Les assurances luttent pour plus d’efficacité dans la prévention du blanchiment d’argent

La surveillance des contrats d’assurance et des données des clients doit permettre d’analyser les comportements suspects et de lutter contre le blanchiment d’argent. Des logiciels basés sur l’intelligence artificielle peuvent y contribuer.

Les contrats d’assurance peuvent être lucratifs pour les blanchisseurs d’argent

Les blanchisseurs d’argent ne ciblent pas seulement les banques pour introduire des valeurs patrimoniales illégales dans le circuit financier.  Les compagnies d’assurance sont également menacées. Légalement, les assureurs sont principalement tenus de prévenir le blanchiment d’argent lorsqu’ils proposent des assurances-vie ou des assurances-accidents avec remboursement de primes ou lorsqu’ils effectuent des opérations bancaires. Ils sont largement libres de choisir la manière dont ils mettent en œuvre les exigences prudentielles. Mais cela les oblige à analyser précisément leurs processus afin d’identifier les faits relevant du blanchiment d’argent ou un éventuel lien avec le financement du terrorisme dans les nouvelles affaires, les affaires en cours et les prestations.

Les assureurs font nettement moins de déclarations de soupçon de blanchiment d’argent (DSA) aux bureaux de communication que les banques. C’est ce que montrent les derniers rapports annuels de la Financial Intelligence Unit (FIU) et du MROS suisse. Pourtant, elles sont soumises à des exigences légales identiques. Cela comprend le processus KYC/CDD, c’est-à-dire l’identification des cocontractants, la détermination de l’ayant droit économique et la comparaison avec les listes de sanctions et de PEP. Mais cela ne suffit pas. La détection de faits liés au blanchiment d’argent dans les nouvelles affaires, les affaires existantes et les prestations est un processus qui évolue constamment. Les assureurs doivent rester en permanence sur le qui-vive afin de mettre en lumière les opérations inhabituelles et d’atteindre d’autres objectifs : respect sûr des exigences légales, prévention des atteintes à la réputation et des sanctions, réduction des déclarations de faux positifs et diminution des opérations manuelles.

Indicateurs de blanchiment d’argent dans les nouvelles affaires

Pour détecter le blanchiment d’argent ou le financement du terrorisme, la plupart des assureurs utilisent l’approche basée sur les risques. Toutefois, les risques diffèrent selon qu’il s’agit d’affaires nouvelles, d’affaires existantes ou d’affaires de prestations.

L’identification, la vérification de la liste des sanctions et de la PEP du demandeur ainsi que la vérification de la solvabilité font partie des nouvelles affaires. En outre, il existe des scénarios qui incitent les assureurs à procéder à un contrôle :

• Conclusion de plusieurs contrats de capitalisation en peu de temps
• Versement supplémentaire inhabituellement élevé au début du contrat
• Transfert du domicile à l’étranger peu après la conclusion du contrat.
• Le remplacement d’un contrat avec un faible paiement de primes courantes par un contrat avec une prime unique élevée sans tenir compte des inconvénients, par exemple l’imposition ou la perte d’intérêts.
• Intérêt prioritaire du preneur d’assurance à la résiliation anticipée ou aux valeurs de rachat
• Paiement souhaité de la prime unique en espèces ou en devises

Risques de blanchiment d’argent dans les affaires en cours

Si une partie contractante change de comportement, cela peut être un signal d’alarme pour le blanchiment d’argent. Voici quelques scénarios qui incitent à examiner l’opération de plus près :

• Paiement complémentaire dans le cadre de contrats existants, surtout si c’est un tiers qui effectue le paiement.
• Origine des fonds peu claire lors du remboursement de prêts
• Modification fréquente du droit de souscription
• Paiement de cotisations depuis l’étranger
• Changement de preneur d’assurance

Risque de blanchiment d’argent en cas de prestation

Lors des demandes de rachat ou de versement partiel, l’assureur vérifie par exemple si des annulations précoces ou des résiliations partielles ont été fréquentes au cours des premières années d’assurance ou si le versement doit être effectué à des banques présentant des risques.

