Comment les forces de l'ordre utilisent l'IA pour lutter contre la criminalité crypto activée par l'IA
La criminalité crypto activée par l'IA n'est plus une préoccupation de niche réservée aux unités spécialisées dans la fraude. Le Centre de plaintes pour crimes sur Internet du FBI a enregistré 22 364 plaintes et près de 893 millions USD de pertes liées à l'IA lors de sa première année de suivi de cette catégorie, sur un total de près de 21 milliards USD de pertes déclarées. La réponse des forces de l'ordre a été de faire face à la menace avec la même technologie : les agences aux États-Unis, au Royaume-Uni et au-delà utilisent désormais l'IA pour accomplir en quelques minutes ce qui prenait auparavant des semaines aux équipes d'enquête. Pour les cabinets comptables, les auditeurs et les CFO exposés aux actifs numériques, comprendre comment cette capacité d'enquête fonctionne, et ce qu'elle permet de voir, est aussi important que de comprendre les crimes eux-mêmes.
À quoi ressemble réellement la criminalité activée par l'IA en 2026
La criminalité activée par l'IA englobe toute activité criminelle dans laquelle l'intelligence artificielle est utilisée pour planifier, exécuter, étendre ou dissimuler l'infraction. Le spectre va d'un escroc utilisant un chatbot pour générer des messages de phishing plus convaincants, jusqu'à des services criminels complets construits autour d'une infrastructure d'IA.
L'indice de maturité et ce qu'il signale
TRM Labs suit l'adoption à travers ce qu'il appelle un indice de maturité de l'IA criminelle, qui a obtenu un score de 28 en 2024 et est passé à 54 en 2026. Les escroqueries et fraudes ont atteint la catégorie « Mature », ce qui signifie que l'IA est présente dans toute l'opération : ciblage des victimes, conversations à grande échelle, génération d'identités synthétiques et blanchiment des produits. Aucune autre catégorie criminelle n'a obtenu un score aussi élevé.
Les données sur les escroqueries par deepfake renforcent ce constat. Les pertes déclarées pour les escroqueries par deepfake au cours de la première partie de 2026 ont déjà dépassé l'ensemble de 2025 de 263 %, selon les chiffres cités dans les recherches de TRM.
Étude de cas : EvilTokens
En septembre 2026, l'unité des crimes numériques de Microsoft a dirigé une coalition qui a démantelé EvilTokens, un service de cybercriminalité par abonnement lancé plus tôt cette année-là. Pour des frais d'installation de 1 500 USD et 500 USD par mois, les acheteurs recevaient un chatbot IA qui lisait les boîtes de réception compromises, identifiait les factures fournisseurs et les approbations de paiement, et signalait les personnes les mieux placées pour déplacer l'argent. Le service était lié à plus de 12 000 boîtes de réception compromises dans plus de 10 000 organisations. Le démantèlement a combiné litige civil, suppression d'infrastructure, traçage financier et arrestations, illustrant que les actions répressives les plus efficaces ciblent les services facilitants, pas seulement les opérateurs individuels.
Schémas spécifiques aux cryptos
TRM a également documenté un schéma dans lequel des tutoriels générés par IA guidaient les spectateurs dans la construction de ce qui était présenté comme un « bot de trading crypto ». Les tutoriels conduisaient les victimes à déployer elles-mêmes des contrats drainer, transformant effectivement les actions des victimes en arme. Entre février et août 2026, l'opération a vidé 274,60 ETH de 224 victimes. Le schéma est significatif car l'infrastructure criminelle, les médias synthétiques et la mécanique on-chain s'étendaient simultanément sur plusieurs couches. Une escroquerie à l'investissement par deepfake peut impliquer une voix clonée, un kit de phishing loué, une coordination via des canaux Telegram, des fonds acheminés via une société écran et une sortie en stablecoin, le tout dans le cadre d'une seule opération.
Comment les enquêteurs déploient l'IA
Les agences qui obtiennent des résultats ne s'appuient pas sur un seul outil. Elles appliquent l'IA à plusieurs fonctions distinctes, les gains les plus importants provenant de la connexion de sources de données qui nécessitaient auparavant des recherches manuelles séparées.
