INNOVATION : A la poursuite d'un KYC perpetuel (ou en continue)

De plus en plus de banques commencent à parler d'un KYC perpétuel (ou continu).
Il s'agit d'un terme utilisé pour indiquer l'objectif de l'industrie bancaire de s'éloigner de la conduite manuelle de processus d'examen périodique douloureux et inefficaces. Cependant, très peu de banques ont fait beaucoup de progrès dans la réduction de ce fardeau.

Les banques réussissent généralement à parcourir leurs cycles d'examen d'un an pour leurs clients à haut risque, mais ne terminent presque jamais leurs cycles de 3 et 5 ans pour les clients à risque moyen et faible  respectivement.
Souvent, ils dépendent encore fortement de l'apport de ressources externes pour faire le travail afin d'éviter des amendes importantes. Afin d'atteindre un KYC perpétuel, les banques doivent être en mesure de surveiller et d'actualiser en permanence trois principaux piliers de données.

Sources de données

Les données utilisées en KYC proviennent de trois sources principales.

Données auto-déclarées par le client

Elles posent généralement les problèmes suivants :

• Mauvaise qualité des données
• Éparpillement dans les bases de données de la banque
• Peu de clients déclarent les changements quand ils surviennent

cela conduit à des inexactitudes importantes du profil de risque d'un client.

 

Données externes

Le principal défi que doivent relever les banques ici est que :

• Les processus sont généralement manuels
• La collecte d'information est fastidieuse
• Les informations collectées sont stockées sous forme non-structurées
• Large utilisation du papiers et des annotations et absence d preuve durable de l'origine de l'information
  
• Le prochain cycle d'examen périodique signifie donc recommencer à zéro et refaire complètement le travail. 

 

Données des transactions

C'est une partie importante du processus par lequel AML (Lutte contre la fraude et le blanchiment)  et KYC devraient vraiment s'unir. Un rapprochement ou une approche horizontale entre les deux est logique car une alerte de suivi des transactions ne peut pas être correctement revue sans accès à des données client de bonne qualité et validées. La banque doit avoir une bonne vue des transactions d'un client, ainsi que du profil du client et du profil de risque, afin que son équipe opérationnelle puisse évaluer efficacement les risques.

Il s'agit d'exploiter les informations contenues dans les transactions que réalise le client via sa banque :

• Depuis la généralisation des formats XML ISO 20022 les fichiers d'ordres sont riches en données telle que adresses postales, Remittance information, end-to-end, ... qui peut être exploitée pour détecter les changements dans la situation du client
• Les transactions par cartes ou mobiles peuvent également indiquer un changement de situation concernant le client aussi bien que l'utilisation des GAB/DAB
• La banque doit avoir une bonne vue des transactions d'un client, ainsi que du profil du client et du profil de risque, afin que son équipe opérationnelle puisse évaluer efficacement les risques.
• Or, il existe très peu de banques où les données KYC et AML sont partagées avec succès.

Situations des banques

Pour la plupart des banques, un processus KYC perpétuel où une banque n'aura qu'à répondre aux déclencheurs détectés est un objectif déclaré plutôt qu'un objectif réaliste.
Il peut s'agir d'un changement dans les données auto-déclarées d'un client, d'un changement détecté en externe dans sa situation ou d'une anomalie dans son comportement de transaction.

Cependant, tout n'est pas perdu, car il existe désormais un certain nombre de solutions sur le marché pour faciliter le partage des données clients en interne et garantir une source en or de données clients.
Les banques ont également mis au point des solutions innovantes pour tirer parti de tout point de contact qu'elles ont avec leur client (que ce soit via la banque en ligne, le guichet automatique ou au comptoir) pour amener leurs clients à actualiser leurs données KYC.

De même, il existe un nombre croissant de fournisseurs sur le marché qui proposent désormais des solutions analytiques pour non seulement identifier les modèles AML basés sur des règles, mais aussi pour aider à mieux comprendre le client et son profil de risque. 

 Les systèmes IA peuvent s'avérer d'un grand secours pour ces tâches, par exemple, si nous voyons un client effectuer de nombreuses transactions dans certaines juridictions ou certains secteurs, cela peut ne pas être une indication du risque de fraude, mais cela pourrait bien être une indication pour la banque d'augmenter le niveau de risque du client. Il est donc extrêmement important de se baser sur les données client validées et enrichies, et les plus à jour, disponibles pour qu'un analyste puisse vraiment comprendre si certains modèles de transactions détectées correspondent au profil (de risque) connu du client.