite à un simple filtrage par mots-clés, moins d’articles seront passés en revue. Par conséquent, davantage d’entités sont omises et peuvent donc entrer dans votre entreprise par la petite porte.

Aussi, lorsque l’on tente de créer des profils pour ces entités, la tendance est à la création de doublons. Ceci est lié à la difficulté pour un humain de devoir analyser tous les profils existants dans la base de données afin de décider où ajouter des données. Bref, tout l’opposé d’un processus automatisé qui permet d’analyser facilement toutes les nouvelles données par rapport aux données existantes et donc sans les limites humaines de ce qui peut être traité en même temps.

Qui plus est, si, pour une quelconque raison, les analystes ne sont pas en mesure de travailler, l’efficacité du système s’effondre. Il s’ensuit une avalanche de faux positifs qui oblige les équipes de conformité à choisir entre ignorer un risque si elles font preuve de moins de rigueur ou compliquer la relation client en maintenant une certaine rigueur qui cependant rallonge sensiblement les délais d’intégration.

L’apprentissage automatique

L’apprentissage automatique est clairement supérieur aux deux méthodes évoquées précédemment. Recourir à l’apprentissage automatique pour créer une base de données de médias défavorables et filtrer les entités n’oblige pas à limiter le nombre de sources à analyser en fonction du nombre de spécialistes des données disponibles. La seule limite est la réalité, à savoir les informations produites un jour spécifique par toutes les sources médiatiques appropriées. Inutile de sélectionner les médias à examiner. Tous sont analysables et analysés.

L’absence d’intervention humaine à ce stade permet aussi d’identifier en permanence et sans interruption les informations médiatiques négatives. Et ce quels que soient les événements qui peuvent bien se produire dans le monde.

Une fois les médias indésirables identifiés, l’apprentissage automatique, qui comprend le véritable contexte de l’article et pas seulement la présence de mots-clés, extrait les informations qu’il attribue ensuite à des profils correspondant à des entités bien réelles, le tout sans créer de doublons qui feraient perdre du temps aux analystes chargés de la conformité. Ensuite, lorsque ces entités tentent d’intégrer votre établissement, elles seront facilement identifiées et rejetées si besoin par l’équipe chargée de la conformité. Cela revient à élever un mur de briques autour de votre entreprise pour la protéger des éléments nuisibles.

Créer une base de données efficace sur les informations médiatiques négatives

Pour la collecte de données, il est nécessaire de s’appuyer sur l’apprentissage automatique, et ce pour différentes raisons. Tout d’abord, cette technologie permet de créer une base de données efficace sur les informations médiatiques négatives en examinant tous les médias disponibles. Elle fonctionne en continu et identifie les actualités négatives importantes et présente ces informations dans un format facilement accessible et utilisable avec notre système avancé de correspondance de noms et de filtrage des identifiants personnels.

L’apprentissage automatique fournit des profils d’entités rapidement utilisables pour décider d’intégrer ou non un client en fonction de l’appétit pour le risque de l’établissement financier concerné. Sans une solution basée sur l’apprentissage automatique, votre établissement ne pourra jamais identifier tous les clients pouvant représenter une menace pour vos obligations de conformité.

Mais d’autres raisons justifient aussi la collecte de données au moyen de l’apprentissage automatique. Cette technologie n’est pas seulement utile pour les informations médiatiques négatives. En effet, les informations sur les sanctions et les PPE évoluent sans cesse et les entreprises doivent s’assurer que leurs données restent à jour pour éviter de commettre une infraction ou de prendre des décisions trop risquées.

Données sur les sanctions

Les données sur les sanctions ne cessent d’évoluer. Il s’agit de données critiques pour un filtrage fonctionnant de manière binaire, à savoir que si une entité fait l’objet d’une sanction, l’entreprise ne peut pas traiter avec elle.

Cependant, malgré leur importance, aucune structure unifiée ne permet de transmettre ces données sur les sanctions aux entreprises qui doivent en être informées. Il faut savoir que les listes peuvent être modifiées sans préavis, que les désignations sont parfois attribuées de manière non structurée et que des modifications peuvent être apportées de manière tout aussi chaotique.

La technique de collecte de données basée sur l’apprentissage automatique que nous utilisons pour fédérer et classer les données relatives aux sanctions est plus efficace que toutes les formes de collecte de données manuelles. Mais lorsque nous lui associons un examen manuel, c’est-à-dire humain, les deux méthodes fonctionnent ensemble pour produire les mises à jour les plus précises et les plus complètes de l’ensemble des données sur les sanctions, et ce à une vitesse inédite.

