Sommaire
La conformité, terrain privilégié pour l’IA
Une question de curseur : faut-il pousser l’IA jusqu’à 100 % ?
L’IA, pour le meilleur, ou pour le pire ?
Raison n° 1 : seul l’humain peut gérer la complexité
Raison n° 2 : l’effet boîte noire contre une exigence majeure : le besoin d’explicabilité des décisions
Raison n° 3 – Les biais, maladie génétique des algorithmes
Raison n° 4 – La responsabilité face aux risques de non-conformité
Raison n° 5 – Le Shadow IA, menace invisible
L’intelligence augmentée : le meilleur des mondes
Vers le « Compliance Officer augmenté » !
L’engouement pour l’intelligence artificielle se confirme : les dépenses mondiales des entreprises consacrées aux modèles et plateformes d’IA devraient progresser de 64 % en 2026 selon Gartner, tandis que 93 % des équipes d’audit déclarent déjà l’utiliser. En France, plus de la moitié des grandes entreprises ont engagé le passage à l’échelle de leurs cas d’usage.
L’IA s’impose ainsi progressivement comme un levier majeur de transformation. Cette dynamique s’accélère avec l’essor de l’IA agentique : selon Salesforce, le nombre moyen d’agents IA actifs par entreprise a presque triplé en un an, notamment dans les secteurs réglementés et complexes.
La conformité, terrain privilégié pour l’IA
Le domaine de la LCB-FT, et celui de la conformité en général, constituent un terrain privilégié pour développer des cas d’usages à partir de l’IA, face à des volumes de données en forte croissance.
Des gains opérationnels concrets
D’abord, pour la veille, avec des algorithmes de traitement du langage naturel (NLP) qui scannent les directives et textes de lois pour identifier instantanément les impacts sur l’entreprise. Ensuite, l’IA est pertinente pour l’analyse de documents, la génération de rapports, ou encore le remplissage de questionnaires de conformité.
Des volumes de données impossibles à gérer manuellement
Enfin, pour répondre aux exigences de KYC, l’IA peut analyser rapidement des millions de transactions et de données, filtrer automatiquement les listes de sanctions ou de Personnes Politiquement Exposées (PPE), effectuer des analyses comportementales en temps réel pour détecter les transactions suspectes ou encore automatiser la vérification d’identité, réduisant ainsi les faux positifs. Pour les équipes conformité, l’IA constitue un véritable atout : leur productivité s’en trouve dopée, le risque d’erreurs (les faux positifs) diminue. En outre, les analyses en temps réel garantissent une meilleure conformité et des alertes mieux priorisées.
Une question de curseur : faut-il pousser l’IA jusqu’à 100 % ?
Pour les équipes en charge de la conformité, les promesses de l’IA sont donc multiples : elle améliore la productivité, la fiabilité des contrôles, réduit les tâches chronophages et le temps de détection/réaction face à des transactions suspectes… De telles opportunités incitent à aller toujours plus loin dans les usages. C’est logique, dès lors que les bénéfices de l’IA sont concrets et démontrés. Mais jusqu’où faut-il aller et pousser le curseur de l’IA pour la LCB-FT ? Peut-on imaginer qu’un algorithme, aussi puissant, évolutif, ergonomique et exhaustif soit-il, remplace les équipes conformité, dont les missions seraient pilotées à 100 % par l’IA ?
L’IA, pour le meilleur, ou pour le pire ?
Les inconditionnels de l’IA peuvent en rêver, les managers l’imaginer, les équipes de conformité le désirer, les dirigeants exiger de réduire drastiquement les coûts de la conformité au bénéfice de leur compte d’exploitation, tous vont se heurter au mur de la réalité. Et cette réalité est claire : une automatisation totale est un leurre et le restera encore longtemps. Plusieurs raisons expliquent qu’il est illusoire de s’engager dans la voie d’une automatisation (quasi) totale de la LCB-FT.
Raison n° 1 : seul l’humain peut gérer la complexité
Cet argument peut paraître en contradiction avec la nature de l’IA : ne dit-on pas qu’elle est justement capable de gérer la complexité ? En réalité, c’est confondre ce qui est compliqué et ce qui est complexe. Un problème compliqué est généralement décomposable (en processus, en relations de causalité…), ce qui réduit la difficulté de le comprendre et de l’analyser : une IA est, dans ce contexte, tout à fait pertinente et plus rapide que le cerveau humain. En revanche, un phénomène complexe est constitué d’un grand nombre d’entités en interaction, qui empêchent de prévoir son comportement ou son évolution. D’où la nécessité d’une expertise humaine pour l’analyser et le maîtriser. L’IA ne suffit pas à analyser et comprendre un phénomène complexe dans sa globalité.
