Le webinaire réunissant des experts du Groupe d’action financière (GAFI) et du cabinet d’études et de conseil de premier ordre Celent, a porté sur la contribution de la technologie pour combler les lacunes du processus de filtrage de la couverture médiatique négative. Le présent article s’appuie sur ces discussions pour voir comment l’apprentissage machine (ML) peut aider les établissements financiers à atténuer les défis du moment et réduire les risques liés au filtrage des informations médiatiques négatives.

Les défis classiques en matière de couverture médiatique négative

Filtrer le bruit pour localiser les données pertinentes

En matière de filtrage d’informations négatives, le principal défi auquel les analystes sont confrontés est de passer au crible de gigantesques volumes de données pour identifier les informations pertinentes. L’un des principaux problèmes est la prévalence de données non pertinentes ou parasites. Ainsi, une recherche sur « Tiffany Palmer » sur Google génère plus de 70 000 résultats, même en y associant des mots-clés spécifiques tels que fraude ou blanchiment d’argent. Il peut donc s’avérer compliqué de trouver des informations pertinentes. Pour les personnes portant des noms courants tels que Pascal ou Alain Dupont, le nombre de résultats de recherche peut atteindre les 30 millions, ce qui rend très difficile la recherche de la bonne information.

Lorsque les analystes ne parviennent pas à affiner leur recherche, des difficultés peuvent survenir. En effet, même s’ils disposent de certaines informations sur leur client, dont sa date de naissance ou son lieu de résidence, il n’est pas toujours pratique d’utiliser des outils comme Google pour affiner les recherches. Nombreux sont ceux les analystes qui essaient de lire toutes les pages qui s’affichent, mais cette solution n’est ni efficace ni rapide. En effet, il reste difficile de distinguer les informations pertinentes de celles qui ne le sont pas et il peut être compliqué de savoir si deux personnes portant le même nom sont la même personne ou pas.

Consulter des informations actualisées

Autre défi, le suivi dans la durée des informations sur les risques que pose un client. Rien n’est moins pratique que de rechercher dans des millions de résultats après chaque mise à jour. Pour résoudre ce problème, certains établissements engagent de nombreux analystes qui lisent les articles et utilisent des règles de base pour filtrer les données non pertinentes. Cette approche reste toutefois limitée car soit elle restreint le volume d’informations que chaque analyste peut examiner, soit elle nécessite un plus grand nombre d’analystes pour traiter l’énorme quantité de données à consulter.

Certains établissements choisissent d’ignorer le problème tandis que d’autres se contentent de vérifier la couverture médiatique négative pour un groupe restreint de clients à haut risque. Malheureusement, procéder ainsi ne permet pas de traiter efficacement les risques éventuels. En effet, les personnes impliquées dans des délits financiers ne sont pas toujours identifiables en tant que clients à haut risque.

Confirmer la fiabilité des informations

Les informations provenant de différentes sources, y compris de fausses nouvelles, de contenu satirique ou de sites Web extrémistes, il devient difficile d’évaluer la qualité et la crédibilité des données. Une vérification minutieuse de chaque source s’impose donc, ce qui complique encore le processus.

Il n’est pas conseillé de se fier uniquement à des sources bien connues telles que les journaux nationaux car cette approche peut faire passer à côté d’individus et de risques qui ne sont pas considérés comme importants à l’échelle nationale. La priorité étant d’identifier les risques avant qu’ils ne soient largement connus, il est donc nécessaire de s’appuyer sur une solution globale et efficace pour relever les défis du filtrage de la couverture médiatique négative.

Comment l’apprentissage automatique peut aider

L’apprentissage automatisée (ou ML) fournit des ressources d’automatisation pour surveiller en continu d’énormes volumes de médias sans se limiter à un ensemble spécifique. Les établissements financiers sont ainsi informés des risques susceptibles de les affecter. D’autres caractéristiques du ML  permettent d’atténuer les défis classiques énumérés ci-dessus :

