Projets

La First National Bank repense sa gestion des risques grâce à l'IA

Dr. Mark Nasila, FNB : « Il nous fallait trouver des façons d’utiliser la technologie pour réinventer nos services et les améliorer au fil du temps. »

L'application de Machine Learning « Manila » développée par la banque sudafricaine FNB permet à celle-ci de répondre aux exigences réglementaires et de prendre des décisions de façon plus efficace, rapide et pertinente.

PublicitéLa First National Bank, groupe bancaire d'Afrique du Sud, exploite l'intelligence artificielle (IA) pour réduire les risques financiers et réglementaires - depuis les délits d'initiés jusqu'à la fraude, en passant par l'évasion fiscale ou le blanchiment d'argent. Dénommée « Manila », son application d'IA est conçue pour répondre de façon plus efficace et pertinente aux enjeux de conformité réglementaire et de détection des risques.

« Tandis que le monde change, le monde des crimes financiers évolue lui aussi. Cela nécessite que nous repensions notre processus de gestion des risques », explique Mark Nasila, Directeur Analytics pour FNB Risk. « Ma responsabilité est de développer des processus qui s'appuient sur les données et la technologie afin de permettre une gestion des risques proactive, efficace et qui reste alignée sur des risques en évolution. »

Par le passé, les analystes auraient consacré la plupart de leurs journées à collecter et à scruter de larges volumes d'information financière, afin de prendre des décisions sur des risques potentiels ou identifiés. Depuis le lancement de Manila en août 2019, le temps nécessaire pour produire des rapports a été réduit de 70% en moyenne. De façon similaire, le temps pour générer un synopsis légal prêt à être examiné par un analyste humain a chuté, passant de plusieurs heures à 8 secondes.

Manila travaille de façon très proche de celle d'un analyste humain - en identifiant et en pointant toutes les activités financières semblant suspectes grâce à des règles, des modèles et des algorithmes. Manila a été développé en Python par les équipes internes de FNB. Une fois qu'un client se voit associer un drapeau rouge, Manila enclenche un processus de vérification plus poussé. Le logiciel d'IA collecte et combine un vaste ensemble de données clients issues de plus d'une cinquantaine de sources et incluant toutes les informations liées aux dépenses et aux autres activités transactionnelles du client au sein de l'environnement bancaire du groupe.

L'IA crée des rapports plus exhaustifs que les humains

Manila produit un synopsis légal basé sur les données financières récoltées et celui-ci est utilisé pour guider l'examen d'un analyste humain, comme l'explique Mark Nasila. Mais Manila ne se contente pas de regrouper et de présenter les données : la plateforme d'IA génère une analyse écrite en langage naturel de ses résultats. Et parce qu'elle puise l'information dans des centaines de milliers de sources de données, les rapports sont plus complets que tout ce qu'un humain aurait pu produire. « Manila étudie le crime financier avec une approche holistique, quelque chose qui demanderait énormément de temps à un humain », observe Mark Nasila.

PublicitéCe rapport écrit met en évidence les flux d'argent entrants et sortants des comptes, identifie toutes les anomalies et fournit des comparaisons comportementales. Il est utilisé pour aider les analystes à déterminer si un client est oui ou non à haut niveau de risque. « Notre but est de nous assurer que nos évaluations de risques sont plus robustes, cohérentes et qu'elles demeurent en phase avec la manière dont le marché évolue au fil du temps », indique Mark Nasila.

Si l'utilisation de ce système d'IA a drastiquement amélioré la pertinence et l'efficacité globale, selon Mark Nasila, celui-ci insiste toutefois sur le fait que Manila ne supprime pas le besoin d'analystes.

Des analystes pour entraîner Manila sur les risques en évolution

De fait, Manila a créé un nouveau rôle pour les analystes de la banque. Ces collaborateurs sont désormais nécessaires pour constamment entraîner Manila sur les évolutions des crimes financiers. À ce titre, c'est un exemple de ces programmes d'IA basés sur le Machine Learning qui créent des modèles, évoluent et s'améliorent - entre d'autres termes, qui « apprennent », au fur et à mesure qu'ils sont alimentés en données. Au cours du processus d'assurance qualité, les analystes font tous les ajustements ou ajoutent des informations additionnelles au synopsis initial produit par Manila. Ces changements sont ensuite réintroduits dans le programme pour l'aider à apprendre de nouvelles tendances ou des analyses qu'il n'avait pas auparavant.

Selon le Dr. Nasila, le nom Manila est inspiré de la boxe. Le « Thrilla in Manila » (Thriller à Manille) est le nom du troisième et dernier match entre Muhammad Ali et Joe Frazier. Ce match de boxe, qui s'est tenu en 1975 dans la capitale des Philippines, pour le Championnat du monde catégorie poids lourds, est resté dans les mémoires comme le plus fameux combat de tous les temps. Mark Nasila explique que l'intérêt global pour ce combat montre que ce match fameux a servi de plateforme pour réunir le monde entier.

Pour FNB, cette solution de contrôle légal améliorée par IA est également un unificateur. La plateforme réunit des partenaires, régulateurs, fournisseurs de service et clients pour faciliter la détection et la lutte contre la fraude.

« Manila a démarré comme un proof-of-concept, mais nous avons rapidement pris conscience que si nous voulions rester en phase avec la façon dont le monde change, nous devions trouver des façons d'utiliser la technologie pour réinventer nos services et les améliorer au fil du temps », raconte Mark Nasila. « Nous sommes déjà en train d'étendre notre expérience avec Manila à d'autres cas d'usage. »

Article de Joanne Carew / CIO Afrique (Adaptation et traduction par Aurélie Chandèze)