Comment réduire les faux positifs du filtrage LBC/FT sans manquer les risques réels

La plupart des équipes de conformité ne perdent pas le sommeil à cause des alertes qui se révèlent fondées. Elles le perdent à cause des centaines d'autres. Un moteur de filtrage des noms qui signale chaque client partageant une partie de son nom avec une personne inscrite sur une liste de sanctions ou de personnes politiquement exposées (PPE) produit une file d'attente qui grossit plus vite qu'aucune équipe ne peut la traiter — et quelque part dans cette file, enfoui sous le bruit, se trouve le petit nombre de résultats qui comptent réellement. Apprendre à réduire les faux positifs du filtrage de lutte contre le blanchiment de capitaux et le financement du terrorisme (LBC/FT) sans manquer les risques réels est, pour la plupart des établissements d'Afrique de l'Est, le levier le plus puissant dont ils disposent pour que leur programme de lutte contre la criminalité financière fonctionne en pratique, et pas seulement sur le papier.

Cet article explique pourquoi les taux de faux positifs sont si élevés, ce qu'ils vous coûtent, et les leviers de réglage précis qui réduisent le bruit en toute sécurité. L'accent porte tout du long sur la sécurité : chaque levier présenté ici peut être détourné pour donner à une file d'attente une apparence nette tout en supprimant discrètement des risques réels ; chacun s'accompagne donc des contrôles de gouvernance et de preuve qui maintiennent le réglage défendable face à un inspecteur. Pour une vue d'ensemble de la place du filtrage dans un programme LBC/FT complet, commencez par le guide complet de la plateforme LBC/FT, puis revenez ici pour le détail du filtrage.

Pourquoi les taux de faux positifs dépassent couramment 90 %

Les estimations du secteur — des enquêtes auprès de praticiens et des études de fournisseurs, et non des statistiques d'un régulateur — situent couramment le taux de faux positifs du filtrage des sanctions et des PPE au-dessus de 90 % : sur cent alertes examinées par un analyste, quatre-vingt-dix ou plus ne concernent pas du tout la personne inscrite sur la liste. Ce n'est pas le signe qu'un outil de filtrage est défaillant. C'est la conséquence prévisible de la façon dont la correspondance des noms doit fonctionner.

Le filtrage pèche délibérément par excès de prises. Les listes de surveillance regorgent de noms courants dans toute une région, translittérés de manière incohérente depuis l'arabe, l'amharique ou d'autres écritures, et enregistrés avec des identifiants partiels ou manquants. Un moteur de correspondance approximative doit tenir compte des variantes orthographiques, de l'inversion de l'ordre des noms, des seconds prénoms manquants et des similitudes phonétiques, car une personne sanctionnée n'aura pas l'obligeance d'écrire son nom comme le fait votre liste de surveillance. La même tolérance qui attrape un véritable contrevenant écrit de trois façons différentes attrape aussi chaque client sans rapport qui se trouve porter un nom de famille courant.

Le coût de tout ce bruit n'a rien d'abstrait :

• Temps des analystes. Chaque faux positif consomme des minutes d'examen qualifié qui auraient pu être consacrées à des risques réels. À grande échelle, les équipes passent l'essentiel de leur capacité de filtrage à confirmer que des personnes ne sont pas celles que le système redoutait.
• Frictions à l'entrée en relation. Les correspondances levées à l'entrée en relation retardent l'ouverture de compte. Les clients attendent, les agences font remonter le problème, et les métiers commencent à voir la conformité comme le goulet d'étranglement.
• Fatigue d'alerte et aveuglement face aux risques réels. C'est le plus dangereux. Lorsque plus de quatre-vingt-dix pour cent des alertes ne sont que du bruit, les analystes apprennent à lever vite — et c'est précisément dans une file traitée en pilote automatique qu'une vraie correspondance est écartée sans examen approprié. Un volume élevé de faux positifs ne se contente pas de gaspiller des efforts ; il dégrade activement la qualité des décisions qui comptent le plus.

L'objectif n'est donc pas zéro faux positif. L'objectif est d'éliminer le bruit qui ne porte aucune information, tout en laissant intact et dûment examiné chaque résultat susceptible d'être réel.

