La conformité, le gisement le plus mûr

Beaucoup de moyens, peu de résultats

La conformité est l’un des rares métiers bancaires où l’effort se compte en équipes entières. McKinsey observe que les banques affectent souvent 10 à 15 % de leurs équivalents temps plein au seul KYC et à la lutte contre le blanchiment et le financement du terrorisme¹. À l’échelle mondiale, Accenture évalue à environ 200 milliards de dollars par an le coût de la conformité en matière de criminalité financière pour les institutions².

Le rendement de cet effort reste faible. Selon Interpol, cité par McKinsey, le secteur ne détecte qu’environ 2 % des flux financiers criminels¹. Des moyens considérables, une efficacité limitée : c’est la définition même d’un processus à refondre, et non d’un processus à renforcer par des recrutements supplémentaires.

Ce paradoxe explique pourquoi la conformité est le gisement le plus mûr. Les tâches sont répétitives, documentées et encadrées par des règles écrites ; les volumes sont élevés ; les résultats se mesurent simplement, en alertes traitées, en délai de dossier, en taux de faux positifs. Ce sont exactement les conditions dans lesquelles l’IA produit des gains rapides et vérifiables.

Des gains déjà mesurés

Le Boston Consulting Group a documenté les effets obtenus par les banques qui ont industrialisé leurs cas d’usage. En détection de fraude, les faux positifs baissent de 40 %. Dans la surveillance des transactions, ils reculent de 30 %, et les déclarations de soupçon sont produites 50 % plus vite. Sur le KYC, les coûts diminuent de 20 %³.

Ces gains portent sur des maillons précis de la chaîne : extraction des données d’identification, notation du risque client, clôture des dossiers, tri des alertes, premier jet de la déclaration. L’analyste ne disparaît pas. Il reçoit un dossier préparé, les éléments utiles déjà rassemblés, et consacre son temps à ce qui relève du jugement.

Reste le constat qui dérange : moins d’une banque sur dix dispose de cas d’usage mesurables en production³. La technologie est disponible, les résultats sont publiés, mais la plupart des établissements restent bloqués entre la démonstration et l’exploitation. Le même éditeur rappelle que 70 % de la valeur vient des personnes et des processus, la technologie n’en représentant que 30 %³. C’est là que se joue le passage à l’échelle.

L’analyste devient superviseur

La prochaine étape change l’ordre de grandeur. Quand l’IA générative se contente d’assister l’analyste, McKinsey mesure 15 à 20 % de productivité en LCB-FT et en KYC. Avec des agents capables d’enchaîner les tâches de bout en bout, un praticien peut en superviser vingt ou plus, pour des gains de 200 à 2 000 % selon l’expérience du cabinet¹. L’intervention humaine est alors réservée aux exceptions complexes, soit moins de 15 à 20 % des cas¹.

Les banques s’y préparent. Selon l’enquête d’Accenture auprès des responsables informatiques bancaires, 57 % d’entre eux anticipent d’ici trois ans une adoption large des agents en risque, conformité et audit, autant en détection de fraude, et 56 % en KYC².

Le métier change de nature. L’analyste conformité fixe les règles, contrôle des échantillons, tranche les cas ambigus et répond de la décision devant l’auditeur et le régulateur. Les compétences qui comptent ne sont plus la saisie et la vérification ligne à ligne, mais la supervision d’agents, la validation de modèles, la gouvernance de l’IA et le dialogue avec les métiers.

En conformité, l’IA ne remplace pas le jugement : elle le rend enfin disponible pour les cas qui le méritent.Notre lecture

La gouvernance, condition du passage à l’échelle

Un paradoxe guette les banques : l’outil qui sert la conformité doit lui-même être conforme. Selon Accenture, 42 % des dirigeants bancaires estiment que l’IA générative avance plus vite que leurs cadres de risque et de conformité, et environ la moitié des salariés disent manquer de formation ou de règles claires de responsabilité quand l’IA se trompe².

Les agents ajoutent des risques propres. Deloitte en recense six, parmi lesquels l’agent qui sort de son périmètre, la fuite de données, la décision opaque ou la manipulation par des tiers ; les réponses passent par une identité et une journalisation de chaque agent, une sécurité « zéro confiance » et des responsabilités clairement attribuées⁴. À l’échelle du système, le Conseil de stabilité financière place la dépendance à quelques fournisseurs de cloud, de modèles et de puces en tête des vulnérabilités, avec le cyber-risque et le risque de modèle, et rappelle que l’IA sert aussi les fraudeurs⁵.

Pour la conformité, ces exigences sont moins un frein qu’une méthode : une alerte écartée par un agent doit pouvoir être expliquée, retracée et justifiée. D’où la recommandation de BCG d’associer le superviseur en amont sur la gouvernance, le risque et l’auditabilité⁶. À noter : l’AI Act européen exclut la détection de fraude de la catégorie « à haut risque », où figure en revanche le scoring de crédit des particuliers⁷.

Ce que cela change pour vous

Nos recommandations

1. Choisir un maillon à fort volume, comme le tri des alertes ou la clôture des dossiers KYC, et le mener jusqu’à la production.
2. Mesurer avant et après : taux de faux positifs, délai de traitement, coût par dossier, qualité des déclarations.
3. Concevoir la traçabilité dès le départ : chaque décision d’un agent doit pouvoir être expliquée et rejouée.
4. Investir d’abord dans les personnes et les processus, qui portent 70 % de la valeur³.
5. Présenter la démarche au superviseur avant le déploiement, en insistant sur l’auditabilité⁶.