• Cohérence et précision : Le ML peut réduire sensiblement le nombre d’erreurs humaines liées à des tâches répétitives et fournir une analyse cohérente et très précise. Le modèle de Ml prend des décisions cohérentes et s’améliore au fil du temps en apprenant en permanence à partir du volume de données toujours plus important qu’il traite.
• Filtrage multilingue : La capacité du ML à prendre en charge plusieurs langues et écritures dépasse les limites de la linguistique humaine. Superviser dans plusieurs langues permet d’élargir la couverture des sources médiatiques. Il est ainsi possible de capturer des événements ou des informations qui ne sont disponibles dans des langues autres que l’anglais, ce qui empêche de passer à côté de détails cruciaux.
• Collecte et catégorisation des données : Le ML permet aussi d’automatiser l’identification de nouvelles informations et de les distinguer de données précédemment rencontrées. Grâce à cette automatisation, les établissements restent informés des risques liés à leur clientèle existante, le tout sans être inondés d’alertes excessives en lien avec des informations redondantes.
• Un filtrage rapide : Il permet d’améliorer l’expérience du client pendant la phase d’entrée en relation d’affaires. De plus , il instaure la confiance en fournissant des informations actualisées sur les clients. Et contrairement aux analyses périodiques traditionnelles, le ML assure un suivi permanent qui permet de disposer des données les plus récentes sur les profils de risque des clients.

Les facteurs actuels de développement de l’apprentissage automatique

L’accessibilité

Tout d’abord, l’accès à une infrastructure de pointe s’est considérablement amélioré et permet désormais aux petits établissements d’accéder à des ressources auparavant réservées aux entités d’envergure. Les fournisseurs de services Cloud mettent à disposition du matériel facilement disponible et économique pour exécuter des tâches telles que l’extraction et le traitement de données, ce qui met tous les établissements sur un pied d’égalité.

Du matériel et une infrastructure de pointe

Ensuite, les progrès remarquables réalisés dans le domaine de l’apprentissage automatique, en particulier au niveau du matériel et de l’infrastructure, ont joué un rôle crucial dans le développement ML. Les puces en silicium conçues pour l’apprentissage automatique sont désormais plus puissantes et plus accessibles. Ceci a permis aux établissements d’exploiter tout le potentiel des modèles de ML sans investir massivement dans des technologies et des serveurs coûteux. Qui plus est, la disponibilité des services Cloud leur permet d’opérer dans les régions où ils ont choisi de s’implanter tout en respectant les exigences et contraintes locales ou régionales en matière de données et de réglementation.

Le traitement du langage naturel

En outre, les progrès des techniques de ML, illustrés par les avancées dans le domaine du traitement du langage naturel, ont révolutionné le secteur. En effet, ce qui était autrefois considéré comme irréalisable est devenu réalité, le traitement du langage naturel se révélant un outil puissant pour lutter contre la criminalité financière et identifier les événements indésirables avec une précision remarquable.

La pertinence

L’afflux de données du monde réel a stimulé la croissance du ML, le rendant plus pertinent et utilisable pour résoudre des problèmes de taille. Le secteur compte aujourd’hui près d’un million de personnes qui se consacrent au marquage manuel et à l’annotation des données d’entraînement d’un modèle de ML, ce qui rend cette précieuse ressource accessible via différents mécanismes.

Les différentes stratégies de filtrage de la couverture médiatique négative

Malgré les défis bien connus du filtrage de la couverture médiatique négative et la sensibilisation à ces avancées technologiques, l’adoption efficace et intégrée de ces solutions reste limitée. Différents facteurs peuvent expliquer pourquoi les différents établissements hésitent encore à profiter des avantages offerts par ces technologies.

Des tentatives ont donc été faites pour résoudre le problème du filtrage des actualités négatives au moyen de différentes approches.

L’approche via des analystes humains

Comme indiqué plus haut, la première approche consiste à employer des analystes humains pour examiner les actualités et créer manuellement des profils consultables. Cette méthode est cependant conditionnée par le nombre d’analystes embauchés, ce qui restreint la portée de la couverture médiatique. En outre, des défis comme les disparités linguistiques et le manque de cohérence persistent.

L’approche fondée sur les mots-clés

La deuxième approche adoptée par les établissements financiers est une méthode fondée sur des mots-clés. Bien que plus dimensionnable et automatisée, elle présente des inconvénients, notamment une plus grande propension aux faux positifs. L’utilisation de mots-clés tels que « tirer », « tué » ou « terroriser » peut générer des résultats avec des contextes différents, ce qui ne permet pas aux sociétés de services financiers ou au département Conformité d’un établissement d’obtenir facilement des informations pertinentes. A contrario, en l’absence de mots-clés spécifiques, cette approche peut aussi ne pas parvenir à capturer des informations essentielles dans un article.

L’approche fondée sur l’apprentissage automatique

Compte tenu des limites des deux approches susmentionnées, les raisons pour lesquelles certains établissements hésitent encore à adopter une approche fondée sur le ML pour filtrer la couverture médiatique négative sont notamment :

• Le manque de compétences : Le premier défi concerne l’intersection entre l’expertise en conformité et les compétences en ML, les deux étant des spécialités. Il est indispensable d’associer ces compétences et d’envisager le problème sous ces deux angles, sans oublier que la formation d’une telle équipe exige du temps et des efforts.
• Un marché de l’embauche concurrentiel : Recruter des experts en ML est un défi majeur car leurs compétences sont très recherchées, plus particulièrement en cas de confrontation avec des établissements technologiques plus importants pour s’accaparer les mêmes spécialistes.
• La gestion des données : Obtenir les bonnes données est vital pour entraîner des modèles ML. Même s’il existe différents ensembles de données, résoudre des problèmes spécifiques nécessite des millions d’exemples d’entraînement de modèles de ML. Créer et gérer ces données, tout comme contrôler la qualité, réaliser des tests et détecter les erreurs sur les données et les dépenses associées, sont des passages obligés.
• La formation : Certains établissements peuvent rencontrer des difficultés pour passer de systèmes traditionnels fondés sur des règles explicables à des approches de ML plus précises. Cette nouvelle approche offre une plus grande précision, mais comprendre chaque décision peut s’avérer difficile au début. Former aux avantages de cette approche et les démontrer peut aider à surmonter cet obstacle et mettre les analystes à l’aise avec la nouvelle approche.

La couverture médiatique négative selon ComplyAdvantage

ComplyAdvantage a développé une approche innovante pour son processus de filtrage de la couverture médiatique négative. Basé sur une API, le système comprend deux éléments principaux. Tout d’abord, une barre de recherche dans laquelle les clients peuvent saisir le nom d’une personne et des informations d’identification pertinentes dont le pays ou la date de naissance. Le système traite ensuite ces données pour identifier les profils de risque pouvant correspondre aux critères de recherche du client, ce qui facilite le processus d’entrée en relation d’affaires.

La deuxième phase du processus porte sur la collecte d’informations auprès de différentes sources disponibles sur Internet. ComplyAdvantage utilise la technologie de ML pour analyser et catégoriser ces données non structurées, ce qui permet de créer des profils pour des individus et des entreprises uniques qui pourront être consultés ultérieurement dans le cadre du filtrage de la couverture médiatique négative.

ComplyAdvantage veille à ce que sa base de données soit constamment mise à jour en temps réel, ce qui permet de disposer d’informations actualisées pour lancer des recherches sur des clients existants et les suivre en continu. Les algorithmes de ML lisent les informations médiatiques, identifient les personnes et les entreprises concernées, créent différentes catégories de médias défavorables et consolident ces données dans des profils complets.

Cette approche fondée sur le ML offre plusieurs avantages en termes de conformité :

• Une meilleure prise de décision : Les profils consolidés rendent la prise de décision plus efficace en présentant les informations pertinentes dans un format convivial.
• Moins de faux positifs : Disposer d’informations détaillées sur les profils (année de naissance, pays associés, catégories d’informations médiatiques négatives spécifiques,…) permet aux établissements de filtrer les faux positifs et de se concentrer sur les cas à haut risque.
• Des performances supérieures : En automatisant les tâches répétitives et en fournissant des résultats précis, l’approche fondée sur le ML libère les équipes Conformité qui peuvent alors se concentrer sur des tâches plus critiques et créatives, ce qui renforce la capacité de l’établissement à identifier efficacement les vrais risques.

Pourquoi investir maintenant ?

Compte tenu des avantages qu’offre l’apprentissage automatique, il est légitime de se demander pourquoi s’appuyer dès maintenant sur cette technologie pour résoudre les problèmes liés à la couverture médiatique négative.

Deux facteurs clés justifient cette urgence.

1. Tout d’abord, les défis liés au filtrage de la couverture médiatique négative sont de plus en plus complexes en raison de la croissance exponentielle du volume de médias et de leur nature furtive et changeante. En effet, différentes publications et sources publient en permanence des articles qui sont édités en temps réel, ce qui nécessite un traitement efficace de l’information.
2. Ensuite, les enjeux se sont sensiblement accrus avec les autorités de régulation qui exigent des sociétés de services financiers qu’elles s’appuient sur des pratiques de supervision rigoureuses.

La convergence de ces facteurs rappelle l’ampleur du problème à résoudre. Néanmoins, les progrès technologiques permettent désormais de relever ces défis efficacement.

The post L’apprentissage automatique pour réduire les risques liés au filtrage de la couverture médiatique appeared first on ComplyAdvantage.

En juillet 2022, le Conseil des gouverneurs de la Réserve fédérale des États-Unis a déclaré : « Les banques doivent appliquer une approche fondée sur les risques à l’obligation de vigilance à l’égard de la clientèle (CDD), y compris lorsqu’elles définissent les profils de risque de leurs clients. » Il ressort du développement de cette idée dans la suite du communiqué que le Conseil attend manifestement des banques qu’elles mettent en œuvre et adoptent pleinement ces principes conformément aux obligations énoncées dans la législation sur la Loi sur le secret bancaire (BSA)/LCB.

Les attentes sont les mêmes sur les autres grandes places financières. Au Canada, au Royaume-Uni, dans l’Union européenne et dans d’autres grands centres financiers internationaux, les autorités de réglementation appliquent une approche de la supervision fondée sur les risques qu’elles entendent également voir adopter par les banques et autres établissements financiers.

Dans l’UE, la directive d’application la plus récente, couramment appelée 6AMLD, renforce les exigences en matière de LCB-FT en normalisant la définition de 22 infractions sous-jacentes constitutives de blanchiment. Ce texte étend par ailleurs les sanctions et les responsabilités pénales en cas de non-respect de l’obligation de prévention du blanchiment.

Devenu un élément essentiel de l’arsenal anti-blanchiment des banques, le filtrage de la couverture médiatique négative est d’autant plus important pour une approche fondée sur les risques.

Que les clients soient des particuliers ou des entreprises, il est impératif de gérer les relations à haut risque dans le cadre d’une évaluation des risques lors de l’entrée en relation d’affaires en consultant les données de couverture médiatique négative pour atténuer un large éventail d’activités criminelles, surtout si des opérations de blanchiment d’argent et de financement du terrorisme (BC-FT) peuvent en découler.

Dès lors, la conception des solutions de couverture médiatique négative doit intégrer toutes les catégories de risques envisageables lors des contrôles LCB-FT de vigilance à l’égard de la clientèle. Les réglementations LCB recommandent explicitement de prendre des mesures de vigilance renforcée en cas d’exposition politique, d’activité dans des pays à haut risque, d’historique de risque défavorable ou de circonstances anormales, autant de cas où le filtrage de la couverture médiatique négative s’impose.

L’approche fondée sur les risques tient compte par ailleurs du caractère dynamique du risque, autrement dit que le profil d’un client considéré « à faible risque » lors de l’entrée en relation d’affaires peut rapidement évoluer. En règle générale, les banques contrôlent tous leurs clients régulièrement en mettant à jour la KYC à intervalles variables selon le niveau de risque évalué au départ. Toutefois, l’approche fondée sur les risques exige un système capable de signaler tout changement significatif du profil de risque pour éviter d’éventuels problèmes par la suite. Souvent appelé « KYC perpétuelle », la supervision continue et en temps réel des clients existants suppose que tout nouvel événement de risque à propos d’un client existant soit signalé à des fins d’enquête. Les autorités de réglementation insistent davantage sur ce point car l’efficacité des contrôles LCB est au cœur des discussions.

Les données de couverture médiatique négative sont généralement obtenues en interrogeant des moteurs de recherche ou des bases de données. Néanmoins, ces méthodes ne sont pas adaptées au suivi en temps réel. Par conséquent, aux États-Unis, au Canada et en Europe, les banques adoptent de plus en plus des solutions s’appuyant sur l’IA et qui peuvent accéder à des informations provenant de millions de points de données sur Internet et les associer pour obtenir des informations exploitables sur les risques en temps quasi réel.

