Know Your Counterparty : la conformité commence par la donnée

Connaître sa contrepartie commence par la donnée

Le Know Your Counterparty est le passage de l'évaluation d'un client isolé à la compréhension de l'entité, de ses relations, de son comportement transactionnel et des événements qui façonnent sa trajectoire dans le temps. Là où le Know Your Customer traditionnel se concentre sur un dossier unique à un instant donné, connaître sa contrepartie revient à traiter cette partie comme un nœud vivant au sein d'un réseau. On n'atteint pas cette vision en ajoutant un outil de plus. On l'atteint en faisant de la donnée la première couche de design de la conformité.

Dans un modèle traditionnel, la donnée de conformité est un sous-produit des opérations. Elle est collectée pour répondre à une obligation ponctuelle, un onboarding, une revue KYC périodique, une enquête, puis stockée dans un système qui n'a jamais été conçu pour alimenter les étapes suivantes du cycle de conformité. Une approche centrée sur la donnée renverse complètement cette logique. La donnée devient la première couche de design. Un modèle de donnée du risque unifié couvre les entités (clients, contreparties, bénéficiaires effectifs), les relations (liens capitalistiques, commerciaux, géographiques), les événements (transactions, changements de statut, incidents) et les référentiels réglementaires (listes de sanctions, PEP, typologies).

Ce modèle n'est pas théorique. Il sert de base à la conception des pipelines, des contrôles et des décisions. Les flux de données sont pensés avec la conformité en cible : normalisation des identifiants, harmonisation des formats, traçabilité des transformations (data lineage) et gouvernance explicite des sources de vérité. La donnée cesse d'être un gisement dispersé pour devenir une infrastructure organisée afin de produire une lecture claire du risque.

Les quatre dimensions de la donnée de contrepartie

Une architecture du risque robuste repose sur quatre dimensions fondamentales de la donnée de contrepartie, à structurer de manière cohérente.

1. L'identité

Toute analyse de conformité commence par la compréhension de la personne ou de l'entité avec laquelle l'institution est en relation. Cette identité dépasse largement le numéro de client et quelques attributs administratifs. Elle inclut la structure économique, la nature de l'activité, l'organisation juridique et l'environnement relationnel. Dans une architecture du risque, l'identité devient une structure dynamique qui s'enrichit au fil du temps, au gré des interactions et des revues.

2. Les transactions

Les flux financiers sont l'expression concrète de l'activité du client. Lorsqu'ils restent isolés du reste de l'information, leur interprétation est fragile : une transaction qui semble inhabituelle peut être parfaitement cohérente une fois replacée dans son contexte économique global. Une architecture du risque relie systématiquement les flux aux autres dimensions de la donnée, afin de réduire la production d'alertes non pertinentes et d'améliorer la qualité de la détection.

3. Les relations

Les individus et les organisations opèrent au sein de réseaux de liens économiques, juridiques et financiers. Une part significative des schémas de fraude, de blanchiment ou d'évasion repose sur l'exploitation de structures relationnelles complexes, conçues pour masquer l'origine ou la destination des fonds. Une architecture de conformité robuste cartographie ces relations de manière explicite, y compris les bénéficiaires effectifs, dans une représentation structurée de l'écosystème économique du client.

4. Les événements

Le risque n'est passtatique. Il évolue sous l'effet des changements de gouvernance, des restructurations, des incidents opérationnels ou de l'apparition d'informations négatives dans les médias. Une architecture du risque intègre ces événements dans une vision dynamique, permettant de passer d'une surveillance ponctuelle à une vigilance continue.

Pourquoi la donnée fragmentée casse la conformité, et l'IA aggrave le problème

Dans beaucoup d'organisations, ces quatre dimensions existent déjà, mais éclatées dans des systèmes hétérogènes.

• Les informations d'identité sont stockées dans une plateforme d'onboarding et un référentiel KYC;
• Les transactions dans les systèmes de core banking et de surveillance;
• Les relations dans des bases juridiques ou des CRM;
• Les événements dans des outils de veille et des tableaux de suivi.

Aucun système n'agrège durablement ces perspectives dans une vue unifiée du risque.

Cette fragmentation n'est pas un détail technique. C'est une propriété structurelle du modèle additif, la même crise silencieuse de l'architecture de conformité qui s'est installée en deux décennies. Chaque nouveau projet introduit sa propre base, son propre schéma, ses propres interfaces, ce qui accroît la charge de reconstitution pour les équipes.

Dans ce contexte, ajouter de l'IA sur une architecture fragmentée ne résout rien : cela accélère la production de signaux incohérents et industrialise les biais. L'IA devient un révélateur des incohérences de la donnée, pas un remède à la fragmentation.

Principes de design d'une architecture du risque centrée sur la donnée

Pour sortir de cette impasse, plusieurs principes de design centrés sur la donnée s'appliquent.

