Faire évoluer la surveillance des transactions crypto sans faire exploser les coûts
Le problème central : volume d'alertes contre capacité de l'équipe
Toute fonction de conformité crypto se situe quelque part entre deux modes de défaillance. Le premier est de manquer un risque réel parce que les analystes sont submergés par le volume. Le second est de dépenser tellement en temps d'analyste et en outils d'enquête que la conformité devient un frein à la croissance plutôt qu'un facilitateur.
La réponse standard de l'industrie à la hausse du volume d'alertes a été additive : plus d'analystes, plus de licences pour les plateformes d'enquête, plus de formation. Chacun de ces éléments coûte de l'argent, et aucun ne réduit le travail réel qu'exige chaque alerte. La courbe des coûts augmente donc à peu près parallèlement au volume de transactions, ce qui n'est pas un modèle viable pour une entreprise qui compte croître.
Pourquoi le niveau d'enquête n'est pas le bon choix par défaut
Elliptic distingue deux niveaux distincts dans une architecture de conformité crypto. Le niveau de filtrage détecte le risque en temps réel au fur et à mesure que les transactions sont traitées. Le niveau d'enquête fournit la profondeur médico-légale nécessaire pour les cas susceptibles d'aboutir à une déclaration d'activité suspecte (SAR), à un signalement aux forces de l'ordre ou à une escalade réglementaire exigeant une documentation de qualité probante.
Les environnements d'enquête sont réellement puissants, mais ils sont aussi coûteux et nécessitent des spécialistes formés. Ils ont été conçus pour la profondeur, non pour la vitesse. Faire passer chaque alerte par ce niveau, quelle que soit sa complexité, traite un signal opérationnel à faible risque avec la même intensité de ressources qu'un cas d'obfuscation sophistiqué. C'est cette inadéquation architecturale qui génère les coûts.
La répartition 95-5 : à quoi ressemblent réellement les populations d'alertes
D'après l'expérience d'Elliptic sur des milliers d'alertes mensuelles traitées par les équipes de conformité d'entreprises de cryptoactifs et d'institutions financières traditionnelles, environ 95 % du volume d'alertes relève du tri opérationnel. Ce sont des alertes qui nécessitent une résolution rapide et contextuelle, une décision défendable avec une documentation adéquate, mais pas un dossier de preuves digne d'un tribunal. Seules environ 5 % des alertes exigent la profondeur d'enquête médico-légale pour laquelle le niveau lourd a été conçu.
L'implication pratique est considérable. Si l'architecture d'une équipe de conformité fait passer la majorité de ces 95 % par l'environnement d'enquête, elle consomme la ressource la plus coûteuse du programme pour un travail qui pourrait et devrait être résolu au niveau du filtrage. Le ratio d'alertes résolues à chaque niveau, plus que les effectifs ou les dépenses d'outillage pris isolément, détermine le profil de coûts de la fonction de conformité.
Ce que « résolution défendable au niveau du filtrage » exige
Pour que le niveau de filtrage traite la majorité opérationnelle sans pousser inutilement des cas vers l'enquête, les analystes ont besoin de trois éléments disponibles au moment où l'alerte est générée : une visualisation des flux de fonds on-chain pertinents, le contexte client existant que l'entreprise détient déjà sur la contrepartie, et un résumé en langage clair de ce que signifient réellement les indicateurs de risque.
Sans ces trois éléments, même une alerte simple peut sembler insoluble au premier examen, ce qui déclenche une escalade non pas parce que le cas nécessite une enquête, mais parce que l'analyste manque du contexte nécessaire pour prendre une décision confiante. C'est dans cette escalade que les coûts s'accumulent.
Conception architecturale : filtrage et enquête comme un seul flux de travail
La position publiée d'Elliptic décrit ses deux produits, Lens pour le filtrage et Investigator pour le travail d'enquête médico-légale, comme deux étapes d'un seul flux de travail plutôt que comme deux outils distincts. L'intention de conception est que les 95 % opérationnels des alertes soient résolus dans Lens, tandis que les véritables escalades transportent automatiquement leur contexte complet vers Investigator. Les analystes qui commencent une enquête ne reconstruisent pas l'image depuis zéro ; le graphe de risque et le contexte client développés pendant le filtrage suivent le dossier.
