La détection de la fraude financière, la lutte contre le blanchiment d’argent et le financement du terrorisme : Une approche pluridisciplinaire : data science, économie et droit

FinCEN Files, Panama Papers, Danske Bank…, plusieurs scandales financiers mettent en lumière les failles des mécanismes actuels de lutte contre le blanchiment d’argent et le financement du terrorisme (LBA-FT). Dans un contexte géo-politique particulièrement sensible, les dispositifs ont considérablement évolué ces dernières années : les pouvoirs des autorités de contrôle ont été largement développés et le cadre normatif à l’échelle internationale, européenne et nationale est devenu de plus en plus  contraignant pour les acteurs privés (professionnels du droit et du chiffre, de la banque, des assurances…). Pour observer leurs obligations de vigilance, de déclaration et d’information toujours plus nombreuses et pour répondre aux objectifs de compliance qui pèsent sur eux, ils peuvent aujourd’hui se tourner vers de nouveaux outils issus du Machine Learning. Les méthodes d’apprentissage automatique offrent en effet des solutions fiables et robustes, adaptées à la prévention et à la détection d’opérations frauduleuses.