Le KYC dans la FinTech : la vérification d’identité basée sur l’IA.

Pour répondre à un environnement en rapide mutation les Fintechs doivent offrir des produits et services innovants qui respectent également les dernières directives en matière de KYC « Know Your Customer ».

Les réglementations ont pendant longtemps été conçues pour répondre aux défis auxquels étaient confrontées les grandes institutions financières traditionnelles. Les Fintechs, bien que plus modestes, font cependant face aux mêmes risques de fraude et d’attaque criminelle, raison pour laquelle elles sont de plus en plus soumises aux mêmes contraintes réglementaires.

En 2016, l’AMF (Autorité des marchés financiers) a réuni les acteurs de la FinTech dans le but de faire évoluer la réglementation en l’adaptant au développement de ce secteur prometteur.

Aujourd’hui, les fintechs proposant des services tels que le paiement digital, le financement particulier, l’agrégation des comptes courants etc. sont réglementés de la même manière que les établissements financiers classiques.

Quel que soit ce que nous réserve l’avenir, les exigences en termes de connaissance client « KYC » et de lutte contre le blanchiment d’argent et financement du terrorisme (LCB-FT) demeureront incontournables. En Europe, cela inclut notamment la cinquième directive LCB-FT  et le règlement eIDAS.

L’intelligence artificielle et le processus KYC

L’IA est entraînée à partir d’ensembles de données à penser et à tirer des conclusions comme un humain; ce processus est appelé « machine learning » ou apprentissage automatique. Il s’applique donc très naturellement aux processus de vérification d’identité.

L’IA permet une meilleure précision et un processus d’onboarding client plus rapide. Elle peut être utilisée dans de nombreux domaines tels que la vérification d’identité automatisée, la reconnaissance biométrique et le contrôle des transactions. Bien que les réglementations LCB-FT ne préconisent aucune technologie en particulier, de nombreux régulateurs ont confirmé que l’intelligence artificielle et le machine learning étaient acceptées.

Les solutions de KYC permettent aux Fintechs de réduire les risques de non-conformité à quasiment chaque étape de leur plan de développement. Si elle est bien réalisée, la vérification d’identité automatisée permet un onboarding client plus rapide et plus précis, avec à la clé une meilleure expérience client et davantage de conversions.

Les défis de l’intelligence artificielle.

Comme toute révolution technologique, l’IA et le machine learning présentent un certain nombre de défis. Pour minimiser leur impact, il est important de les connaître. Se faire accompagner par un partenaire technologique reconnu est également une bonne solution.

Le premier défi concerne l’utilisation des techniques d’intelligence artificielle et des algorithmes de machine learning en général.

Une mauvaise préparation ou qualité des données

L’IA et les algorithmes machine learning ont besoin de données pour être entraînés. L’accès à des données historiques ou des données d’entraînement est nécessaire, et les résultats doivent être contrôlés. La qualité tout comme la quantité des données sont importantes. Ce problème se pose surtout au début de l’utilisation d’un nouveau système ou d’un nouvel algorithme, les données étant peu nombreuses. La situation s’améliore au fil du temps, à mesure que le volume de données disponibles augmente.

Les biais algorithmiques

L’entraînement a besoin d’être étroitement contrôlé pour éviter tout biais de l’IA, ce qui nuirait aux résultats. Les biais algorithmiques interviennent lorsqu’une intelligence artificielle mal entraînée reproduit les biais humains. Ils sont imputables aux personnes qui ont entraîné l’IA ou à de mauvaises données. La reconnaissance faciale dans le cadre du processus KYC est particulièrement touchée par ce phénomène.

De tels biais sont souvent non intentionnels, et par conséquent difficiles à identifier. Parmi les méthodes permettant d’éviter ces biais, on peut citer la préparation de jeux de données réellement représentatifs, une analyse rationnelle des résultats et un examen des résultats de l’IA en regard des données réelles.

L’intervention humaine reste nécessaire

L’intelligence artificielle n’est pas la réponse à tout. Le facteur humain reste nécessaire à la fois lors de la phase d’entraînement et lors de son utilisation en direct. Lors de l’entraînement, l’intervention humaine aide le système de machine learning à identifier des résultats en échec, tels que des non-correspondances ou des cas de fraude. Il peut s’agir de vrais négatifs ou de faux positifs, et les algorithmes doivent apprendre à les distinguer. Par ailleurs, les normes KYC et LCB-FT évoluent constamment pour répondre à de nouveaux défis et techniques de fraude ; par exemple, le référentiel PVID certifié par l’ANSSI, propose un parcours intégrant la biométrie, et tous les acteurs soumis aux réglementations de l’ACPR, comme les institutions financières, devront être en mesure d’inclure un tel parcours. Les algorithmes de machine learning doivent donc être régulièrement modifiés et réentraînés.

L’intelligence artificielle est largement automatisée lors de sa mise en place, et un contrôle humain reste donc nécessaire.

Pour respecter les normes de sécurité et la réglementation en vigueur, les entreprises ayant adopté l’intelligence artificielle doivent pouvoir intervenir en cas de problème. Dans le cas de la vérification d’identité, cela correspond au cas où l’IA n’arriverait pas à valider une identité. Lorsque cela se produit, ces cas doivent être signalés pour faire l’objet d’une vérification par un agent.

Avec la solution de vérification d’identité d’IDnow, une vérification manuelle par un expert formé à la détection des fraudes peut être réalisé, en complément de notre offre automatisée. 