Mieux tirer parti de la couverture médiatique négative

Les données de la couverture médiatique négative spécifiquement liées au large éventail d’infractions sous-jacentes définies par le GAFI (et désormais incluses dans le champ d’application élargi de la nouvelle loi anti-blanchiment d’argent aux États-Unis) sont essentielles pour gérer efficacement les niveaux plus élevés de risque client.

Malgré tout, gérer le risque ne signifie pas s’égarer dans l’élimination forcenée de tout risque. Les Gouverneurs de la Réserve fédérale ont déclaré par ailleurs : « Les Agences continuent d’encourager les banques à gérer les relations avec les clients et à atténuer les risques en fonction de ces relations plutôt que de refuser de fournir des services bancaires à des catégories entières de clients. »

Les établissements financiers intelligents tirent parti de cette situation et obtiennent un avantage commercial en déployant une puissante approche fondée sur le risque et en utilisant des solutions technologiques qui automatisent un grand nombre de processus liés à la couverture médiatique négative. Les équipes Conformité y gagnent un temps qui leur permet de comprendre, d’analyser et d’interpréter correctement les risques avant de prendre des décisions appropriées.

Le filtrage de la couverture médiatique négative est un aspect toujours plus important d’un programme LCB bien équilibré. Bien que les recommandations relatives au filtrage de la couverture médiatique négative paraissent d’emblée moins structurées que d’autres exigences réglementaires liées à la CDD, aux sanctions ou aux PPE, les professionnels de la conformité sont encouragés à utiliser des outils de pointe et des solutions automatisées pour réduire les efforts manuels et aller au-delà des exigences réglementaires au lieu de se contenter de les respecter.

The post Élaborer une approche fondée sur les risques avec la couverture médiatique négative appeared first on ComplyAdvantage.

Jusqu’à récemment, de nombreux établissements financiers se sont concentrés sur la détection du blanchiment et la récupération des produits du crime. Les affaires de répression les plus médiatisées portant sur l’acte de blanchiment lui-même, il est compréhensible que les établissements financiers et les autorités de réglementation aient concentré leurs ressources sur cette question.

Mais cette approche n’est pas sans risques. Compte tenu de l’évolution de la législation, qui cible désormais la facilitation et le manque de prévention de la criminalité financière, les équipes Conformité et Opérations sont de plus en plus contraintes de détecter et de signaler le cadre plus large des délits qui constituent des infractions sous-jacentes au blanchiment d’argent. Si ces établissements ne le font pas, ils s’exposent alors à des poursuites pénales et à des sanctions réglementaires. Obligation juridique à part, les établissements ont également l’obligation morale de contribuer à mettre au jour les activités criminelles, du moins lorsqu’il leur est raisonnablement possible de le faire.

Pour ce faire, ces établissements ne doivent pas seulement identifier de potentielles opérations de blanchiment d’argent en lien avec les activités de leurs clients, mais aussi adopter une vision plus large leur permettant d’identifier des liens avec des infractions sous-jacentes et de superviser en continu les risques liés aux clients.

Mais ce n’est pas une mince affaire. 2022 a été une année difficile pour les praticiens de la lutte contre la criminalité financière et 2023 ne semble pas devoir être plus facile. Les équipes Conformité sont de plus en plus sollicitées.

Lors d’une récente table ronde chez Transform Finance UK, j’ai accueilli des représentants d’un large éventail d’entreprises, y compris certains des plus grands établissements financiers du monde. Ils m’ont fait part de leur point de vue éclairé sur les défis auxquels ils sont confrontés en matière de détection des infractions sous-jacentes et ils m’ont fait des recommandations en matière de bonnes pratiques.

Voici les trois principaux enseignements que j’ai tirés de cette discussion.

1. L’omniprésence du court-termisme est un frein à la résolution des problèmes

Les résultats de nos travaux sur l’état de la criminalité financière indiquent que 69 % des établissements britanniques prévoient d’augmenter leurs effectifs cette année, ce qui est bien plus élevé que la moyenne mondiale de 58 % Ce constat a été partagé par l’ensemble des participants, les établissements choisissant souvent, pour des questions de réactivité, d’investir dans du personnel plutôt que dans des solutions technologiques. Beaucoup ont évoqué les délais interminables pour déployer les solutions technologiques des fournisseurs comme étant un obstacle à l’adoption de la technologie, tout en soulignant qu’embaucher est une solution plus rapide pour résoudre un problème de conformité immédiat.

