L’IA vient pour la conformité crypto, pas comme la plupart des gens le pensent

Par Pierre Gérard, PDG et co-fondateur, Scorechain

Lorsque nous avons fondé Scorechain au Luxembourg en 2015, l’« analyse blockchain » n’était pas encore une catégorie. Nous avons passé les premières années à expliquer aux banques et aux régulateurs pourquoi la transparence d’un registre public était une opportunité plutôt qu’une menace. Une décennie plus tard, je regarde la même incompréhension s’attacher à l’intelligence artificielle (IA), et cela coûte à l’industrie du temps dont elle ne dispose pas.

Deux histoires dominent la conversation. La première dit que l’IA remplacera bientôt les équipes de conformité entièrement. La seconde dit que l’IA est trop imprévisible pour la laisser approcher l’activité financière réglementée. Je ne crois ni l’un ni l’autre, et je le dis en tant que personne dont l’entreprise a évalué les risques de plus de 2 800 prestataires de services sur actifs virtuels (VASP) depuis 2015, et qui a passé les deux dernières années à ajouter l’IA là où elle aide véritablement, comme une couche séparée plutôt que comme quelque chose intégré dans les outils de conformité sur lesquels nos clients dépendent.

Commencez par le problème que chaque agent de conformité avec qui je parle soulève dans les cinq premières minutes : le bruit. Un système de screening de sanctions réglé de la manière dont une banque nerveuse le règle peut générer des faux positifs à hauteur de 95 %. Le monitoring de transaction n’est pas loin derrière. Ainsi, un analyste formé, quelqu’un qui comprend les typologies et peut lire un flux de fonds, passe la majeure partie de la journée de travail à effacer les alertes qui n’étaient jamais des risques : rejeter les correspondances de noms sur un nom de famille commun, lire cinq articles de presse défavorables qui s’avèrent décrire une personne totalement différente. Chaque vérification de presse défavorable prend à un analyste 10 à 20 minutes. C’est la texture réelle du travail de conformité aujourd’hui, et c’est pourquoi les bonnes personnes se brûlent dans cette profession.

C’est ici que l’automatisation gagne sa place, et c’est un espace plus étroit que ne le suggère l’hype. Je ne suis pas neutre à ce sujet. Scorechain AI existe pour remettre à un analyste un rapport unique : le score de risque d’un portefeuille, les types d’entités avec lesquelles il a interagi, et les services et contreparties nommés auxquels il a été exposé. C’est un travail qui signifiait autrefois des heures de traçage manuel à travers un registre. Mais remarquez ce que le rapport fait et ne fait pas. Il ne décide de rien. Il compresse les preuves afin que l’agent de conformité, la personne qui doit valider cette décision et la défendre devant un régulateur plus tard, puisse les lire en quelques minutes puis prendre la décision. C’est tout le jeu. Une bonne automatisation ne réduit pas la fonction de conformité ; elle la retire du tapis roulant du triage et la ramène vers le jugement.

La distinction compte, car l’alternative est dangereuse. Dans un cadre réglementé, un modèle ne peut pas répondre à un superviseur. La Sixième Directive Anti-Blanchiment (AMLD6) et le Règlement sur les Actifs Crypto-Monétaires (MiCA) exigent tous deux qu’une institution explique et soutienne ses décisions. « L’algorithme l’a signalé » n’est pas une défense lors d’une inspection, et « l’algorithme l’a validé » est pire. Donc la seule conception responsable est l’IA en tant que couche de support assise sur des données fiables, avec un agent de conformité nommé conservant la décision et la responsabilité qui l’accompagne. La supervision humaine n’est pas une roue d’entraînement que nous retirons une fois que le modèle mûrit. C’est l’architecture.

Et un modèle n’est jamais meilleur que ce qui se trouve en dessous. C’est la partie que les outsiders manquent. À lui seul, un IA lisant une blockchain ne voit que des chaînes de caractères anonymes transférant de la valeur vers d’autres chaînes anonymes. Il ne peut pas dire que le portefeuille trois sauts en amont est une exchange sanctionnée, ou que la contrepartie recevant les fonds est un mélangeur plutôt qu’un fournisseur de paie. Fournir ce contexte manquant est tout le travail de l’analyse blockchain : attacher l’identité et le risque à l’activité brute on-chain, tracer l’exposition indirecte à travers plusieurs sauts plutôt que de simplement vérifier l’adresse devant vous, et la noter par rapport aux plus d’un milliard de points de données et plus d’un million d’entités crypto que nous avons étiquetées depuis 2015. Prenons un cas concret : un portefeuille semble propre à première vue, mais le traçage de ses flux montre que la majeure partie de son solde est arrivée, deux sauts en arrière, depuis une adresse liée à un opérateur de rançongiciel. C’est la découverte qu’un modèle n’atteindrait jamais sur les données de chaîne brutes seules, et celle sur laquelle un agent de conformité doit agir. Alimenter un modèle avec ce contexte et il peut raisonner sur un terrain solide. Alimenter-le avec des données minces et il produit des non-sens confiants, ce qui en conformité est plus dangereux qu’un manque honnête, car il valide des choses qu’il ne devrait pas.