Les leviers de réglage sûrs

Les leviers ci-dessous sont classés approximativement du plus généralement applicable au plus circonstanciel. Aucun ne doit être actionné isolément, et aucun ne doit l'être sans qu'il soit consigné qui a modifié quoi, et pourquoi.

Seuils de score de correspondance

Un moteur de filtrage attribue à chaque correspondance potentielle un score qui reflète le degré de ressemblance entre les données du client et l'entité inscrite. Fixez le seuil trop bas, et tout déclenche une alerte ; fixez-le trop haut, et vous risquez de perdre de vraies correspondances. Le réglage du seuil est le levier le plus direct dont vous disposez, et aussi le plus facile à détourner.

La discipline qui sécurise le réglage des seuils est double. D'abord, ne réglez jamais à l'aveugle un seuil global unique : réglez-le sur un échantillon étiqueté d'alertes passées dont vous savez déjà lesquelles étaient de vrais et de faux positifs, afin de voir exactement quelles correspondances réelles un seuil plus élevé aurait écartées. Ensuite, traitez toute modification de seuil comme un événement encadré, et non comme un discret ajustement de configuration (nous y revenons plus bas). Relever un seuil est le levier le plus susceptible de supprimer des risques réels : c'est donc lui qui mérite l'examen le plus attentif.

Périmètre des listes et des segments

Toutes les listes ne s'appliquent pas à tous les clients, et tous les clients n'ont pas besoin d'être filtrés au regard de tout, avec une sensibilité maximale. Définir le périmètre du filtrage de sorte que les bonnes listes s'appliquent aux bons segments élimine toute une catégorie d'alertes structurellement non pertinentes. Le membre d'une SACCO (coopérative d'épargne et de crédit) locale sans exposition internationale n'a pas besoin d'être comparé, avec une tolérance approximative maximale, à chaque variante de PPE étrangère ; une contrepartie de correspondance bancaire, si.

C'est là que l'hygiène des listes de surveillance compte autant que la logique de correspondance. Le filtrage ne vaut que ce que valent les listes sur lesquelles il repose : la définition du périmètre doit donc s'appuyer sur une gestion rigoureuse des listes de surveillance — listes commerciales synchronisées, versionnées, avec des tableaux de bord de fraîcheur et de couverture confirmant que la correspondance porte sur des données à jour. Un périmètre qui exclut discrètement une liste au regard de laquelle vous êtes tenu de filtrer n'est pas un réglage ; c'est une faille. Ce qui sépare les deux, c'est la documentation.

Identifiants secondaires — date de naissance et nationalité

Le moyen le plus rapide de lever un faux positif fondé sur le seul nom est de faire intervenir une seconde donnée. Un client dont le nom correspond à un nom inscrit, mais dont la date de naissance confirmée est différente, ou dont la nationalité est incompatible avec celle de l'entité inscrite, n'est très probablement pas cette personne. Utiliser des identifiants secondaires — date de naissance, nationalité et autres attributs structurés — pour distinguer une vraie correspondance d'une homonymie fortuite est l'un des leviers les plus rentables et les moins risqués qui soient.

La réserve tient à la qualité des données. Un identifiant secondaire n'est utile que s'il est saisi de manière fiable et digne de confiance. Lever automatiquement une correspondance sur la foi d'une date de naissance jamais vérifiée ne fait que déplacer le risque au lieu de le réduire. Les meilleures mises en œuvre rendent explicite la logique des identifiants secondaires dans le raisonnement de correspondance, afin qu'un relecteur puisse voir pourquoi un résultat a été rétrogradé au lieu de le voir disparaître en silence.

Liste blanche des entités connues

Lorsqu'un analyste a examiné une correspondance, confirmé qu'il s'agit d'un faux positif et consigné les éléments probants, il n'y a aucun intérêt à lever la même alerte sur le même client, au regard de la même entrée de liste, le mois suivant. Une liste blanche encadrée d'entités connues, déjà levées, supprime le bruit répétitif sur les correspondances déjà tranchées.

La liste blanche est puissante, et donc dangereuse : une inscription sur la liste blanche est une décision permanente de ne pas alerter. Elle doit être rattachée aux éléments probants de l'enquête initiale, limitée dans le temps ou soumise à une revue périodique, et invalidée automatiquement lorsque l'entrée de la liste de surveillance sous-jacente change — car la personne que vous avez disculpée l'an dernier a pu, depuis, être inscrite pour un tout autre motif. Une liste blanche sans cycle de revue, c'est une porte laissée entrouverte par laquelle le risque réel revient.

Rendre chaque correspondance explicable

On ne peut pas régler en toute sécurité ce qu'on ne sait pas expliquer. Un moteur de filtrage qui se contente de renvoyer un score et une référence de liste oblige l'analyste — et plus tard l'inspecteur — à croire la correspondance sur parole. Lorsque vous réglez ensuite les seuils ou le périmètre des listes, vous n'avez aucune base rigoureuse pour savoir ce que vous supprimez.

La solution est la correspondance explicable. Le logiciel de filtrage LBC/FT de Creodata présente, pour chaque résultat, les trois principales raisons du déclenchement de la correspondance — les facteurs de type SHAP qui ont déterminé le score, qu'il s'agisse de la similarité des noms, d'une date de naissance concordante, d'une nationalité commune ou d'un champ de la liste de sanctions. Cela apporte trois choses au réglage :

• Les analystes savent quoi vérifier. Un résultat déclenché uniquement par un nom de famille courant, sans identifiant corroborant, n'a rien à voir avec un résultat qui concorde à la fois sur le nom, la date de naissance et la nationalité.
• Les responsables du réglage savent ce qu'ils modifient. Lorsque vous voyez quelles raisons produisent vos faux positifs et lesquelles produisent vos vrais positifs, les décisions de seuil et de périmètre cessent d'être des conjectures.
• La décision devient défendable. Une alerte levée ou transmise à un niveau supérieur qui consigne pourquoi elle a correspondu et pourquoi elle a été résolue est une pièce d'audit, pas une simple affirmation.

L'explicabilité est le principe même qui sous-tend une automatisation responsable dans l'ensemble de la plateforme. Si vous envisagez de laisser des modèles aider au tri des résultats de filtrage, c'est la discipline de l'explicabilité qui rend le réglage défendable qui garantit que cette automatisation reste responsable plutôt qu'opaque. Et comme le filtrage n'est qu'une source d'alertes parmi d'autres, la même logique — expliquer, puis régler — s'applique au réglage des règles de surveillance, et pas seulement du filtrage : les deux files d'attente alimentent la même équipe chargée des dossiers et méritent la même rigueur.

Mesurer l'efficacité — et la définir correctement

Régler sans mesurer, c'est simplement espérer. Avant de modifier quoi que ce soit, il vous faut une situation de référence et une définition du succès qui ne puisse pas être contournée.

L'indicateur tentant — un nombre d'alertes plus faible — est précisément celui qu'il ne faut pas optimiser isolément, car la façon la plus simple de réduire les alertes est de cesser de détecter quoi que ce soit. Un programme de mesure de l'efficacité défendable suit au minimum :

Le couple non négociable, c'est le taux de faux positifs associé à la conservation des vrais positifs. Une modification qui divise par deux vos faux positifs mais fait disparaître une seule vraie correspondance connue n'est pas une amélioration : c'est une défaillance du contrôle, avec un tableau de bord plus flatteur. Comprendre comment le filtrage produit ces résultats au départ, comme l'explique la manière dont le filtrage des sanctions et des PPE produit ces résultats, c'est ce qui vous permet de juger si un indicateur évolue pour la bonne raison.

Encadrer les modifications de seuils par le principe des quatre yeux et des tests rétrospectifs

C'est ce principe qui fait passer le réglage du statut de risque à celui de contrôle. Toute modification de la manière dont le filtrage décide — un seuil, un périmètre, une règle de liste blanche — est une modification de votre exposition au risque, et elle doit être encadrée en conséquence.

Deux contrôles le sécurisent :

• Approbation selon le principe des quatre yeux. Personne ne doit pouvoir assouplir seul un contrôle de filtrage. Une modification est proposée par un rôle et approuvée par un autre, de sorte qu'un seuil qui supprime des risques réels ne peut pas passer discrètement. Cette discipline des quatre yeux s'applique dans toute la plateforme à tout ce qui porte à conséquence, et le réglage du filtrage relève sans conteste de cette catégorie.
• Tests rétrospectifs avant la mise en production. Une modification proposée doit être évaluée sur des données historiques avant même de toucher le filtrage en production. Le laboratoire de réglage et le banc de tests rétrospectifs de la plateforme vous permettent de rejouer un seuil ou une règle candidats sur des alertes passées et de voir précisément quels vrais et faux positifs la modification aurait affectés — avant de la mettre en production. Grâce à la promotion versionnée, chaque configuration en production renvoie à une modification testée et approuvée.

Le tout est enveloppé dans un journal d'audit immuable, en ajout seul. Chaque modification de seuil, chaque inscription sur la liste blanche, chaque décision de périmètre est enregistrée avec l'auteur de la proposition, celui de l'approbation, les résultats des tests rétrospectifs qui la fondent et la date de sa prise d'effet. Lorsqu'un inspecteur demande pourquoi un nom donné n'a pas été signalé il y a dix-huit mois, la réponse est un historique de configuration documenté et étayé — pas un haussement d'épaules.

Une règle cardinale sous-tend chacun des leviers ci-dessus : ne jamais supprimer des risques réels par le réglage pour donner à une file d'attente une apparence nette. Une file calme obtenue en supprimant de vraies correspondances est le pire résultat possible : elle comporte toute l'exposition réglementaire de l'inaction, déguisée en efficacité. Mené avec explicabilité, mesure, principe des quatre yeux et tests rétrospectifs, le réglage élimine le bruit et renforce votre capacité à voir les résultats qui comptent. Mené sans eux, il ne fait que dissimuler le risque. Si un regard extérieur pour trouver le bon équilibre vous serait utile, le conseil en conformité en matière de criminalité financière de Creodata peut vous aider à mettre en place un programme de réglage défendable.

Questions fréquentes

Un taux de faux positifs élevé est-il le signe que mon outil de filtrage est défaillant ?

Non. Les estimations du secteur situent couramment les taux de faux positifs du filtrage des sanctions et des PPE au-dessus de 90 %, car la correspondance des noms est délibérément réglée pour attraper les variantes, les translittérations et les noms partiels. Un taux beaucoup plus faible indiquerait plutôt une correspondance insuffisamment sensible. Le problème à résoudre n'est pas le taux lui-même, mais l'absence d'outils — raisons de correspondance explicables, identifiants secondaires, seuils encadrés — pour éliminer efficacement le bruit sans perdre de vraies correspondances.

Comment régler les seuils sans supprimer par inadvertance de vraies correspondances ?

Ne réglez jamais à l'aveugle. Utilisez un échantillon étiqueté d'alertes passées dont vous connaissez déjà les vrais et les faux positifs, puis soumettez tout seuil candidat à des tests rétrospectifs sur cet historique avant de le mettre en production. Suivez la conservation des vrais positifs en parallèle du taux de faux positifs, et exigez une approbation selon le principe des quatre yeux pour la modification, afin que personne ne puisse assouplir seul un contrôle.

Quel est le levier le plus sûr pour commencer ?

Les identifiants secondaires — date de naissance et nationalité — offrent généralement le meilleur rapport entre réduction du bruit et risque. Distinguer une simple homonymie d'une vraie correspondance grâce à une seconde donnée vérifiée permet de lever toute une catégorie de faux positifs sans toucher à la sensibilité de la correspondance, à condition que les identifiants eux-mêmes soient saisis de manière fiable.

Comment prouver à un régulateur que le réglage n'a pas affaibli mes contrôles ?

Tenez une piste d'audit en ajout seul de chaque modification de configuration — qui l'a proposée, qui l'a approuvée, les résultats des tests rétrospectifs et la date de prise d'effet — et consignez les trois principales raisons explicables qui sous-tendent chaque décision de correspondance. Ensemble, ces éléments font d'une configuration de filtrage un historique documenté et étayé, plutôt qu'une simple affirmation.

Réduire le bruit du filtrage est l'un des moyens les plus rapides de rendre à votre équipe de conformité son temps et son discernement — à condition de placer l'explicabilité, la mesure et l'encadrement des modifications au centre de la démarche. Pour voir les raisons de correspondance explicables, le laboratoire de réglage et le banc de tests rétrospectifs, ainsi que des modifications de seuils encadrées par le principe des quatre yeux fonctionner ensemble sur des données réelles, réservez une démo de Creodata.