Supervision manuelle – Fingerprints

Fingerprints est une fonctionnalité de l’apprentissage automatique que nous utilisons pour surveiller les sources de sanctions manuelles. Elle permet d’analyser la source toutes les deux heures et d’envoyer une notification pour déclencher une mise à jour chaque fois qu’un élément est modifié sur le site Web.

Examen manuel – Collecte des sanctions

Une fois que Fingerprints a déclenché la mise à jour, nous vérifions que seules les données correctes et au bon format sont intégrées à la production de l’ensemble de données sur les sanctions grâce à un outil d’examen manuel propriétaire.

Nous pouvons ainsi identifier, suivre, interroger et enregistrer l’activité liée à l’examen. Grâce à ce processus, nous maîtrisons parfaitement les données relatives aux sanctions afin d’identifier les éventuelles erreurs commises par les autorités de règlementation et d’éviter des retards dans la mise à jour manuelle des sources de sanctions.

En outre, nous pouvons empêcher et contrôler l’effacement d’entités sanctionnées et mettre à jour ponctuellement les données de tous les clients grâce à une supervision manuelle. Notre outil Fingerprints fonctionne aussi pour de nombreux sites Web et sources.

La collecte de données est définie par sa relation avec l’apprentissage automatique. L’intervention humaine est une étape nécessaire pour garantir sa qualité dans certains cas spécifiques, notamment pour les données sur les sanctions. Cependant, sans le concours de l’apprentissage automatique qui est capable de superviser et de réagir aux changements apportés aux données, aucune recherche humaine ne peut rivaliser avec la vitesse, l’étendue, la profondeur et la précision d’une collecte de données réalisée par l’apprentissage automatique.

Des PPE en constante évolution

Les personnes politiquement exposées (PPE) changent constamment de poste et de statut et introduisent de nouveaux acteurs sur le terrain. Il s’agit d’un aspect de la collecte de données qui évolue aussi vite que la politique et qui doit faire l’objet de mises à jour fréquentes.

Une couverture des PPE critiques est essentielle à toute entreprise proposant des services financiers. Grâce à l’apprentissage automatique, nous pouvons obtenir des informations sur les PPE de classe 1 dans 245 pays et juridictions dans les domaines du pouvoir exécutif, législatif et judiciaire, ainsi que sur les responsables de l’armée, de la police et de la sécurité civile et sur les membres des conseils d’administration des banques.

Mais c’est la rapidité des mises à jour produites qui confère toute sa valeur à l’apprentissage automatique.

En effet, l’apprentissage automatique nous permet de surveiller ces postes et fonctions en permanence et d’être informés de tout changement dès qu’ils se produisent. En outre, nous lançons une mise à jour automatique tous les 30 jours pour veiller à ne manquer aucune information. Ceci permet de découvrir immédiatement les changements non annoncés et, si ces derniers sont majeurs, notamment suite à des élections, nous disposerons d’une couverture des données des PPE actualisée quelques heures après la confirmation des résultats.

Concernant la couverture des PPE en particulier, la rapidité est primordiale. Si vous allez trop lentement, vous exploitez alors des données obsolètes qui vous feront intégrer accidentellement un client qui présente un risque trop élevé pour votre approche fondée sur le risque.

Il est essentiel d’utiliser des données à jour pour bien cerner votre client et savoir quand vous devez le soumettre à une vigilance accrue (EDD) sous peine de devoir passer des journées à éplucher de manière frénétique l’ensemble de ses transactions pour vous assurer qu’il n’y a pas eu d’activité suspecte ou bien de devoir déposer des déclarations d’activité suspecte rétroactives. Autant d’actions qui détournent vos responsables de la conformité du travail sur lequel ils doivent se concentrer.

La collecte de données opérée par votre fournisseur est vraiment importante car peu importe la qualité de vos processus internes si vous travaillez sur des données erronées… Vous prendrez dans tous les cas un mauvais départ et vous ne serez jamais en mesure de vous conformer efficacement aux obligations réglementaires.

The post Pourquoi la rapidité est la meilleure alliée de la collecte de données appeared first on ComplyAdvantage.

Pourquoi faire un filtrage de la couverture médiatique négative avec l’IA ?

L’apprentissage automatique, un sous-ensemble de l’intelligence artificielle qui s’améliore rapidement, permet de scanner les articles d’actualité à un rythme, une profondeur, une étendue et une précision inégalés par les moteurs de recherche grand public habituels (ou même par des outils de recherche médiatique plus professionnels).

Les principaux organismes consultatifs et régulateurs (GAFI, FCA, FinCEN, et al) recommandent depuis longtemps que le filtrage des médias indésirables soit inclus dans une boîte à outils de conformité réglementaire des IF. Cela pose un défi aux IFs pour gérer la quantité d’informations qui pourraient être identifiées lors de recherches de nouvelles négatives. L’utilisation d’une technologie d’apprentissage automatique de pointe peut réduire considérablement le temps d’enquête des agents chargés de la conformité.