Voici ce que je trouve véritablement nouveau. L’IA n’est plus seulement un outil que les équipes de conformité utilisent ; elle devient un participant sur le marché qu’elles surveillent. Les agents autonomes qui initient des paiements sous des limites prédéfinies sont passés de la démo au déploiement, poussés par une infrastructure réelle : la norme x402 de Coinbase pour les paiements machine-à-machine, le Trusted Agent Protocol de Visa, l’intégration de checkout PayPal et OpenAI. Le logiciel commence à transacter avec d’autres logiciels, réglant en actifs crypto, à un volume qu’aucune équipe de trésorerie ne pourrait égaler à la main.

Cela soulève une question que l’industrie n’a pas encore répondue proprement : comment applique-t-on les principes Know Your Transaction à une contrepartie qui est un logiciel ? La direction, du moins, est claire. Lorsque les agents transactent de leur propre chef, les contrôles ne peuvent pas résider uniquement à l’onboarding. Ils passent à la couche de transaction elle-même : surveillance en temps réel, limites de vitesse, provenance, et la capacité d’intervenir tant que l’argent est encore en transit. La transparence que nous avons passée des années à défendre auprès des sceptiques s’avère être la seule chose qui rende l’activité on-chain autonome auditable du tout.

C’est l’avenir que nous avons décidé de construire plutôt que d’attendre. Nous avons récemment lancé Scorechain MCP, qui expose notre notation de risque et notre intelligence d’entité via le Model Context Protocol, la norme émergente qui permet aux agents IA d’appeler des outils externes directement. L’intelligence réside dans notre plateforme, et l’IA reste à l’extérieur, appelant pour obtenir des réponses plutôt que d’être intégrée dans l’outil de conformité lui-même. Le principe est simple : un agent ne devrait jamais transiter à l’aveugle. Avant de déplacer des fonds ou d’approuver une contrepartie, il peut demander à Scorechain dans la même foulée si cette adresse est une entité sanctionnée, un mélangeur, une arnaque connue ou un portefeuille privé propre, et recevoir un score de risque en retour. Ce n’est pas un débit hypothétique. Nous exécutons déjà plus de 1,5 million de vérifications AML par jour, et un appel de screening revient en environ 235 millisecondes, assez rapide pour s’insérer dans une transaction en direct plutôt que de la ralentir. Nous l’avons placé là où ces agents et workflows vivent réellement, en tant qu’application dans ChatGPT et Claude, et en tant qu’intégration sur des plateformes d’automatisation telles que n8n et Zapier. Une vérification de conformité qui s’insère dans le flux, au moment où la décision est prise, vaut bien plus qu’une vérification ajoutée après que l’argent a déjà bougé. La vérification la plus basique de toutes, savoir si une adresse apparaît sur une liste de sanctions, ne devrait pas être derrière un paywall pour quiconque. C’est pourquoi nous l’offrons en tant que API de screening de sanctions gratuite que tout développeur, agent ou workflow peut appeler. Le screening pour l’exposition aux sanctions n’est pas là où un fournisseur de conformité devrait extraire de la valeur ; c’est le plancher sur lequel tout le marché devrait se tenir.

Il y a un changement de second ordre ici que les émetteurs de tokens et les gestionnaires d’actifs commencent à peine à assimiler. Lorsque la valeur se déplace vers les stablecoins et les actifs tokenisés à la vitesse de la machine, le risque qui compte n’est plus seulement la transaction individuelle mais l’actif lui-même : qui le détient, à quel point cette propriété est concentrée, et quelle partie de l’offre est détenue par des entités sanctionnées ou autrement à haut risque. C’est une question différente du monitoring de transaction, et c’est celle que notre Digital Asset Intelligence est conçu pour répondre, donnant à un émetteur ou un gestionnaire d’actifs une vue au niveau de l’actif des détenteurs et de l’exposition avant qu’ils ne mintent, listent ou allouent.

L’Europe est plus prête pour cela qu’on ne lui en donne crédit. MiCA et AMLD6 supposent déjà une surveillance continue et une responsabilité claire plutôt qu’une vérification unique à la porte, et un régime qui suppose que l’activité doit être explicable est exactement ce que vous voulez lorsque le logiciel commence à déplacer de l’argent. Donc oui, l’IA vient pour la conformité crypto. Elle supprimera une grande partie du travail fastidieux, et j’accueille cela avec plaisir. Ce qu’elle ne supprimera pas, c’est le besoin de jugement, de responsabilité et de données vérifiables. Elle relève la barre sur les trois. Les équipes qui traitent l’IA comme un analyste plus rapide, ancré dans une intelligence on-chain fiable et fermement maintenu sous contrôle humain, sont celles qui seront encore debout lorsque les machines commenceront à transacter. C’est plus proche que la plupart des gens ne le pensent.