Prenez contact avec nous

Plan du cours

Introduction à l'IA dans les crimes financiers

  • Aperçu de la fraude et de l'AML à l'ère de la finance numérique
  • Approches traditionnelles vs approches basées sur l'IA
  • Études de cas provenant de Mastercard, JPMorgan et des banques mondiales

Apprentissage automatique pour la surveillance des transactions

  • Apprentissage supervisé pour la notation des risques et la classification
  • Apprentissage non supervisé pour la détection d'anomalies
  • Génération d'alertes en temps réel et traitement en continu

Analyse de graphes et détection des risques réseau

  • Modélisation des relations entre les entités et les transactions
  • Détection des schémas de fraude complexes à l'aide de l'IA graphique
  • Pratique avec Neo4j ou des outils similaires

Traitement du langage naturel pour l'AML

  • Exploitation de textes dans la diligence raisonnable sur les clients (CDD)
  • Balayage des listes de surveillance à l'aide de la reconnaissance d'entités nommées (NER)
  • Revue de documents basée sur des requêtes et rapports d'activités suspectes (SAR)

Gouvernance des modèles et explicabilité

  • Création de modèles explicables et auditable
  • Détection et atténuation des biais dans les algorithmes de détection de fraude
  • Utilisation des techniques d'IA explicable (XAI) dans les contextes de conformité

Éthique, réglementation et risque de modèle

  • Conformité aux cadres AML et KYC (par ex. FATF, FinCEN, EBA)
  • Éthique de l'IA dans la surveillance et le suivi des clients
  • Normes de reporting et audibilité réglementaire

Stratégies de déploiement et tendances futures

  • Intégration des modèles d'IA dans les systèmes transactionnels existants
  • Boucles de rétroaction et mécanismes de mise à jour des modèles
  • Avenir de l'IA générative dans l'enquête sur les fraudes et l'automatisation des SAR

Résumé et prochaines étapes

Pré requis

  • Une bonne compréhension des risques de fraude et des procédures AML
  • Une expérience en analyse de données ou en reporting de conformité
  • Une connaissance basique de Python ou des plateformes d'analyse

Public visé

  • Professionnels de la gestion des risques de fraude
  • Équipes de conformité AML
  • Responsables de la sécurité
 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires