Transformer des milliers d'articles de presse quotidiens en alertes de conformité le jour même : une plateforme de text mining pour le filtrage de la criminalité financière.

À propos du client

La Société Q fournit des services de diligence raisonnable et de conformité à plus de 4 000 institutions financières dans le monde, aidant les établissements membres à respecter les exigences de l'OFAC et du USA PATRIOT Act, y compris la Section 314(a) des réglementations du Financial Crimes Enforcement Network.

Contexte sectoriel

Les institutions financières s'exposent à des risques réglementaires et juridiques substantiels si elles ne contrôlent pas leurs titulaires de comptes au regard des listes de surveillance de l'OFAC et des listes connexes, avec des pénalités de non-conformité débutant autour de 250 000 $ et une responsabilité pénale potentielle pour les personnes responsables. À la fin des années 2000, le volume de données gouvernementales pertinentes et de couverture médiatique de la criminalité financière avait largement dépassé ce que la recherche manuelle pouvait suivre, en particulier pour un prestataire spécialisé de diligence raisonnable au service de milliers d'institutions clientes dépendant toutes d'alertes rapides et précises. La technologie de fouille de textes et d'extraction d'entités, bien qu'en maturation rapide, exigeait encore une personnalisation substantielle (gestion des variantes orthographiques des noms, des structures de phrases complexes et de la ponctuation incohérente) pour extraire de manière fiable des informations exactes de sources réelles. Pour un prestataire axé sur la conformité, la crédibilité des résultats automatisés dépendait aussi de la capacité à retracer chaque fait extrait jusqu'à sa source d'origine.

Situation actuelle

La plupart des processus métier internes de la Société Q pour identifier et enregistrer les données relatives aux listes de surveillance et aux activités criminelles à caractère financier, et pour alerter ses clients, étaient manuels. Le vice-président des opérations voulait raccourcir considérablement les temps de cycle de traitement et améliorer la qualité des données en automatisant les processus centraux à l'aide de nouvelles technologies, et l'entreprise s'est tournée vers Iknow pour concevoir, développer et déployer une plateforme technologique avancée.

• Des processus de filtrage et d'alerte largement manuels. La plupart des processus internes de la Société Q pour identifier et enregistrer les correspondances avec les listes de surveillance et les activités de criminalité financière, et pour en alerter les clients, étaient manuels, ce qui ralentissait les délais de réponse.
• Un volume de données dépassant de loin la capacité de recherche manuelle. La Société Q devait surveiller plus de 600 sources gouvernementales ainsi que des milliers d'articles de presse publiés chaque jour, un volume bien au-delà des capacités de la recherche manuelle.
• Un logiciel générique de fouille de textes passant à côté de contenus clés. Le logiciel de fouille de textes du commerce, à lui seul, manquait ou interprétait mal des contenus pertinents en raison des variantes orthographiques des noms, des structures de phrases complexes et des incohérences de ponctuation dans les sources réelles.
• Aucun moyen de vérifier les résultats automatisés par rapport aux documents sources. La Société Q avait besoin que chaque fait extrait automatiquement puisse être retracé jusqu'à sa source d'origine, compte tenu des enjeux juridiques et réglementaires réels des décisions de conformité.

• Automatiser les processus centraux de collecte, d'extraction et de qualité des données de MIS afin de raccourcir considérablement les temps de cycle de traitement.
• Construire des connecteurs vers plus de 600 sources de données gouvernementales et des milliers d'articles de presse quotidiens.
• Développer des règles d'extraction d'entités personnalisées, adaptées aux défis linguistiques spécifiques des contenus relatifs à la criminalité financière et aux listes de surveillance.
• Concevoir et mettre en œuvre une plateforme complète, incluant l'assurance qualité, la formation et la documentation technique.

Comment Iknow a structuré le travail

Iknow a structuré la première phase de la mission autour de quatre étapes critiques (identifier les sources cibles, construire les connecteurs, créer des règles d'extraction personnalisées et charger les résultats structurés dans la nouvelle plateforme), reflétant la méthodologie d'Iknow de classification automatisée de contenu pour transformer de grands volumes de contenus gouvernementaux et journalistiques non structurés en données de conformité fiables et exploitables.