Le filtrage et la supervision des clients est beaucoup plus facile à supporter avec un outil médiatique négatif alimenté par l’IA. Avoir un processus de conformité robuste permet d’identifier plus facilement les entités a haut risque, et est aussi un indicateur pour les régulateurs que les institutions financières prennent leurs obligations au sérieux et cherchent à agir au-delà des exigences réglementaires minimales.

Quel était la façon traditionnelle d’analyser les médias ?

Avant que l’IA ne devienne un outil d’analyse des informations médiatiques négatives, les agents de conformité utilisaient un processus de recherche manuel avec des mots-clés. C’était inefficace, une mauvaise utilisation des ressources, et cela entraînait des erreurs inacceptables, mais il n’y avait malheureusement guère d’alternative.

L’apprentissage automatique a changé tout cela. Il est maintenant possible d’analyser des nouvelles et d’isoler les entités réelles qui ont été identifiées comme étant vos clients, sans avoir à vérifier manuellement chaque article.

Passer par un processus automatisé et d’utiliser l’IA avec des médias hostiles permet également que les profils dupliqués sont moins fréquents. Les analystes humains font souvent preuve de prudence et créent des entrées en double au cas où les entités seraient différentes – ce qui signifie que lorsque les clients sont contrôlés, il faut examiner plusieurs profils pour ne pas manquer d’informations. Toute cette interaction humaine avec les données prend beaucoup de temps et de ressources, ce qui peut s’averer être couteux et ralentir l’intégration du client.

De plus, les préjugés humains peuvent se glisser dans la base de données, ce qui peut conduire à des interprétations subjectives du risque.

En outre, il s’agit d’un travail manuel à forte intensité de main-d’œuvre, avec peu de remerciements, ce qui veut dire que les analystes expérimentés sont rarement ceux qui font ce travail. Quelle que soit son expérience, il est peu probable qu’un chercheur soit capable de parler les dizaines de langues nécessaires pour comprendre correctement toutes les régions à risque. Sans parler des limites des mots-clés.

Pourquoi les mots-clés ne suffisent pas

Les mots-clés indiquent des informations défavorables sur une entité. Malheureusement, les mots-clés sont aussi sensibles au contexte. Si vous recherchez « fraude » mais que le mot utilisé est « frauduleusement », le contexte peut ne pas être pris en compte, selon la précision des paramètres de recherche.

Pour être efficace, vous devez rechercher toutes les permutations de « fraude », de sorte que « frauder », « frauduleux », « escroqué », etc.

Mais les journalistes peuvent aussi préférer d’autres formulations, il est donc nécessaire d’inclure tous les synonymes de « fraude » également. Cela finit par créer une chaîne de recherche absurdement longue, et dans Google, la recherche est malheureusement limitée à 32 mots.

Les mots clés ne sont pas non plus nécessaires pour identifier les informations défavorables. Il est donc difficile de justifier leur usage lors du filtrage des médias défavorables avec l’IA. Un bon outil de détection des médias négatifs devrait pouvoir détecter qu’une entité qui est impliquée dans un crime facilement et rapidement – mais ce n’est souvent pas le cas avec une recherche par mot-clé. Si un article décrit le crime sans le nommer, il est peu probable qu’une recherche par mot-clé sur Google, ou tout autre outil utilisant des mots-clés dans le cadre de son processus, le détecte.

Les mots-clés étaient un des seuls moyens de filtrage des médias défavorables. La digitalisation des processus de filtrage est maintenant nécessaire : il est temps pour toutes institutions financières d’adopter une approche plus intelligente aux risques. L’apprentissage automatique est la seule façon de connaître pleinement et efficacement le risque associé à vos clients.

The post Filtrage des médias défavorables avec l’IA et pourquoi les mots clés ne suffisent pas appeared first on ComplyAdvantage.

Les informations médiatiques négatives et les criminels en période de COVID-19

Le terme Coronavirus suscite la peur. Il paralyse l’économie mondiale et a confiné des milliards de personnes à domicile pendant des semaines, voire des mois. Et pour beaucoup, c’est le minimum en termes d’impact…

Malheureusement, cette peur est exploitée par des entités ou des individus malveillants qui cherchent à profiter de l’angoisse qu’engendre le virus pour frauder et obtenir des fonds de manière illégale. Mais grâce aux équipes en charge de la conformité, à la justice et au travail des journalistes, ces éléments peuvent être pris ou exposés. Les attaques lancées par la criminalité financière sont en hausse en raison du COVID-19, parallèlement aux informations médiatiques négatives qui se multiplient à mesure que de nouveaux criminels sont démasqués. Et comme il est déjà pour le moins difficile de se tenir au courant de toutes ces actualités négatives, le confinement mis en place rend la situation encore bien plus difficile.