Affichage automatique du graphe de risque
Un élément clé de la conception du niveau de filtrage est que le graphe de risque, une visualisation des relations on-chain liées à la transaction signalée, est généré automatiquement lorsqu'une alerte se déclenche. Les analystes ne passent pas de temps à construire des diagrammes de flux de fonds avant de pouvoir commencer l'interprétation. Ils démarrent avec l'image déjà devant eux, ce qui signifie que leur temps est consacré au jugement plutôt qu'à l'assemblage. La cohérence s'améliore par effet secondaire : chaque évaluateur travaillant à partir du même graphe généré automatiquement applique une norme analytique plus uniforme que les équipes s'appuyant sur des visualisations construites manuellement.
Synthèse assistée par IA
Elliptic décrit une couche assistée par IA au sein de son produit de filtrage qui lit les données de risque des entités et présente les faits pertinents en langage clair. L'effet recherché est que l'évaluateur absorbe en quelques secondes ce qui nécessiterait autrement plusieurs minutes d'interprétation manuelle sur de multiples points de données. Pour les opérations à fort volume traitant des milliers d'alertes par mois, cette compression du temps par alerte est le mécanisme par lequel le niveau de filtrage devient viable pour la majorité opérationnelle.
Quand l'enquête est la bonne réponse
L'architecture n'est pas construite sur le postulat que l'enquête est inutile. Elle est construite sur le postulat que l'enquête doit être réservée aux cas pour lesquels elle a été conçue. Elliptic identifie un ensemble spécifique de scénarios qui justifient une profondeur médico-légale : les flux de fonds acheminés via des bridges et des exchanges décentralisés utilisant des schémas d'obfuscation sophistiqués, les cas nécessitant un soutien de qualité poursuivable pour la récupération d'actifs, et les escalades réglementaires où une documentation de qualité probante est non négociable. Ces cas ne sont pas résolus au niveau du filtrage, et l'architecture ne cherche pas à les y forcer.
Implications pour la conformité, la comptabilité et l'audit des entreprises
Pour les cabinets comptables, les directeurs financiers et les responsables conformité des entreprises de cryptoactifs, l'argument d'Elliptic a des implications qui dépassent le choix des outils LCB-FT.
Structure de coûts et budget de conformité
Si les ratios alertes/analystes forcent actuellement la majorité du tri opérationnel à passer par un environnement de qualité enquête, le coût de conformité par transaction est plus élevé que nécessaire. C'est une question de budgétisation et de ressources autant qu'une question opérationnelle. Les entreprises qui utilisent un logiciel de comptabilité d'actifs numériques pour suivre les volumes de transactions disposent déjà des données permettant de modéliser ce qu'un changement de ce ratio d'orientation signifierait pour la capacité des analystes et les dépenses d'outillage. La question à se poser est de savoir combien d'escalades du dernier trimestre ont été résolues sans produire de SAR ni de signalement aux forces de l'ordre, et ce que cela dit sur l'endroit où la résolution se produit réellement.
Piste d'audit et défendabilité réglementaire
Une préoccupation récurrente pour les fonctions de conformité sous surveillance réglementaire est la qualité de la documentation. Les régulateurs qui examinent les programmes LCB-FT attendent non seulement qu'une décision ait été prise, mais aussi comment et sur quelle base. La conception d'Elliptic capture les actions, les notes et le contexte de risque au moment où les décisions de filtrage sont prises, créant une piste d'audit par défaut plutôt qu'a posteriori. Pour les entreprises opérant sous les directives du Groupe d'action financière (GAFI), le règlement européen anti-blanchiment (AMLR) ou des cadres nationaux équivalents, cette documentation intégrée répond directement aux attentes réglementaires.
Pénurie de talents et coûts d'intégration
Les talents en conformité crypto sont rares à l'échelle mondiale. Le temps nécessaire pour amener un nouvel analyste au niveau attendu par les régulateurs s'est historiquement mesuré en mois, non en semaines. Si l'architecture fournit par défaut le contexte de risque, un graphe préconstruit et un résumé en langage clair généré par IA, l'écart entre la production d'un analyste junior et celle d'un analyste senior se réduit. Cela a des implications directes sur la manière dont les entreprises modélisent leurs plans de recrutement et ce qu'elles budgétisent pour la formation. Cela affecte aussi le profil de risque de l'intégration : un nouvel analyste travaillant dans un environnement qui fait émerger le contexte automatiquement est moins susceptible de commettre une erreur lourde de conséquences pendant la période où il construit encore son jugement.