Gestion des risques de l’intelligence artificielle et du machine learning

Toute nouvelle méthode ou nouveau processus génère des risques spécifiques, et l’intelligence artificielle et le machine learning ne font pas exception – surtout dans le cadre des services financiers. Ces risques peuvent s’appliquer à tous les domaines, et cette inconnue fait justement partie de la difficulté.

La Financial Conduct Authority (FCA), instance de régulation du secteur financier du Royaume-Uni, a réalisé une étude en 2019 auprès d’environ 300 institutions financières. Celle-ci a révélé plusieurs types de risques, mais a également souligné que les organisations les connaissaient déjà très bien.

D’après la FCA, plutôt que d’introduire de nouveaux risques, le machine learning accroît des risques déjà existants – qui pourraient être gérés grâce à une formation adaptée du personnel et des modèles de validation des données.

Parmi les types de risques identifiés, il y a :

• Une formation insuffisante du personnel à l’utilisation des systèmes ;
• Des risques introduits par la complexité de l’IA, notamment les problèmes de validation et de gouvernance des systèmes ;
• Des problèmes de qualité des données qui génèrent des résultats inexacts.

L’IA dans la FinTech et les solutions KYC : quels sont les défis ?

Intégrer l’IA dans le processus d’onboarding n’est pas forcément évident. Il existe des difficultés inhérentes aux processus KYC, à la vérification d’identité et à l’onboarding qu’il faut connaître avant de mettre en place un système d’intelligence artificielle.

Gérer les attentes et l’expérience client

Les utilisateurs sont habitués aux interactions humaines. Le passage à un processus LCB-FT ou KYC automatisé doit donc être adapté aux expériences et attentes propres à chaque marché. Cela devrait créer moins de frustration que d’autres modes d’intelligence artificielle telles que les chatbots, mais les Fintechs ne peuvent cependant pas l’exclure.

Intégrer le processus KYC dans l’onboarding

Si les algorithmes d’intelligence artificielle et de machine learning sont invisibles pour l’utilisateur final, leur impact est bien visible. Ils permettent notamment de détecter les dispositifs de protection des documents d’identité et de procéder à une reconnaissance faciale biométrique en temps réel.

Si l’automatisation est bien faite, le processus doit être fluide côté client. Tout problème ou erreur à ce stade peut semer le doute quant à la sécurité du site. Une vérification trop lente ou interrompue au moment de l’onboarding peut également amener les clients à quitter le processus d’inscription. Ce qui ne serait pas une bonne nouvelle pour la marque, la réputation ou les taux de conversion. Ces problèmes pourraient d’ailleurs s’aggraver à mesure que l’intelligence artificielle se démocratise et que les attentes client évoluent en conséquence.

Rester conforme à la réglementation en vigueur

Ce point est un enjeu capital pour les entreprises Regtech. Les exigences KYC et LCB-FT sont très bien définies par le Groupe d’action financière (GAFI) et les instances de régulation de chaque pays. Mais ces réglementations ne préconisent pas de technologie en particulier. Les entreprises Fintech, tout comme les banques, doivent en être conscientes et prêtes à défendre les technologies utilisées.

De plus en plus de régulateurs autorisent l’utilisation de l’intelligence artificielle. Les pays qui autorisent l’utilisation de l’IA sans restriction comprennent actuellement le Royaume-Uni, la France, l’Espagne, la Belgique et la Finlande. D’autres pays européens comme l’Allemagne impose un processus KYC basé sur l’assistance vidéo.

L’adoption de l’intelligence artificielle est en marche et devrait permettre à terme aux acteurs de la Fintech de se développer plus facilement. En attendant, les acteurs du secteur vont devoir adapter leur offre et leurs méthodes aux marchés actuels.

Quel est le rôle de l’intelligence artificielle dans la vérification d’identité ?

L’intelligence artificielle a révolutionné les processus de vérification et d’onboarding pour les institutions financières. Il y a peu encore, ces processus étaient entièrement manuels. Les clients devaient se rendre en agence pour faire vérifier leurs documents d’identité. C’était à la fois long, coûteux et frustrant pour les clients.

L’intelligence artificielle peut être utilisée de différentes manières pour la vérification d’identité :

• Vérification de l’authenticité d’une pièce d’identité. L’intelligence artificielle peut automatiquement détecter et vérifier les dispositifs de sécurité présents sur les pièces d’identité.
• Reconnaissance biométrique en direct. L’identité peut être vérifiée à l’aide de photos ou vidéos en direct permettant de comparer les données biométriques à des photos. Grâce aux données d’entraînement et à la supervision humaine, les algorithmes de machine learning peuvent être entraînés (et améliorés au fil de l’eau) pour détecter les correspondances.
• Contrôle de transaction et remédiation. Les réglementations KYC et LCB-FT n’imposent pas seulement une vérification unique au moment de l’onboarding. Un contrôle régulier des clients et des transactions est également exigé. Là aussi, l’intelligence artificielle peut vous aider.

Les atouts de l’intelligence artificielle dans la vérification d’identité.

Les défis réglementaires dans l’industrie de la FinTech

Découvrez en plus sur les défis réglementaires auxquels les fintechs doivent faire face et les mesures à adopter pour se conformer à la 5ème Directive LCB-FT à travers notre ebook.

Obtenez votre exemplaire gratuit

Par

Francisco Martins
Senior Identity Consultant, Financial Sector chez IDnow
Rejoignez Francisco sur LinkedIn