Bonnes pratiques de filtrage AML pour les institutions financières

Qu'est-ce que le filtrage AML#

Le filtrage AML (lutte contre le blanchiment d'argent) est le processus consistant à confronter des personnes et des entités aux listes de sanctions, aux bases de personnes politiquement exposées (PEP), aux listes de surveillance des forces de l'ordre et aux sources de presse défavorable. Le filtrage est une obligation légale pour les institutions financières, les entreprises de services monétaires et toute organisation soumise aux réglementations AML. Il doit être réalisé lors de l'intégration du client, au moment de chaque transaction dans certains contextes, et de façon continue tout au long de la relation d'affaires.

L'objectif du filtrage est d'identifier les clients ou contreparties présentant un risque élevé de blanchiment d'argent, de financement du terrorisme, de contournement des sanctions ou d'autre criminalité financière. Une correspondance positive avec une liste de sanctions peut déclencher une obligation légale de geler des avoirs, de rejeter une transaction ou de déposer une déclaration d'activité suspecte auprès de la cellule de renseignement financier compétente.

Listes de sanctions et sources de données#

Un filtrage efficace exige l'accès à des sources de données complètes et à jour. Les principales listes de sanctions incluent la liste des Specially Designated Nationals (SDN) de l'OFAC tenue par le Trésor américain, la liste consolidée des sanctions de l'UE, la liste des sanctions du Conseil de sécurité de l'ONU et la liste des sanctions du HM Treasury britannique. En Turquie, le MASAK tient la base nationale des sanctions et des listes de surveillance.

• Liste SDN de l'OFAC : plus de 12 000 entrées, dont des personnes, des entités et des navires. Mise à jour plusieurs fois par semaine. Sa portée extraterritoriale touche toute transaction impliquant le système financier américain.
• Liste consolidée de l'UE : couvre les mesures restrictives adoptées par le Conseil de l'UE. Comprend des gels d'avoirs, des interdictions de voyager et des restrictions sectorielles.
• Conseil de sécurité de l'ONU : sanctions imposées au titre du chapitre VII de la Charte des Nations Unies. Contraignantes pour tous les États membres de l'ONU.
• Bases de PEP : personnes politiquement exposées, ainsi que leurs proches et associés étroits. Le statut de PEP n'implique pas de faute mais déclenche des exigences de vigilance renforcée.
• Presse défavorable : recherches dans les actualités et les registres publics susceptibles de révéler une implication dans la criminalité financière, la corruption ou d'autres activités pertinentes en matière de risque.

Algorithmes de correspondance de noms#

La correspondance de noms est le cœur technique du filtrage AML et l'un de ses plus grands défis. Les noms de personnes varient en format, translittération, abréviation et convention culturelle. Une personne nommée « Mohammed bin Salman Al-Rashid » pourrait apparaître comme « Mohamed Bin Salman Alrashid », « M.B.S. Al-Rashid » ou sous des translittérations entièrement différentes depuis l'écriture arabe. Le système de filtrage doit trouver les correspondances potentielles malgré ces variations.

Techniques de correspondance courantes

• Correspondance exacte : simple comparaison de chaînes. Rapide mais elle manque la quasi-totalité des variations légitimes. Utile uniquement comme premier filtre.
• Distance de Jaro-Winkler : mesure la similarité des chaînes en accordant un poids supplémentaire aux préfixes correspondants. Efficace pour les variations typographiques et les fautes d'orthographe mineures.
• Distance de Levenshtein : compte le nombre minimal de modifications d'un seul caractère (insertions, suppressions, substitutions) nécessaires pour transformer une chaîne en une autre.
• Soundex et Metaphone : algorithmes phonétiques qui encodent les noms par le son plutôt que par l'orthographe. Utiles pour capter les noms qui se prononcent de manière similaire mais s'écrivent différemment.
• Correspondance approximative par jetons : décompose les noms en jetons et compare les ensembles de jetons, en tenant compte des composants de noms réordonnés, des seconds prénoms manquants et des correspondances partielles.
• Modèles d'apprentissage automatique : entraînés sur des paires étiquetées de noms correspondants et non correspondants à travers cultures et écritures, ces modèles peuvent apprendre des schémas de correspondance complexes que les systèmes à base de règles manquent.

Gestion des faux positifs#

Les faux positifs sont le fléau des opérations de filtrage AML. Un système de filtrage qui génère trop de fausses correspondances submerge les analystes de conformité, retarde l'intégration des clients et augmente les coûts opérationnels sans améliorer la détection des risques réels. Les enquêtes du secteur rapportent systématiquement des taux de faux positifs de 90 à 95 % dans les programmes de filtrage, ce qui signifie que seuls 5 à 10 % des alertes représentent de vraies correspondances nécessitant une action.

Réduire les faux positifs exige une approche multidimensionnelle. Une correspondance de données secondaire utilisant la date de naissance, la nationalité et les numéros de documents d'identité peut désambiguïser les noms courants. La mise sur liste blanche des faux positifs déjà levés empêche la même personne non correspondante de générer des alertes répétées. Une notation contextuelle qui tient compte de la juridiction du client, du type de produit et du schéma de transaction peut aider à prioriser les alertes selon la pertinence du risque.

Surveillance continue vs filtrage ponctuel#

Le filtrage ponctuel confronte un client aux listes pertinentes à un moment précis, généralement lors de l'intégration. La surveillance continue refiltre en continu ou périodiquement l'ensemble de la base clients par rapport aux listes mises à jour. Les deux sont nécessaires : le filtrage ponctuel garantit qu'aucune personne sanctionnée n'est intégrée, tandis que la surveillance continue capte les clients ajoutés aux listes de sanctions ou aux bases de PEP après le filtrage initial.

Une surveillance continue efficace requiert un refiltrage par lots automatisé déclenché par les mises à jour de listes, une correspondance différentielle qui ne traite que les changements pour éviter les comparaisons redondantes de listes entières, une file de priorité afin que les clients à risque plus élevé soient refiltrés en premier lors des changements de listes, ainsi que des flux d'escalade clairs pour les nouvelles correspondances découvertes lors de la surveillance continue.

Approche fondée sur le risque#

Les régulateurs attendent une approche fondée sur le risque pour le filtrage AML. Cela signifie que l'intensité et la portée du filtrage doivent être proportionnelles au risque évalué de chaque client, produit ou juridiction. Les clients à risque plus élevé, tels que ceux situés dans des juridictions à haut risque, les entreprises à forte intensité de liquidités ou les structures d'entreprise complexes, devraient être filtrés par rapport à un éventail plus large de listes, avec des seuils de correspondance plus bas et un refiltrage plus fréquent.

L'approche fondée sur le risque ne signifie pas que les clients à risque plus faible sont exemptés de filtrage. Elle signifie que les ressources sont allouées de manière proportionnelle, avec une vigilance renforcée là où le risque est le plus grand.

Pièges courants#

• Ne filtrer qu'à l'intégration : les listes de sanctions changent chaque jour. Un client qui était irréprochable à l'intégration peut être désigné le mois suivant.
• Trop compter sur la correspondance exacte : la correspondance exacte seule manquera les variantes de translittération, les surnoms et les différences d'ordre des noms selon les cultures.
• Négliger le filtrage des entités : les activités menées via des sociétés écrans, des fiducies et des structures de propriété complexes exigent un filtrage des entités avec résolution des bénéficiaires effectifs.
• Documentation insuffisante : les régulateurs attendent des enregistrements détaillés des décisions de filtrage, y compris la justification du rejet des faux positifs.
• Seuils statiques : les seuils de sensibilité de correspondance devraient être calibrés par liste et par catégorie de risque, et non fixés globalement.
• Mises à jour de listes tardives : même un retard d'un jour dans la mise à jour des listes de sanctions crée une faille de conformité. Automatisez l'ingestion des listes et déclenchez le refiltrage dans les heures suivant la publication.