Relier l'architecture LCB-FT à l'ensemble de la pile de conformité
Pour les entreprises qui utilisent un logiciel de tenue de comptes crypto ou un logiciel plus large de comptabilité d'actifs numériques pour gérer les enregistrements de transactions, le lien entre ce niveau et celui du filtrage LCB-FT est important. Le contexte client qui rend les décisions de filtrage défendables, profils d'entités, historique de transactions, signalements de contreparties, réside dans les données comptables et clients que l'entreprise détient déjà. Le degré auquel ce contexte est automatiquement disponible dans l'environnement de filtrage, plutôt que d'exiger que les analystes passent d'un système à l'autre, est une question opérationnelle pratique autant qu'une question de produit. Les entreprises qui examinent leur architecture de conformité devraient traiter la connectivité des données entre le niveau comptable et le niveau LCB-FT comme une exigence fondamentale plutôt qu'un simple atout. Pour une discussion plus large sur la manière dont les logiciels de comptabilité crypto se connectent aux obligations de conformité, notre pilier sur les déclarations de conformité crypto couvre l'ensemble de la pile.
Les entreprises qui suivent les schémas d'application devraient aussi être conscientes de l'évolution de l'analyse blockchain pilotée par IA pour la détection LCB-FT, ainsi que des signaux d'alerte LCB-FT spécifiques auxquels les équipes de conformité font face avec les piratages de bridges crypto, qui illustrent tous deux où les 5 % médico-légaux du volume d'alertes sont susceptibles de se concentrer.
Questions fréquentes
Quelle est la différence entre un niveau de filtrage et un niveau d'enquête dans la LCB-FT crypto ?
Le niveau de filtrage détecte et trie le risque en temps réel au fur et à mesure que les transactions sont traitées, visant une résolution rapide et défendable de la majorité des alertes. Le niveau d'enquête fournit une profondeur médico-légale pour les cas complexes susceptibles d'aboutir à des déclarations SAR, à des signalements aux forces de l'ordre ou à des escalades réglementaires exigeant une documentation de qualité probante. Les deux servent des objectifs différents et ont des coûts différents.
Pourquoi faire passer toutes les alertes par les outils d'enquête crée-t-il un problème de coûts ?
Les environnements d'enquête sont gourmands en ressources par conception. Ils nécessitent des spécialistes formés et entraînent des coûts par alerte plus élevés qu'un outil de filtrage. Lorsque la majorité opérationnelle des alertes, celles qui pourraient être résolues par un examen contextuel rapide, est poussée par ce niveau, le coût de conformité par transaction est plus élevé que nécessaire et évolue avec le volume d'une manière qui devient intenable.
Quels régulateurs et cadres régissent la documentation de surveillance des transactions crypto ?
Le Groupe d'action financière (GAFI) établit la norme mondiale pour les obligations LCB-FT des prestataires de services sur actifs virtuels, y compris les exigences de tenue de registres. Au niveau régional, le règlement européen anti-blanchiment et le futur cadre de l'Autorité de lutte contre le blanchiment (AMLA) fixent les attentes en matière de documentation. Les régulateurs nationaux, tels que FinCEN aux États-Unis et la FCA au Royaume-Uni, appliquent leurs propres règles dans ces cadres. Dans chaque cas, les entreprises sont tenues de démontrer comment et sur quelle base les décisions de filtrage ont été prises.
Comment la synthèse par IA affecte-t-elle la qualité des décisions LCB-FT ?
La synthèse assistée par IA au niveau du filtrage vise à compresser le temps qu'un analyste consacre à assembler et interpréter les données de risque avant de prendre une décision. Elle ne remplace pas le jugement de l'analyste ; elle réduit l'effort manuel nécessaire pour atteindre le point où le jugement peut être appliqué. La défendabilité réglementaire de la décision dépend toujours de l'évaluation de l'analyste, mais le seuil de qualité s'élève lorsque les analystes partent d'une image de risque cohérente et pré-synthétisée plutôt que de l'assembler eux-mêmes à partir de données brutes.
Que doivent rechercher les responsables conformité lorsqu'ils évaluent leur architecture LCB-FT actuelle ?
Un point de départ utile consiste à examiner quelle proportion des escalades du niveau de filtrage au cours d'une période donnée a abouti à une déclaration SAR ou à un signalement aux forces de l'ordre. Un écart important entre les escalades et les résultats suggère que des cas sont poussés inutilement dans l'environnement d'enquête. Il vaut également la peine d'examiner si le contexte client est disponible pour les évaluateurs au sein même de l'outil de filtrage ou s'il nécessite de passer d'un système à l'autre, et si les décisions de filtrage sont documentées automatiquement ou a posteriori.
Source : Elliptic
]]>