Au chapitre des anarques, un acteur a récemment été arrêté pour avoir vendu de faux remèdes au coronavirus pour le compte de la société Quantum Prevention CV, Inc. En Californie, c’est un médecin qui a été inculpé pour fraude par le FBI après avoir affirmé que certains médicaments guérissaient le virus, et vendu par la même occasion de faux remèdes, tandis que d’autres ont été interpellés pour des raisons similaires.

On ne peut pas exiger des entreprises qu’elles soient informées en temps réel et en permanence de toutes les activités criminelles à travers le monde. En vérité, elles n’ont pas besoin de le faire car le GAFI recommande depuis longtemps déjà aux établissements financiers d’utiliser des outils d’analyse de la couverture médiatique négative et des actualités défavorables pour faciliter l’intégration des clients. Grâce à ces outils, une seule recherche suffit pour que les entreprises puissent obtenir des informations utiles sur un client potentiel et décider de l’intégrer ou non. Cette solution est préférable à des recherches sans fin sur Google qui génèrent des millions de résultats par client. Car même le responsable de la conformité le plus expérimenté sera incapable de rechercher et de compiler des résultats aussi rapidement qu’un outil qui analyse la couverture médiatique négative.

Des escroqueries en hausse

De la pyramide de Ponzi qui sévit actuellement sur les médias sociaux aux attaques de phishing et autres types de fraude plus ou moins ingénieux, les clients sont plus exposés que jamais aux attaques de la criminalité financière.

Les entreprises financières réglementées font de leur mieux pour endiguer cette vague d’attaques et des poursuites sont engagées contre ceux qui se font prendre. Les outils d’analyse de la couverture médiatique négative et de l’actualité défavorable constituent alors un précieux atout pour mettre hors d’état de nuire ceux qui tentent de profiter de la situation actuelle.

Toutes ces attaques ne seront toutefois pas stoppées. Ce qui ne veut pas dire qu’elles passent pour autant inaperçues ou qu’elles restent impunies. En effet, les unités en charge du renseignement financier et de la conformité financière sont promptes à traquer les auteurs de crimes financiers, surtout lorsqu’elles reçoivent un rapport d’activité suspecte circonstancié sur lequel elles peuvent s’appuyer.

Lorsqu’un criminel a été arrêté, inculpé ou emprisonné, les outils d’analyse des informations médiatiques négatives aident les agents de la conformité à l’identifier immédiatement, et ce même en période de COVID-19. Cela évite que ce criminel tente à nouveau les mêmes escroqueries que celles pour lesquelles il a été emprisonné ou inculpé tout en accélérant le processus d’intégration des clients d’un établissement financier.

Les informations médiatiques négatives en rapport avec le COVID-19 sont omniprésentes

La période unique, espérons-le, que nous traversons tous en ce moment génère une actualité qui connaît un rythme effréné. Les statistiques sont revues chaque jour et les informations évoluent plus vite que d’habitude tandis que, de leur côté, les criminels s’adaptent tout aussi vite pour rester dans la course.

Quant aux articles sur les crimes financiers, ils évoluent tout aussi vite. De nouvelles informations médiatiques négatives en rapport avec le COVID-19 sont publiées chaque jour, que ce soient des escroqueries concernant les prix ou des PPE ou un quelconque opportunisme criminel.

Mais grâce à notre solution AIM Insight qui analyse les informations médiatiques négatives et les actualités défavorables, votre équipe de conformité n’a plus besoin de faire des recherches dans Google pour trouver des informations pertinentes. Cependant, toutes les solutions d’analyse des informations médiatiques négatives ne se valent pas et seule la nôtre est capable de réduire de 80% la durée du cycle d’une demande.

Associé au traitement automatique du langage naturel comme c’est le cas pour AIM Insight, l’apprentissage automatique est une technologie qui permet d’analyser et de catégoriser entre 10 et 20 millions de pages Web par jour. Et nos archives en contiennent déjà plus de 10 milliards…

La conformité ne doit plus être une corvée. Elle doit toujours avoir pour objectif d’éviter les complications pour les clients. C’est le moment ou jamais pour les entreprises de protéger leurs clients contre tout désagrément et elles devraient en profiter au maximum.

The post Comment les informations médiatiques négatives en période de COVID-19 ralentissent l’intégration des clients appeared first on ComplyAdvantage.