IA surveillance AML transaction monitoring

Contexte

Banque de financement et d'investissement (5 000 employés). Volumes de transactions x3 en 3 ans. Système AML (Anti-Money Laundering) basé sur des règles statiques générant 50 000 alertes/mois, 98% de faux positifs. Équipe compliance de 30 analystes saturée. Amendes réglementaires en hausse. Le client cherche un partenaire opérationnel capable de mettre en production rapidement.

Problème & Défi

50 000 alertes AML/mois dont 98% de faux positifs, 30 analystes compliance saturés Volumes de transactions x3 en 3 ans. système à règles ne scale pas 2% des vrais cas de blanchiment détectés avec retard – risque d'amende ACPR/TRACFIN Coût de la compliance AML : 4M€/an dont 80% en revue de faux positifs Amendes récentes dans le secteur (50-200M€) → pression réglementaire maximale Équipe compliance demande 15 recrutements. budget RH non extensible

Solution & Livrables

Modèle ML de transaction monitoring déployé (graph neural network + features comportementales) Faux positifs abaissés de 98% à 25% : volume d'alertes pertinent de 50 000 à 12 500/mois Taux de détection des vrais cas amélioré de 65% à 92% – couverture réglementaire renforcée Coût compliance passé de 35% (4M€ → 2,6M€/an) - pas de recrutement supplémentaire Modèle explicable et auditable → documentation ACPR/TRACFIN conforme Scoring de risque client en temps réel – priorisation intelligente des investigations

Technologies