6AMLD & GAFI : L'intérêt du filtrage de la couverture médiatique négative

Un programme LCB complet comporte de nombreux éléments fluctuants, le filtrage de la couverture médiatique négative étant sans doute l’un des plus importants pour prévenir la criminalité financière. L’intégration d’un client présentant un risque connu pourrait avoir de graves conséquences pour votre réputation tout en vous exposant sérieusement si vous participez par inadvertance à des activités telles que le blanchiment d’argent, la fraude ou le financement du terrorisme.

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.