Lutte contre la criminalité financière :
quelles évolutions pour les outils ?
Chandara OK
. . Conseil en réglementation et...
sommaire
I - Pourquoi un outil informatique et pour quels risques ?
II - Réaliser des contrôles : pour quel usage ?
III - ...
I - Pourquoi un outil informatique et pour quels risques ?
• Périmètre de la fraude et du blanchiment de capitaux
• Fraude...
II – Réaliser des contrôles : pour quels usages ?
Réaliser des contrôles
Connaître ses risques
• identification
• évaluati...
II – Réaliser des contrôles : pour quels usages ?
Réaliser des contrôles
1 - Pour contrôler la maîtrise du
processus et de...
Dans le 2e mode de contrôle (évènements rares dans une grande masse)
• Un échantillon aléatoire : non pertinent
• Augmente...
III – Les outils actuels de détection: solutions simples
Base de données métier
(ex : progiciel bancaire ou Infocentre Req...
Base de données métier 1
La requête plus complexe multi bases
III – Les outils actuels de détection: solutions simples
8Ch...
SOLUTIONS LAB-FT & FRAUDE
• C’est un système d’information complet qui permet de produire des alertes plus fines à partir ...
SOLUTIONS SELON UNE DEMARCHE « BIG DATA »
10Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour...
V - L’approche « big data » : quelques exemples dans les médias
• Au cinéma : MINORITY REPORT. Dans une société sans crime...
L’approche « BIG DATA », c’est quoi ?
Rassembler une grande quantité de données (donnés internes d’abord puis + données ex...
• Approche classique par rapport à un S.I. : on cherche une donnée précise et on s’organise en
conséquence. Ex : calculer ...
Exploiter un grand nombre de données :
Données internes à une banque
• Base clients (KYC)
• Progiciel bancaire
• Logiciel ...
VIII - L’approche « big data » : déroulement.
15
KYC et liens
Chandara OK - Lutte contre la criminalité financière : quell...
Le BIG DATA : en résumé
• Une très grande quantité de données (méta données): on rassemble toutes les données
disponibles,...
IX - L’approche « big data » : les applications
• Les bénéfices attendus :
détection + ciblage + anticipation
17
Ex : déte...
Exemples en dehors de la banque :
• Ciblage commercial : comportement clients (yc micro segmentation)
• Maintenance prévis...
Exemples au sein de la banque :
• Fraude :
> détection facilitée de fraude avérées
> ciblage de zones à risque
> demain : ...
• 2 applications type : la fraude (externe et interne) et la LAB-FT
classement ou
surveillance et
auto-
Données externes a...
Volumétrie
L’approche « big data »
21
Volumétrie
(chaque minute)
Chandara OK - Lutte contre la criminalité financière : qu...
L’approche « big data »
22Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
Chandara OK
23
Conseil en réglementation et risques bancaires
Profil professionnel dans www.linkedin.com
okchandara@yahoo....
Prochain SlideShare
Chargement dans…5
×

Lutte contre la criminialité financière: Quelles évolutions pour les outils?

347 vues

Publié le

2015 chandara ok expert réglementation
Conférences Arrow institute par conferences institute
http://conferences-institute.eu/

0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
347
Sur SlideShare
0
Issues des intégrations
0
Intégrations
33
Actions
Partages
0
Téléchargements
0
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Lutte contre la criminialité financière: Quelles évolutions pour les outils?