1. Le premier consiste à définir un modèle de donnée du risque unifié, partagé entre les fonctions métiers, risques, conformité et IT. Ce modèle ne se contente pas de décrire des champs. Il explicite les liens entre identités, relations, transactions et événements, ainsi que leur usage dans les processus décisionnels.
2. Le deuxième principe porte sur l'intégration et la qualité. Les pipelines doivent être conçus pour rendre explicites les transformations, les contrôles et les sources de vérité, afin de garantir la cohérence et la traçabilité.
3. Un troisième principe porte sur la transparence par conception. Les flux de données doivent être instrumentés de manière à produire naturellement les informations nécessaires à l'auditabilité : horodatage, journalisation des traitements et enregistrement des règles appliquées.

Ces éléments ne sont plus ajoutés après coup. Ils deviennent des attributs intrinsèques de l'architecture. Dans ce cadre, une IA de conformité ne vaut jamais mieux que l'architecture de données qui la nourrit. La performance des modèles dépend directement de la qualité, de la cohérence et de la complétude de cette infrastructure.

Du Know Your Customer au Know Your Counterparty

Ce basculement vers une architecture du risque centrée sur la donnée prépare un changement de paradigme plus profond : passer du Know Your Customer au Know Your Counterparty. Là où le KYC traditionnel se concentre sur l'entité isolée, connaître sa contrepartie revient à s'intéresser à l'entité, à ses relations, à son comportement transactionnel et aux événements qui affectent sa trajectoire. La contrepartie devient une structure vivante au sein d'un réseau, et non plus un dossier figé.

C'est aussi pourquoi l'ordre compte. On ne connaît pas sa contrepartie en achetant un module de plus. On connaît sa contrepartie lorsque l'identité, les transactions, les relations et les événements sont reliés dans un même modèle et gouvernés dans le temps. L'architecture de données est le préalable. La vue de la contrepartie en est le bénéfice. Si la conformité de demain doit être IA-native et orchestrée, elle doit d'abord être data-native.

Le modèle de donnée du risque unifié à la base

Ce socle informationnel est ce qu'une architecture du risque doit réussir : comment les institutions construisent un modèle de donnée du risque unifié, en gouvernent la qualité et évitent que l'IA ne devienne un amplificateur de biais systémiques. Le message est simple : pour connaître sa contrepartie plutôt que son seul client, la conformité doit être data-native avant d'être IA-native. Les institutions qui l'intègrent ne se contenteront pas de mieux détecter le risque. Elles verront enfin le réseau derrière chaque dossier.

Ces idées sont développées en détail dans notre livre blanc, The Living Architecture of Risk, qui détaille comment bâtir le modèle de donnée du risque unifié dont dépend le Know Your Counterparty.

Questions fréquentes sur le Know Your Counterparty

Qu'est-ce que le Know Your Counterparty ?

Le Know Your Counterparty est une approche de conformité qui évalue une partie comme une entité reliée plutôt que comme un client isolé. Il réunit l'identité de l'entité, ses transactions, ses relations et les événements qui l'affectent dans une vue du risque unique et gouvernée. Là où le Know Your Customer répond à « qui est ce client », le Know Your Counterparty répond à qui est cette partie, dans quel réseau, avec quel comportement et selon quelle évolution.

En quoi le Know Your Counterparty diffère-t-il du Know Your Customer ?

Le Know Your Customer se concentre sur la vérification d'un dossier client unique à un instant donné. Le Know Your Counterparty traite cette partie comme un nœud vivant au sein d'un réseau de liens capitalistiques, commerciaux et financiers, surveillé en continu. La différence ne tient pas à la profondeur d'un dossier, mais aux connexions entre plusieurs, ce qui explique pourquoi elle repose sur une architecture du risque unifiée plutôt que sur un simple contrôle d'onboarding.

De quelles données a-t-on besoin pour connaître sa contrepartie ?

Quatre dimensions : l'identité (structure économique, gouvernance, activité), les transactions (flux replacés dans leur contexte), les relations (réseaux de détention et bénéficiaires effectifs) et les événements (changements de gouvernance, adverse media, sanctions, incidents). Connaître sa contrepartie consiste à relier ces quatre dimensions dans un même modèle, plutôt qu'à les stocker dans quatre systèmes distincts.

Pourquoi connaître sa contrepartie exige-t-il une architecture de données unifiée ?

Parce que le risque réside le plus souvent dans les connexions, et non dans un enregistrement isolé. Tant que l'identité, les transactions, les relations et les événements restent dans des systèmes séparés, les analystes reconstituent le contexte à la main et une IA entraînée sur des signaux partiels amplifie les manques. Une architecture du risque unifiée est ce qui rend possible une vue fiable de la contrepartie, et une IA digne de confiance par-dessus.

Cet article distille le livre blanc de Harmoney, The Living Architecture of Risk : la conformité n'est plus prouvée, elle se démontre. Téléchargez-le pour découvrir comment l'identité, les transactions, les relations et les événements se rejoignent dans un modèle de donnée du risque unique, ou échangez avec notre équipe au sujet de votre propre architecture.