Cependant, l’augmentation des effectifs peut entraîner plus de problèmes qu’elle n’en résout. En effet, les établissements sont confrontés à des pénuries de compétences et de main-d’œuvre à l’échelle nationale, ce qui fait grimper les salaires des postes Conformité, sachant que l’augmentation des effectifs pèse également plus sur les processus et les équipes Assurance qualité. Cette approche réactive traite les symptômes et non pas la cause. Pour s’attaquer à la racine du problème, les établissements financiers doivent adopter une approche plus réfléchie.

Les décisions de recrutement doivent être traitées de manière stratégique en tenant compte des compétences techniques très demandées qui font souvent défaut aux équipes en charge de la conformité. En créant des défenses qui associent ce que le talent humain et les technologies peuvent offrir de mieux, les établissements peuvent détecter plus efficacement le blanchiment d’argent et les infractions sous-jacentes associées. La technologie peut être déployée pour évaluer et trier les risques à grande échelle tout en gérant les cas répétitifs à faible risque, ce qui permet aux humains de consacrer leurs compétences plus fines à des tâches de conformité plus complexes et à plus haut risque.

2. Des processus clairs sont nécessaires pour hiérarchiser les menaces et assurer une circulation fluide de l’information.

Les défis humains décrits ci-dessus sont aggravés par les nombreux silos au sein des flux de travail de conformité à la lutte contre la criminalité financière, plus particulièrement au sein des très grands établissements. Il n’est pas rare que chaque processus de conformité, depuis la supervision des activités des clients jusqu’au filtrage des sanctions, soit géré par des équipes distinctes.

Cela pose un défi aux dirigeants qui ont besoin que leurs équipes soient attentives à l’ensemble du paysage des risques, y compris les infractions sous-jacentes. Les processus et les procédures doivent préciser les implications d’une quelconque alerte, supprimer les obstacles à la communication et s’assurer que les analystes savent transmettre les alertes à qui de droit.

Il faut également envisager de former l’ensemble de l’établissement à la détection d’infractions sous-jacentes présumées pour veiller à ce qu’aucune activité suspecte ne passe sous les radars. Certaines approches impliquent la formation ou une meilleure interaction avec les services répressifs pour fournir aux analystes une meilleure compréhension contextuelle du déroulement concret des infractions sous-jacentes.

3. En 2023, il sera indispensable d’investir dans des outils pilotés par l’intelligence artificielle (IA) pouvant aider à dimensionner et à automatiser la détection des risques de criminalité financière.

Si elles ne sont pas correctement configurées, les solutions technologiques déployées peuvent générer des taux de faux positifs très élevés. Pour preuve, un établissement avec lequel je me suis entretenu a enregistré des taux de faux positifs de 95 %. Malheureusement, cette situation est loin d’être exceptionnelle.

C’est pourquoi il est vraiment important de déployer des outils fondés sur l’IA et qui peuvent être adaptés à l’appétit pour le risque tout en étant assez souples pour affronter les risques émergents que sont notamment l’évolution des régimes de sanctions, les changements de statut des personnes politiquement exposées (PPE) et les actualités défavorables.

Bien utilisée, la technologie peut contribuer à renforcer massivement les performances. Dans un cas d’utilisation spécifique, à savoir le filtrage des actualités défavorables, j’ai constaté que l’utilisation de l’IA avait permis de réduire jusqu’à 90 % le taux de faux positifs et de 80 % la durée des cycles de mise en relation d’affaires, des statistiques que les équipes Conformité accueilleraient favorablement, de même que le marché et les clients.

Découvrez la solution du filtrage des actualités défavorables de ComplyAdvantage

Découvrez comment le filtrage des actualités défavorables par l’IA peut aider votre établissement à optimiser ses performances et à mieux identifier les infractions sous-jacentes.

Demandez une démonstration

The post Associez les moyens humains les processus et la technologie pour vous protéger contre des infractions sous-jacentes appeared first on ComplyAdvantage.

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.