  1. 1. Lutte contre la criminalité financière : quelles évolutions pour les outils ? Chandara OK . . Conseil en réglementation et risques i . Bancaires – directeur des risques Conférence Arrow - Lutte contre la criminalité financière - 23 juin 2015
  2. 2. sommaire I - Pourquoi un outil informatique et pour quels risques ? II - Réaliser des contrôles : pour quel usage ? III - Les outils actuels de détection : solutions simples IV - Les outils actuels de détection : les solutions plus complètes LAB-FT & fraude V – L’approche « big data » : quelques exemples dans l’actualité 2 VI – L’approche « big data » : les concepts VII - L’approche « big data » : changer de raisonnement par rapport au S.I. VIII - L’approche « big data » : le déroulement IX - L’approche « big data » : les applications X - L’approche « big data » : les progiciels existants pour la LAB-FT et la fraude Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  3. 3. I - Pourquoi un outil informatique et pour quels risques ? • Périmètre de la fraude et du blanchiment de capitaux • Fraude : l’identification et l’analyse de soupçons sont consommateurs de temps et de ressources • LAB-FT : idem + des obligations et normes réglementaires • Groupe international : des outils communs permettent de faciliter la convergence dans un groupe 3 • Permet d’exploiter au mieux les ressources des équipes LAB - fraude – sécurité • Où les risques sont-ils localisés pour l’essentiel ? - dans le cadre des opérations bancaires (crédit et marché) - dans le cadre des opérations des mouvements de comptes bancaires - dans le cadre des écritures comptables - dans le cadre des RH - dans le cadre des achats - dans le cadre des frais généraux Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  4. 4. II – Réaliser des contrôles : pour quels usages ? Réaliser des contrôles Connaître ses risques • identification • évaluation Détecter les anomalies et alerter Contrôler Connaître ses contreparties 4 Prendre des actions correctives Suivre les actions correctives Gérer le risque de crédit • encours consolidé • notation et cotation Gérer le risque de marché • Encours et évaluation Gérer la LAB-FT Gérer le risque de fraude Reporting Gérer les autres risques opérationnels Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  5. 5. II – Réaliser des contrôles : pour quels usages ? Réaliser des contrôles 1 - Pour contrôler la maîtrise du processus et des risques Questions : - Connaît la procédure ? 2 - Pour chercher des évènements rares dans une grande masse Objectifs : 5Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ? - Connaît la procédure ? - Comprend la procédure ? - Applique la procédure ? - Gère correctement les équipes et les processus ? Identification : -Echantillon aléatoire -Aléatoire + ciblé Objectifs : - Trouver des cas - Les traiter - En comprendre la cause et la corriger Identification : -Chercher selon des scénario Analyse humaine Analyse humaine
  6. 6. Dans le 2e mode de contrôle (évènements rares dans une grande masse) • Un échantillon aléatoire : non pertinent • Augmenter l’échantillon (ex : une sélection qui passerait de 3 % à 7 % des opérations réalisées) : généralement non pertinent • Solution actuelle : on filtre par un ou des scénarios - scénarios de place II – Réaliser des contrôles : pour quels usages ? 6 - scénarios de place - scénarios propres à l’ établissement • Les cas identifiés ainsi doivent être compris comme des cas atypiques • Ils nécessitent ensuite une analyse humaine pour déterminer le caractère frauduleux ou de blanchiment • Les cas avérés serviront à actualiser les scénarios Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  7. 7. III – Les outils actuels de détection: solutions simples Base de données métier (ex : progiciel bancaire ou Infocentre Requêteur La requête simple mono base 7Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ? (ex : progiciel bancaire ou comptable) Infocentre Requêteur
  8. 8. Base de données métier 1 La requête plus complexe multi bases III – Les outils actuels de détection: solutions simples 8Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ? Datawarehouse RequêteurBase de données métier 2 Base de données métier 2
  9. 9. SOLUTIONS LAB-FT & FRAUDE • C’est un système d’information complet qui permet de produire des alertes plus fines à partir de scénarii plus complexes • Ce type d’outil peut mettre en œuvre plus complètement la 3e directive européenne en matière de LAB • Il est adapté aux établissements avec des activités variées ou des groupes (maison-mère et filiales) • Pour être vraiment opérationnel, cet outil doit être interfacé avec (tous) les applicatifs métiers de la banque (ex : applicatifs banque commerciale, crédits, assurance, titres) ainsi qu’au système comptable • Il est un gros consommateur de données et comporte, en son sein, une base de données puissante lassement ou IV - Les outils actuels de détection : les solutions plus complètes LAB-FT & fraude 9 • L’outil gère la ventilation des clients et leur cotation de risque avec une mise à jour selon les opérations constatées • Il comporte un workflow complet de gestion des alertes permettant une transmission à un autre service pour investigation ou pour à un supérieur hiérarchique pour validation Applicatif métier 1 workflow de gestion des alertes Opérations atypiques « alertes » OUTIL LAB « LOURD » (complet) Applicatif métier 2 Applicatif métier 3 scénarios plus complexes déclaration Tracfin lassement ou surveillance reporting Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  10. 10. SOLUTIONS SELON UNE DEMARCHE « BIG DATA » 10Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  11. 11. V - L’approche « big data » : quelques exemples dans les médias • Au cinéma : MINORITY REPORT. Dans une société sans crime, la police arrête les criminels avant qu’ils ne commettent de crime • Série de télévision : PERSON OF INTEREST. Le gouvernement développe un outil informatique qui permet d’identifier ceux qui s’apprêtent à commettre des attentats ou à agir contre les intérêts de l’Etat • La NSA (National Security Agency) : les grandes oreilles qui écoutent les conversations et les emails 11 emails • Les révélations d’Edward Snowden sur l’ampleur de cette surveillance • 2015 : loi sur le renseignement en France : permet de recueillir des informations en amont sur tous les individus : avec une optique d’action préventive (d’attentats) et d’action a posteriori Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  12. 