Activités et décisions clés

• Identification des sources cibles. Iknow a travaillé avec la Société Q pour identifier les sources cibles, en mettant à jour sa liste de sources de données par l'ajout de nouvelles sources, la suppression des sources inactives et la mise à jour des licences d'abonnement.
• Développement des connecteurs. Iknow a construit des connecteurs individuels permettant à la nouvelle plateforme de collecter des informations directement auprès de plus de 600 sites web gouvernementaux fédéraux, étatiques et locaux et de milliers d'articles de presse publiés chaque jour.
• Règles personnalisées d'extraction et de validation. Iknow a construit plus de 200 règles personnalisées pour extraire les noms et autres entités des articles de presse et valider les termes extraits, en traitant les variantes orthographiques, les structures de phrases et les variations de ponctuation qui amenaient les logiciels du commerce à manquer ou à mal interpréter le contenu.
• Chargement des données structurées. Iknow a chargé les résultats de la fouille de textes dans la nouvelle plateforme, en convertissant les entités extraites en données structurées chargées dans la base de données propriétaire de MIS.
• Conception et mise en œuvre du système. Iknow a conçu et mis en œuvre le système complet sur SAP BusinessObjects Text Analysis, retenu pour ses fonctionnalités supérieures de traitement du langage naturel et d'extraction d'entités, et a capturé et stocké les articles en texte intégral comme justificatif de chaque entrée de la base de données.
• Assurance qualité, formation et documentation. Iknow a réalisé les tests et la validation d'assurance qualité de l'ensemble du système, a préparé et dispensé la formation des utilisateurs finaux et des administrateurs, et a rédigé la documentation technique.

Parties prenantes et collaboration

Iknow est intervenu en tant que maître d'œuvre, travaillant directement avec le vice-président des opérations de la Société Q et son personnel interne tout au long de la conception, de la mise en œuvre et du déploiement du système.

Extraire des entités exactes de textes réels et incohérents

Les variantes orthographiques des noms, les structures de phrases complexes et les incohérences de ponctuation dans les contenus gouvernementaux et journalistiques réels amenaient les logiciels génériques de fouille de textes à manquer ou à mal interpréter les contenus dont la Société Q avait le plus besoin. Iknow y a répondu en construisant plus de 200 règles personnalisées spécifiquement adaptées à ces défis linguistiques.

Donner aux clients la confiance nécessaire pour agir sur des données de conformité automatisées

L'extraction automatisée seule ne suffisait pas dès lors que les données obtenues éclaireraient de véritables décisions de conformité ayant un poids juridique pour les institutions clientes de MIS. Iknow y a répondu en capturant et en stockant l'article source en texte intégral derrière chaque entrée de la base de données, de sorte que chaque fait extrait automatiquement puisse être retracé jusqu'à sa source d'origine et vérifié par rapport à celle-ci.

Résultats quantitatifs

• Couverture des sources de données : des connecteurs construits vers plus de 600 sites web gouvernementaux fédéraux, étatiques et locaux et des milliers d'articles de presse publiés chaque jour.
• Règles personnalisées livrées : plus de 200 règles personnalisées d'extraction et de validation construites.
• Temps de traitement atteint : un temps de traitement de bout en bout réduit à aussi peu que cinq minutes.
• Traçabilité des sources livrée : les articles sources en texte intégral capturés et stockés comme justificatif de chaque entrée de la base de données.
• Durée de la mission : une mission de huit mois.

Résultats qualitatifs

La nouvelle plateforme technologique capture automatiquement les noms des personnes et des entreprises condamnées pour des activités criminelles à caractère financier et stocke ces informations dans la base de données propriétaire de l'entreprise, réduisant considérablement les temps de cycle de collecte, d'analyse, de traitement et de chargement des données. Comme l'a exprimé le vice-président des opérations de la Société Q : « La nouvelle plateforme nous permet de comparer les informations des nouveaux comptes de nos clients avec des données en quasi temps réel dans notre base de données propriétaire. Nous rendons compte à nos clients le jour même de toute information sur ces comptes nécessitant un examen plus approfondi. » Ce traitement le jour même a représenté un changement fondamental dans la capacité de la Société Q à servir ses plus de 4 000 institutions financières clientes.

Délai avant impact

En l'espace d'une mission d'environ huit mois, Iknow a fait passer la Société Q d'un processus largement manuel de filtrage des listes de surveillance et de la criminalité financière à une plateforme entièrement automatisée capable d'alerter les clients le jour même, avec un traitement de bout en bout en aussi peu que cinq minutes.

Compétences clés

• Extraction automatisée d'entités et fouille de textes
• Conception de plateformes de données de conformité financière
• Intégration de systèmes et développement de connecteurs de données
• Validation de la qualité des données

Méthodes et cadres

• Extraction d'entités fondée sur des règles personnalisées
• Architecture de données traçable jusqu'aux sources
• Tests et validation d'assurance qualité de bout en bout

Technologies et outils

• SAP BusinessObjects Text Analysis
• Connecteurs de données vers les sites web gouvernementaux et les sources d'actualités ; intégration à la base de données propriétaire de conformité