L'importance de l'outil de filtrage des informations négatives

Filtrage des informations négatives : Bonnes pratiques

L’identification d’informations médiatiques négatives devrait être une partie importante du processus de vigilance à l’égard de la clientèle d’un établissement financier. Lorsque les dernières informations révèlent l’implication d’un client dans des activités criminelles ou contraires à l’éthique, comme le blanchiment d’argent ou le financement du terrorisme, les entreprises doivent être en mesure d’identifier et d’évaluer ces informations aussi efficacement que possible afin de réévaluer le profil de risque de ce client et de se protéger des atteintes à sa réputation.

Cependant, le filtrage des informations négatives ou défavorables peut impliquer le traitement d’une grande quantité de données. Les entreprises doivent être en mesure de hiérarchiser et d’interpréter rapidement les informations pertinentes et de décider de la manière d’y donner suite. Compte tenu du grand nombre de facteurs administratifs à prendre en compte et de la pression supplémentaire liée au respect de la réglementation, ces processus doivent être adaptés aux besoins de leur institution et reposer sur une compréhension des meilleures pratiques en matière de filtrage des informations négatives.

Dans cette optique, pour vous aider à optimiser votre processus, nous avons répertorié ci-dessous trois des pratiques les plus importantes en matière d’informations négatives…

1. Un filtrage manuel ou automatisé ?

Le filtrage des informations négatives consiste à identifier et à surveiller un large éventail de contenus médiatiques conventionnels imprimés et télévisés, ainsi que des contenus en ligne tels que les blogs et les flux de médias sociaux. Étant donné que le processus implique traditionnellement des vérifications manuelles et une interprétation humaine, la quantité d’informations que les entreprises doivent traiter lors du filtrage est telle qu’elle exige beaucoup de temps et de main-d’œuvre. Pour gérer les informations recueillies, les meilleures pratiques suggèrent d’utiliser l’automatisation pour compléter les éléments manuels du processus d’examen.

L’automatisation est évidemment plus rapide que le filtrage humain et peut être mieux adaptée aux préoccupations commerciales particulières d’une entreprise – mais elle présente aussi des écueils. Définir les paramètres de sélection de manière trop indiscriminée peut entraîner une quantité d’informations écrasante pour les analystes humains (et donc les mêmes problèmes d’inefficacité), tandis qu’une sélection trop étroite augmente les risques de passer à côté d’informations importantes.

Le filtrage automatisé des informations médiatique négatives est plus efficace lorsqu’il est combiné à une stratégie manuelle. Les entreprises pourraient réfléchir au moment où les contrôles automatisés sont effectués, aux informations préalables qui pourraient alimenter les contrôles automatisés et aux informations à inclure, afin de mieux gérer et diriger la phase d’examen manuel.

2. La catégorisation des informations médiatique négatives

Les informations négatives ne sont pas toutes identiques : la substance d’une information négative particulière peut affecter le profil de risque d’un client à des degrés divers. L’interprétation des informations négatives est facilitée par la catégorisation, qui consiste à organiser les médias en fonction du type de nouvelles dont ils s’occupent. Les informations négatives peuvent se rapporter à une série d’activités et comprendre des fautes civiles et criminelles. Voici quelques exemples de catégories d’informations négatives :

• La criminalité financière : Blanchiment de capitaux, financement du terrorisme, fraude
• Les narcotiques : Abus, production ou distribution de stupéfiants
• Cybercriminalité : Toute infraction impliquant un ordinateur, ou un dispositif en réseau (téléphone, tablette)
• Réglementaire : Le non-respect de la réglementation peut entraîner des poursuites pénales ou indiquer une implication dans des activités criminelles connexes.

La catégorisation des médias hostiles est également un élément important de la conformité au GAFI, qui oblige les institutions financières à « comprendre la réputation de leurs clients » ainsi que toute implication antérieure dans des activités criminelles dans le cadre d’un programme de LCB/FT basé sur le risque.

3. Une surveillance en continue

Un filtrage des informations médiatique négatives ne peut que fournir des informations historiques sur le profil de risque d’un client. Si ces informations ne sont pas mises à jour, les entreprises risquent de perdre de vue l’exposition au risque de leur client et d’être prises au dépourvu par les dernières informations.

Pour maintenir l’exactitude de leurs profils de risque, les meilleures pratiques suggèrent aux entreprises de surveiller leurs clients en permanence. Cela implique la mise en place d’un dispositif permettant d’examiner les résultats des contrôles médiatiques négatifs et de mettre à jour les profils de risque en cas de changement : une histoire initialement inoffensive peut se développer et justifier une réponse plus importante, telle qu’un renforcement de la diligence raisonnable. De même, il peut être possible de déclasser les clients à haut risque lorsque leur exposition change.

La surveillance continue des médias hostiles et d’autres aspects de l’exposition au risque d’un client aide les institutions financières à mieux comprendre ce client au fil du temps. En plus d’élargir leur perspective sur une nouvelle information, les entreprises peuvent être en mesure d’identifier des modèles de comportement, de réagir plus rapidement aux changements et, en fin de compte, de mieux remplir leurs obligations de conformité sur le long terme.

Filtrage et surveillance automatisés des informations négatives

Ne perdez pas de temps et d’argent à utiliser les mauvais outils. Nous utilisons de l’apprentissage automatique pour rassembler toutes les informations et tous les médias indésirables dont vous avez besoin dans des profils complets et structurés.

En savoir plus