12. L’approche « BIG DATA », c’est quoi ? Rassembler une grande quantité de données (donnés internes d’abord puis + données externes), y compris celles qui ne sont pas habituellement exploitées + Générer des liens entre évènements et attributs entre eux (création de liens) VI - L’approche « big data » : les concepts 12 + Injecter un automate d’analyse comportementale (sur un principe de corrélations entre les liens) = Résultats (à la question posée) Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  13. 13. • Approche classique par rapport à un S.I. : on cherche une donnée précise et on s’organise en conséquence. Ex : calculer un PNB, calculer un coût du risque, etc. >> on cherche les données qui participent à l’élaboration du PNB >> on injecte la méthode de calcul >> on obtient le résultat attendu : le PNB • Nouvelle approche « big data » : VII - L’approche « big data » : changer le raisonnement par rapport au S.I. 13 • Nouvelle approche « big data » : Ex : on recherche des fraudes on lance le cycle : regrouper des méta données + liens + analyse comportementale ciblée = ensemble d’évènements de fraude probables à analyser >> on ne limite pas la recherche à quelques scénarios >> on prend en compte des signaux faibles, ignorés jusque-là >> on obtient des résultats sans chercher et sans expertise approfondie Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  14. 14. Exploiter un grand nombre de données : Données internes à une banque • Base clients (KYC) • Progiciel bancaire • Logiciel de gestion des crédits • Logiciel de gestion de l’épargne, des titres … • Logiciels d’analyse crédits • Logiciel comptable VIII - L’approche « big data » : déroulement. 14 • Logiciel comptable • CRM • Etc. Données externes • Bases d’autres métiers du groupes • Bases officielles • Bases de données commerciales • Internet • Yc réseaux sociaux • Etc. Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  15. 15. VIII - L’approche « big data » : déroulement. 15 KYC et liens Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  16. 16. Le BIG DATA : en résumé • Une très grande quantité de données (méta données): on rassemble toutes les données disponibles, d’abord internes puis externes • Le système effectue les traitements suivants : o identifie tous les attributs et tous les évènements. Ex : identité de tous les tiers (clients, contreparties, fournisseurs, salariés …) adresse, num de téléphone, num de RIB, type d’opération, num d’opération, montant, nature, sens, communication, encours, évolutions dans le temps, etc. … des millions ou milliards de points, VIII - L’approche « big data » : déroulement. 16 dans le temps, etc. … des millions ou milliards de points, o construit un univers en 3D constitué par ces millions (milliards) de points et construit des liens entre eux, o effectue une analyse comportementale à partir de corrélations entre les liens o identifie les liens atypiques (un peu comme des alertes LAB) o permet un auto-apprentissage • Ces liens atypiques sont ensuite examinés par un collaborateur de la banque qui pourra s’appuyer également sur des aides puissantes dans l’analyse S’appuie sur l’expérience provenant de travaux pour la sécurité nationale (USA). Système utilisé par le fisc de plusieurs pays (Canada,UK), la police (Gendarmerie), des compagnies d’assurance et progressivement des banques Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  17. 17. IX - L’approche « big data » : les applications • Les bénéfices attendus : détection + ciblage + anticipation 17 Ex : détecter rapidement une fraude commise afin de trouver plus rapidement les coupables et d’en limiter les impacts Ex : repérer les individus (ou lieu ou portefeuille …) en situation plus probable de commettre une fraude Ex : pour agir d’une manière prédictive Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  18. 18. Exemples en dehors de la banque : • Ciblage commercial : comportement clients (yc micro segmentation) • Maintenance prévisionnelle: surveillance de réseaux industriels (ex: téléphoniques) / anticipation de ruptures • Optimisation de réseau : surveillance de réseaux informatiques / niveau d’équipement IX - L’approche « big data » : les applications 18 • Maximisation de recettes : Transport aérien : gestion des tarifs en temps réel • Rapidité de réaction suite à des évènements • Etc. Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  19. 19. Exemples au sein de la banque : • Fraude : > détection facilitée de fraude avérées > ciblage de zones à risque > demain : gestion prédictive ? • LAB-FT : idem que pour la fraude • Risque de crédit : > détection de défaut ou de contreparties encours de défaut IX - L’approche « big data » : les applications 19 > détection de défaut ou de contreparties encours de défaut > ciblage de zones à risque > demain : gestion prédictive ? • Risque de marché : > surveillance des tendance de marché > surveillance des abus de marché • Commercial /marketing et S.I. : mêmes applications que pour les autres secteurs d’activité • Etc. Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  20. 20. • 2 applications type : la fraude (externe et interne) et la LAB-FT classement ou surveillance et auto- Données externes achetées Données externes publiques (yc sur internet) X - L’approche « big data » :les progiciels existants pour la LAB-FT et la fraude 20 • L’outil comporte un puissant outil de gestion des enquêtes (des alertes) avec un workflow • Ce dernier est capable d’une forme d’auto-apprentissage au vu des cas examinés • L’outil est capable également de traiter la LAB, en complément d’un outil LAB traditionnel • On cherche l’évènement rare / On a les évènements et on cherche ceux qui sont pertinents Applicatif métier 1 workflow de gestion des enquêtes Cartographie complète de tous les liens au sein dans les activités OUTIL fraude «big data » (générateur et analyse de liens) Applicatif métier 2 Applicatif métier 3 soupçon auto- apprentissage règles de filtrage Panorama des outils de gestion des risques bancaires & arrivée annoncée du big data - Chandara OK
  21. 21. Volumétrie L’approche « big data » 21 Volumétrie (chaque minute) Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  22. 22. L’approche « big data » 22Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?
  23. 23. Chandara OK 23 Conseil en réglementation et risques bancaires Profil professionnel dans www.linkedin.com okchandara@yahoo.com Chandara OK - Lutte contre la criminalité financière : quelles évolutions pour les outils ?

×