Pourquoi les assureurs s’attendent à des besoins croissants en personnel dans le domaine de la compliance ?

Une étude menée par Versicherungsforen Leipzig (Allemagne) et le cabinet d’avocats BRP Renaud und Partner mbB montre que près des trois quarts des compagnies d’assurance ont décentralisé leur compliance. Des responsables de la conformité ont été nommés dans les départements spécialisés et il existe en outre une fonction de conformité centrale. Plus des trois quarts des personnes interrogées prévoient donc une augmentation des besoins en personnel dans le domaine de la compliance à l’avenir. Les compagnies d’assurance tentent d’y remédier en utilisant des technologies qui fonctionnent de manière automatisée et vérifient les processus, mouvements et transactions inhabituels, même s’ils sortent du schéma standard.

Le casse-tête de la vérification des listes de sanctions et PEP : l’énorme quantité de données

Les assureurs doivent régulièrement comparer leurs données avec les listes de sanctions, les listes PEP et autres listes noires. Le problème : l’énorme quantité de données. Il ne s’agit pas seulement des données de millions de clients, mais aussi des données de partenaires contractuels comme les personnes impliquées dans un sinistre ou les demandeurs. A cela s’ajoutent des millions de données sur les listes de sanctions.

Il est important d’utiliser un logiciel hautement performant, capable de comparer cette quantité de données.  Dès qu’une correspondance est trouvée entre les données (p. ex. noms, pays, dates de naissance, etc.) d’une personne figurant sur une liste de sanctions et les données de la base de données clients, le logiciel affiche un « hit ».

Ne pas perdre de temps : réduire les faux positifs grâce à l’apprentissage automatique.

Dans certains cas, les « hits » sont toutefois des faux positifs. Qu’ils soient trouvés par le système est important et juste d’un point de vue technique. Le bémol est que le/la responsable de la lutte contre le blanchiment d’argent doit vérifier les données manuellement. Si la vérification révèle que le client n’est finalement pas la personne figurant sur la liste des sanctions, c’est du temps perdu. Et pire encore, vous minimisez le temps disponible pour analyser les « vraies correspondances ».  Une solution à ce dilemme est apportée par le Machine Learning, une composante de l’intelligence artificielle. Un algorithme de comparaison optimisé analyse les correspondances et affiche en priorité les cas qui sont des vrais positifs et pour lesquels l’effort d’une clarification manuelle en vaut la peine.

Vérification des concordances entre les nouveaux clients et les clients existants avec des inscriptions dans des listes de sanctions et de PEP : Machine Learning améliore drastiquement l’algorithme de contrôle actuel. Jusqu’à 57% des faux positifs rencontrés jusqu’à présent ne présentent pas de risque élevé et n’ont qu’une faible probabilité d’être un risque.

Assurer un suivi régulier des nouveaux clients et des clients existants

Les assurances sont soumises à une obligation de mise à jour périodique afin de vérifier et d’actualiser en permanence les données d’identification de leurs preneurs d’assurance. D’autres mises à jour doivent être effectuées, en particulier lorsque des modifications significatives des cotisations ou d’autres circonstances susceptibles d’être liées au blanchiment d’argent surviennent. C’est pourquoi les assureurs surveillent leurs partenaires contractuels avant et pendant la durée du contrat en fonction de scénarios tels que :

• Des paiements supplémentaires élevés au début du contrat
• Résiliations partielles au début de la relation commerciale
• Remboursements à court terme
• Modification des personnes bénéficiaires
• Contrôle de solvabilité inadapté au comportement du client
• Pas de communication des coordonnées bancaires lors du versement

Dès que l’un des scénarios définis se produit, le/la responsable de la lutte contre le blanchiment d’argent est invité(e) à effectuer la vérification et à prendre d’autres mesures.