La conformité n’est pas qu’un problème technique
La LCB-FT est de toute évidence un système complexe, fait d’interactions entre de multiples exigences réglementaires, des processus plus ou moins matures dans les organisations et des comportements des fraudeurs en constante évolution. Une IA peut certes aider, par exemple pour mieux identifier les transactions suspectes, mais l’expertise humaine reste indispensable pour garantir l’efficacité de la LCB-FT. Si l’IA est indispensable pour détecter, seul l’humain peut interpréter. Par exemple, deux clients qui génèrent la même alerte mais présentent des niveaux de risque très différents.
De nombreuses zones grises subsistent
N’oublions pas que les réglementations, qui évoluent sans cesse, ne s’appliquent pas de manière binaire : interpréter le contexte d’une transaction et le comportement des fraudeurs, évaluer une intention ou apprécier un risque réputationnel nécessitent un jugement éthique et contextuel hors de portée d’un algorithme. Les textes réglementaires fixent un cadre, mais la réalité opérationnelle se situe souvent dans des zones d’ombre. Un algorithme applique des règles ou identifie des schémas statistiques ; il ne sait ni pondérer le contexte d’une relation d’affaires, ni évaluer une intention. Lorsque les réglementations se heurtent à des montages de fraudes complexes, à des relations d’affaires atypiques ou à des comportements ambigus, seul l’humain, et son expertise métier, peut faire la part des choses pour garantir la conformité.
Raison n° 2 : l’effet boîte noire contre une exigence majeure : le besoin d’explicabilité des décisions
Malgré la bonne volonté de leurs concepteurs, les modèles IA ne sont pas transparents et il est peu probable qu’ils le soient à l’avenir, ne serait-ce que pour des raisons de concurrence entre les acteurs qui les développent. L’IA fonctionne comme une « boîte noire », dont on peine à comprendre le fonctionnement. Or, pour les régulateurs, qui vérifient la conformité, un modèle IA dans lequel subsiste des zones d’ombre n’est pas recevable : la conformité exige une traçabilité et une explicabilité intégrales de chaque contrôle. L’ AI Act renforce par ailleurs, pour les systèmes auxquels ses obligations s’appliquent, les exigences de gouvernance, de documentation, de supervision humaine et de traçabilité.
Raison n° 3 - Les biais, maladie génétique des algorithmes
La confiance dans une IA est mise à mal par de nombreux biais. Ils surviennent lorsque les modèles produisent des résultats de manière préjudiciable, injuste ou décalée par rapport à la réalité. Ils ne proviennent pas d’une intention malveillante de la machine, mais des données qu’on lui fournit et de la manière dont elle est conçue.
On peut les regrouper en trois grandes catégories :
- Les biais liés aux données d’entraînement : l’IA apprend à partir de données historiques. Si ces données sont de mauvaise qualité ou incomplètes, le modèle ne fait que les reproduire et les amplifier. Et il est difficile d’intégrer en temps réel des changements de comportements ou l’apparition de nouveaux modes de blanchiment, dont les instigateurs ne manquent pas d’imagination pour parvenir à leurs fins.
- Les biais de mesure : ils découlent des choix faits par les développeurs lors du développement de l’outil IA. Ils se manifestent par exemple lorsque l’indicateur choisi pour évaluer un concept est imparfait ou orienté, lorsque l’on applique un modèle unique à des groupes aux caractéristiques très différentes ou qui se base sur des corrélations non valides, entre deux évènements qui sont indépendants.
- Les biais liés à l’usage : ils sont liés à la propension excessive des humains à faire confiance aveuglément à la décision d’un algorithme (« l’IA l’affirme, donc c’est vrai ! »), au détriment de leur propre sens critique. Cette attitude crée des boucles de rétroaction : l’IA prend une décision biaisée qui génère de nouvelles données biaisées, créant ainsi un cercle vicieux.
Raison n° 4 - La responsabilité face aux risques de non-conformité
Seul l’humain engage la responsabilité légale de l’entreprise face aux autorités de tutelle. Un algorithme ne peut assumer la portée d’une décision de déclaration de soupçon, de gel d’avoirs, de défaillances dans les processus de KYC/KYB/KYT)…
Des attentes règlementaires fortes
Ainsi, une décision de conformité doit pouvoir être comprise, expliquée et défendue devant un auditeur ou un régulateur. La responsabilité juridique ne peut pas être déléguée à un algorithme, face aux obligations de justification, toujours plus strictes, aux contrôles de l’ACPR, toujours plus nombreux et aux audits internes, qui se multiplient.
Raison n° 5 - Le Shadow IA, menace invisible
Le Shadow IA est « l’usage individuel informel et clandestin d’une solution d’IA non approuvée par l’organisation, l’employé dissimulant ses pratiques, hors du radar des processus officiels et sans aviser ses collègues et l’encadrement », résume une analyse de l’Inria et de Datacraft.
En France, 31 % des salariés pratiquent le Shadow AI, d’après une étude d’Okta. C’est certes moins que dans d’autres pays (52 % au niveau mondial). Une autre enquête, publiée par Qualtrics, dresse un tableau encore plus noir : 80 % des salariés dans le monde affirment utiliser des outils d’intelligence artificielle qui ne sont pas fournis par leur entreprise. Ce contexte est préoccupant pour la LCB-FT. D’abord, parce que cela fragilise, voire met en péril, l’efficacité de la lutte contre le blanchiment, faute de savoir vraiment qui fait quoi, quand, où et avec quelles données. Ensuite, se pose le problème de la fuite de données sensibles en dehors de l’entreprise. Enfin, on retrouve la question de la responsabilité des dirigeants face à des utilisations malveillantes de données qui ont alimenté des algorithmes.
L’intelligence augmentée : le meilleur des mondes
Entre l’illusion d’une politique de LCB-FT déléguée à 100 % à des algorithmes d’IA et le maintien de traitements manuels lourds et chronophages, il existe une voie intermédiaire : l’intelligence augmentée. C’est cette logique qu’AP Solutions IO défend dans son approche de type “Glass Box” : rendre les mécanismes de décision suffisamment transparents, traçables et explicables pour que l’expert puisse conserver la maîtrise du dispositif, des prérequis exigés par les régulateurs pour valider la conformité. Concrètement, l’intelligence augmentée combine l’intelligence humaine/collective et artificielle, en conservant l’humain au centre des décisions, la technologie n’étant qu’une aide précieuse (pour la détection, les tâches répétitives, l’analyse des flux, l’identification des transactions suspectes…). La répartition des rôles est donc claire : à l’IA la détection, le classement, l’analyse et la priorisation, à l’expert conformité l’interprétation, la justification, l’arbitrage et la décision. C’est ce qui permet de passer d’une conformité où les équipes cherchent l’information et traitent des alertes, à une conformité où la technologie prépare intelligemment le travail de l’analyste, avec un accent particulier sur la traçabilité, l’explicabilité et la justification des décisions – des éléments particulièrement importants en LCB-FT.
Les entreprises commencent à promouvoir cette distinction : selon une étude mondiale réalisée auprès de directeurs financiers et publiée en août 2026 par Censuswide, 90 % ont défini un seuil de décision ou de conformité à partir duquel une validation humaine est toujours requise pour les décisions prises par l’IA.
Vers le « Compliance Officer augmenté » !
L’Intelligence Augmentée ne transforme pas le Compliance Officer en simple superviseur d’une technologie : elle renforce sa capacité à exercer son expertise là où elle crée le plus de valeur.
Avec son approche « Glass Box », AP Solutions IO propose une conformité plus efficace et maîtrisée sur le plan réglementaire et juridique : la technologie aide à traiter et à analyser la complexité, tandis que l’expert conserve la responsabilité du jugement et de la décision.
Le résultat : moins de temps consacré au traitement, davantage de capacité à comprendre, arbitrer et maîtriser les risques, tout en conservant la responsabilité humaine au cœur du dispositif. C’est le principe du Compliance Officer augmenté : une technologie qui renforce l’expertise humaine et sécurise la décision, sans jamais s’y substituer.
Aurélien Zachayus
Co-Fondateur – CEO at AP Solutions IO
Réduisez vos faux positifs dès aujourd’hui