Tri des preuves et revue documentaire
Les enquêtes modernes génèrent d'énormes volumes d'extractions téléphoniques, d'enregistrements vidéo, de journaux de discussion et de documents en plusieurs langues. Les outils d'IA transcrivent, traduisent, résument et signalent les éléments pertinents, permettant aux enquêteurs de commencer par ce qui compte plutôt que de tout traiter séquentiellement. Au Royaume-Uni, des essais précoces cités par le gouvernement comprenaient la revue de 800 heures de séquences d'une affaire d'enlèvement en trois heures. Les outils de cette catégorie sont parmi les plus largement adoptés précisément parce qu'ils accélèrent le travail sans substituer le jugement de la machine au jugement humain.
Résolution d'identité à travers les sources de données
Les criminels activés par l'IA répartissent leur empreinte sur des noms d'utilisateur, adresses e-mail, numéros de téléphone, portefeuilles et immatriculations d'entreprises. La résolution d'entités utilise l'IA pour reconnaître quand des identifiants dispersés appartiennent à la même personne ou au même réseau. Un enquêteur qui commence par une seule adresse de portefeuille ou un pseudonyme en ligne peut faire ressortir les liens de cet identifiant avec des comptes sociaux, une activité sur des forums du dark web, des dépôts d'entreprises et une activité on-chain en une seule session, plutôt que d'effectuer des recherches séparées sur plusieurs systèmes. Pour les cabinets gérant la due diligence client, c'est un signal direct : la même capacité de résolution d'entités qui aide les enquêteurs peut faire ressortir des incohérences dans les données KYC que les réviseurs humains pourraient manquer.
Liaison d'affaires entre juridictions
Les escroqueries activées par l'IA sont des opérations industrielles. Les mêmes opérateurs réutilisent des scripts, une infrastructure et des adresses de paiement à travers des milliers de victimes dans plusieurs juridictions. L'IA aide à regrouper les signalements de victimes et à faire ressortir des identifiants partagés, ce qui signifie qu'une plainte locale pour fraude peut être reliée algorithmiquement à un réseau plus large opérant à l'international. Les plateformes structurées de signalement d'escroqueries donnent aux enquêteurs les données sur lesquelles travailler, et l'IA rend la liaison tractable à grande échelle.
Traçage financier et récupération de fonds
La plupart de la criminalité activée par l'IA est motivée financièrement, et l'argent doit circuler. L'IA compresse des tâches comme le regroupement de portefeuilles de jours en minutes et permet aux enquêteurs d'interroger les données de transaction en langage naturel. Les outils d'analyse blockchain tracent les fonds à travers les chaînes jusqu'aux exchanges, bureaux de gré à gré et autres points de sortie où les actifs peuvent être gelés ou saisis. Cette capacité est directement pertinente pour les cabinets utilisant des logiciels de comptabilité crypto ou des logiciels de comptabilité d'actifs numériques : les mêmes pistes de transaction qui apparaissent dans vos registres sont visibles par les enquêteurs, et la qualité de votre documentation détermine la rapidité avec laquelle vous pouvez démontrer une provenance propre si vos contreparties font l'objet d'un examen.
Détection des médias synthétiques
Les outils de détection par IA analysent les images, vidéos et audios à la recherche de signes de manipulation, et aident les institutions financières à identifier les identités synthétiques au stade de l'onboarding. Les recherches de TRM notent que la précision de la détection chute considérablement sur les faux du monde réel, de sorte que l'approche d'enquête la plus efficace suit les preuves que les criminels ne peuvent pas falsifier : les pistes de paiement et l'infrastructure réutilisée. Les outils de détection sont une couche de la réponse, pas la réponse complète.
Rédaction de rapports et OSINT
L'IA générative est utilisée pour rédiger des rapports de police à partir d'audios de caméras-piétons et de notes, bien que les agences examinant ces outils soient claires sur le fait que les agents doivent examiner et assumer la responsabilité du document final. Les outils de renseignement open source et la surveillance du dark web aident les enquêteurs à attribuer des personas en ligne et à repérer les menaces émergentes, alimentant l'image globale du renseignement avant qu'une opération criminelle n'atteigne une échelle financière.