Lutte contre le blanchiment d’argent dans le cloud : une tendance claire

Il existe une forte tendance vers les applications Saas, y compris pour le traitement de données sensibles, comme par exemple dans le domaine de la conformité. Les compagnies d’assurance envisagent donc de plus en plus souvent de transférer leurs activités d’anti-money laundering vers le cloud. Les raisons sont les suivantes :

1. la pénurie de ressources pour l’exploitation on-premise, de sorte que l’exploitation ne peut pas être suffisamment garantie.
2. l’expertise pour le premier et le deuxième niveau de support peut être simplifiée par un service géré avec l’aide d’un fournisseur de logiciels.
3. les coûts. On peut supposer que dans la plupart des entreprises d’assurance, les coûts d’une exploitation sur site sont plus élevés que ceux d’une solution en cloud.

Le législateur et l’autorité de surveillance financière insistent sur la fonction de compliance

En Allemagne, les assureurs qui relèvent du champ d’application de la loi sur la surveillance des assurances ont l’obligation de mettre en place une instance de compliance (§ 29, alinéa 1, phrase 2 de la loi sur la surveillance des assurances (VAG)). Le BaFin agit en tant qu’autorité de surveillance. Dans ses directives d’interprétation et d’application (AUA) d’octobre 2021, elle a documenté que l’AUA s’applique à toutes les personnes soumises à l’obligation de respecter la loi sur le blanchiment d’argent (GwG), qui sont sous la surveillance de la BaFin conformément à l’article 50, point 1, de la GwG. Les compagnies d’assurance en font également partie.

En Suisse, les assurances peuvent, au choix, se faire surveiller par la FINMA ou s’affilier à l’organisme d’autorégulation de l’Association Suisse d’Assurances (OAR-ASA). Au Liechtenstein, c’est la FMA qui fait office d’autorité de surveillance.

Pour le secteur de l’assurance vie, le Groupe d’action financière (GAFI) a publié le Guidance for a risk-based approach for the life insurance sector. Dans ce document, le risque de blanchiment d’argent et de financement du terrorisme est certes moins important que pour d’autres produits financiers (p. ex. les crédits) ou d’autres secteurs (banques). Néanmoins, selon cette guidance, il existe un risque que la conclusion d’une assurance-vie soit liée à des infractions criminelles préalables.

Pour le GAFI, l’approche basée sur les risques (RBA) est le facteur central de la mise en œuvre des 40 recommandations du GAFI. La RBA signifie que les autorités de surveillance financière et les entreprises réglementées identifient et comprennent les risques de blanchiment d’argent auxquels elles sont exposées et prennent les mesures appropriées.

Conclusion

Les assurances prennent de plus en plus d’initiatives pour améliorer leur prévention contre le blanchiment d’argent. Les directives réglementaires ne les obligent certes pas à mettre en place un système de surveillance, mais la quantité de données composée de données sur les clients et les partenaires, de données sur les comptes et d’inscriptions sur des listes de sanctions n’est pratiquement maîtrisable qu’avec un bon logiciel. Les thèmes de l’automatisation et de l’utilisation du cloud en font également partie. Trois tendances peuvent être observées :

1. Les assurances définissent de plus en plus précisément les scénarios de blanchiment d’argent dans les nouvelles affaires, les affaires en cours et les prestations, afin d’avoir un taux de détection aussi élevé que possible.
2. L’apprentissage automatique convient comme deuxième couche en plus des systèmes basés sur des règles.
3. Le transfert de l’application vers le cloud, même pour le sujet sensible de la conformité et l’exploitation d’une solution SaaS.

Nos experts se feront un plaisir de vous contacter pour examiner votre situation en tant que compagnie d’assurance et de vous faire bénéficier des meilleures pratiques issues de nos projets.

Contacter les experts