L’approche fondée sur les risques en matière de LBC/FT : modélisation du risque de non-conformité et limites des méthodologies d’évaluation dans les établissements de crédits

Résumé

Résumé

L’approche fondée sur les risques (AFR) constitue le paradigme dominant de la lutte contre le blanchiment de capitaux et le financement du terrorisme (LBC/FT) depuis son adoption formelle par le GAFI en 2003. Pourtant, malgré la généralisation de son application aux établissements de crédit, sa mise en œuvre demeure hétérogène et ses fondements méthodologiques contestés. Cet article propose une analyse critique des méthodologies d’évaluation du risque de non-conformité LBC/FT dans les établissements de crédit, en examinant leurs limites conceptuelles et opérationnelles. À partir d’une revue systématique de la littérature et d’une analyse des référentiels réglementaires en vigueur, trois déficits majeurs sont identifiés : l’absence de standardisation des modèles de scoring de risque, la sous-représentation de la dimension comportementale dans les évaluations, et le manque de mécanismes de rétroaction permettant d’ajuster les évaluations en fonction des résultats observés. En réponse, un modèle d’évaluation dynamique du risque de non-conformité LBC/FT est proposé, intégrant des variables comportementales, transactionnelles et contextuelles. Ce modèle, ancré dans la théorie de la décision sous incertitude et les apports récents de l’apprentissage automatique, vise à combler les lacunes méthodologiques identifiées et à fournir aux praticiens de la conformité un outil d’aide à la décision plus robuste et plus adapté à la réalité des risques contemporains.

Mots clés : approche fondée sur les risques, risque de non-conformité, LBC/FT, scoring de risque, modélisation comportementale, GAFI, établissements de crédit, évaluation dynamique, machine Learning, compliance.

Abstract

The risk-based approach (RBA) has been the dominant paradigm in anti-money laundering and counter-terrorist financing (AML/CFT) since its formal adoption by the FATF in 2003. Yet, despite its widespread application to credit institutions, its implementation remains heterogeneous, and its methodological foundations contested. This article offers a critical analysis of AML/CFT non-compliance risk assessment methodologies in credit institutions, examining their conceptual and operational limitations. Drawing on a systematic literature review and an analysis of existing regulatory frameworks, three major deficits are identified: the absence of standardized risk scoring models, the under-representation of the behavioral dimension in assessments, and the lack of feedback mechanisms to adjust evaluations based on observed outcomes. In response, a dynamic AML/CFT non-compliance risk assessment model is proposed, integrating behavioral, transactional and contextual variables. This model, grounded in decision theory under uncertainty and recent machine learning insights, aims to address the identified methodological gaps and provide compliance practitioners with a more robust decision-support tool.

Keywords : AML/CFT (Anti-Money Laundering, Risk-Based Approach, Risk-Based Approach, Risk Scoring, Machine Learning