L'exigence de défendabilité
La criminalité activée par l'IA laisse rarement ses preuves au même endroit. Relier ces preuves entre les sources, et le faire d'une manière qui tienne devant un tribunal, est le défi central. Les agences qui obtiennent des résultats appliquent ce que la communauté du renseignement appelle une approche toutes sources : combiner des données on-chain, du renseignement open source, des registres d'entreprises, des listes de sanctions, des extractions d'appareils et des communications en une seule image probante, sans qu'aucune source unique ne soit traitée comme concluante et avec les conflits entre sources traités comme des constatations à part entière.
Ce que les tribunaux exigent
Chaque étape doit être documentée avec suffisamment de clarté pour soutenir un contre-interrogatoire. Cela signifie une provenance documentée pour chaque source de données, une méthodologie reproductible et un enquêteur humain exerçant son jugement à chaque point de décision matériel. Les outils d'IA qui produisent des résultats sans raisonnement auditable sont difficiles à utiliser dans des procédures contradictoires. Cette exigence façonne les outils que les agences déploient réellement par rapport à ceux qu'elles testent et mettent de côté.
L'opération Level Up du FBI illustre une application préventive du même principe. Plutôt que d'attendre que la perte financière soit complète, l'opération utilise le renseignement pour notifier les personnes qui sont en train d'être escroquées. Le FBI rapporte avoir atteint plus de 8 000 victimes et réduit les pertes de plus de 500 millions USD depuis le début de l'opération. La capacité sous-jacente est la reconnaissance de schémas assistée par IA appliquée suffisamment tôt pour intervenir.
Implications AML et conformité pour les cabinets
Le changement de capacité des forces de l'ordre a des implications directes pour les cabinets comptables, les auditeurs et les CFO gérant une exposition aux actifs numériques. Comprendre ces implications aide les cabinets à calibrer leurs propres contrôles AML et normes de documentation par rapport à ce que les enquêteurs peuvent désormais voir.
Registres de transaction et pistes d'audit
L'analyse blockchain à la vitesse de l'enquête signifie que le regroupement de portefeuilles et le traçage de fonds qui nécessitaient autrefois des semaines de travail spécialisé peuvent désormais être exécutés en quelques minutes. Les cabinets tenant des registres crypto via des logiciels de comptabilité crypto doivent s'assurer que l'attribution des portefeuilles, la catégorisation des transactions et l'identification des contreparties sont documentées à un niveau qui survit à un examen d'enquête, pas seulement à un audit interne. Si un client ou une contrepartie fait l'objet d'un examen, vos registres seront examinés par rapport aux preuves on-chain.
Pour une vue plus large de la manière dont l'IA est déjà appliquée à l'analyse blockchain dans un contexte AML, consultez notre couverture de comment l'IA est appliquée à la détection du blanchiment d'argent Bitcoin à grande échelle. Les cabinets traitant des transactions cross-chain devraient également examiner les signaux d'alerte AML que les équipes de conformité doivent connaître pour les piratages de ponts crypto, car l'activité des ponts est une caractéristique récurrente dans les schémas de blanchiment multicouches du type que les forces de l'ordre sont désormais équipées pour tracer de bout en bout.
KYC et risque d'identité synthétique
La résolution d'entités à l'échelle de l'enquête signifie que les incohérences dans les données d'onboarding, les identifiants non concordants entre documents, les portefeuilles liés à des adresses sanctionnées via des sauts intermédiaires, ou les structures d'entreprise qui se résolvent au même bénéficiaire effectif sous différents noms, sont tous plus visibles pour les régulateurs et les forces de l'ordre qu'ils ne l'étaient il y a deux ans. Les cabinets devraient examiner si leurs procédures KYC sont calibrées pour signaler les mêmes schémas que la résolution d'entités assistée par IA est conçue pour faire ressortir.
Qualité et timing des SAR
Lorsque l'IA relie un schéma de transaction local à un réseau international plus large, la déclaration d'activité suspecte qu'un cabinet a déposée il y a quelques semaines peut soudainement devenir une preuve centrale dans une enquête beaucoup plus vaste. La qualité de cette SAR, sa spécificité, les indicateurs documentés, la chronologie, détermine si elle soutient ou complique l'enquête. Les cabinets devraient traiter la rédaction des SAR comme un document médico-légal, pas administratif.
Exposition aux sanctions via une infrastructure liée à l'IA
L'affaire EvilTokens montre qu'une infrastructure criminelle peut connecter des milliers d'organisations à leur insu. Les cabinets dont les clients ou contreparties ont utilisé une infrastructure compromise, traité des paiements via des adresses ensuite identifiées comme liées à des réseaux sanctionnés, ou reçu des fonds de victimes de contrats drainer, peuvent faire face à des questions sur ce que leurs contrôles AML ont détecté et quand. Les logiciels de comptabilité d'actifs numériques offrant un filtrage des sanctions en temps réel et un signalement des contreparties réduisent matériellement cette exposition.
Questions fréquentes
Qu'est-ce que la criminalité activée par l'IA et pourquoi est-ce important pour les équipes de conformité ?
La criminalité activée par l'IA est toute infraction dans laquelle l'intelligence artificielle est utilisée pour planifier, exécuter, étendre ou dissimuler l'activité. Pour les équipes de conformité, la pertinence est que l'IA abaisse considérablement le coût et le seuil de compétence pour la fraude, la création d'identités synthétiques et le blanchiment d'argent à grande échelle. Des schémas qui nécessitaient auparavant des connaissances techniques spécialisées peuvent désormais être déployés comme des services par abonnement, ce qui signifie que le volume et la sophistication des menaces arrivant aux contrôles AML d'un cabinet ont considérablement augmenté.
Comment le traçage financier assisté par IA affecte-t-il les registres de transactions crypto de mon cabinet ?
Les outils d'analyse blockchain, accélérés par l'IA, peuvent tracer les fonds à travers plusieurs chaînes jusqu'aux exchanges et points de sortie en quelques minutes plutôt qu'en jours. Cela signifie que les registres de transaction que détient votre cabinet, y compris les attributions de portefeuilles et les identifications de contreparties, sont soumis à un niveau d'examen d'enquête qui n'était pas réalisable auparavant. Les registres incomplets ou catégorisés de manière incohérente créent un risque lorsque les enquêteurs examinent indépendamment les mêmes données on-chain.
Que signifie l'exigence de défendabilité pour les outils d'IA utilisés en conformité ?
Les tribunaux exigent que chaque étape d'une enquête assistée par IA soit documentée avec une provenance auditable et une méthodologie reproductible, un humain prenant chaque jugement matériel. Le même principe s'applique à la conformité : les résultats générés par IA utilisés dans les décisions AML, les revues KYC ou les dépôts de SAR doivent avoir un raisonnement documenté et une validation humaine. Les résultats qui ne peuvent pas être expliqués ou reproduits sont difficiles à défendre dans les enquêtes réglementaires ou les procédures judiciaires.
La détection des médias synthétiques est-elle suffisamment fiable pour être utilisée à l'onboarding ?
Les recherches de TRM indiquent que les outils de détection de deepfakes perdent une précision significative sur les faux du monde réel. Ils constituent une première couche utile mais ne devraient pas être le seul contrôle. Suivre des preuves corroborantes, telles que le comportement de paiement, la cohérence des appareils et les identifiants réseau, fournit une image plus robuste que tout résultat de détection unique. Les cabinets devraient traiter la détection des médias synthétiques comme un signal parmi plusieurs, pas comme une vérification concluante.
Quelles mesures opérationnelles les cabinets comptables devraient-ils prendre dès maintenant ?
Trois domaines sont les plus urgents. Premièrement, examinez l'attribution des portefeuilles et la catégorisation des transactions dans votre logiciel de comptabilité crypto pour vous assurer que les registres sont complets et que les contreparties sont identifiées. Deuxièmement, auditez les procédures KYC par rapport aux schémas de résolution d'entités que les enquêteurs assistés par IA font désormais ressortir régulièrement, en particulier les identifiants non concordants et les structures d'entreprise en couches. Troisièmement, examinez les normes de qualité des SAR : les SAR doivent être spécifiques, riches en indicateurs et chronométrées avec précision, car elles peuvent devenir des preuves matérielles dans des enquêtes beaucoup plus vastes que la transaction individuelle qui a motivé le dépôt.
Source : TRM Labs