L'IA va révolutionner la conformité en matière de cryptomonnaies, mais pas de la manière dont la plupart des gens l'imaginent

Par Pierre Gérard, PDG et cofondateur de Scorechain

Lorsque nous avons fondé Scorechain au Luxembourg en 2015, l’« analyse de la blockchain » n’existait pas encore en tant que catégorie. Nous avons passé les premières années à expliquer aux banques et aux régulateurs pourquoi la transparence d’un registre public représentait une opportunité plutôt qu’une menace. Dix ans plus tard, je constate que le même malentendu s’attaque à l’intelligence artificielle (IA), et cela fait perdre un temps précieux au secteur.

Deux idées prédominent dans le débat. La première affirme que l'IA remplacera bientôt complètement les équipes de conformité. La seconde soutient que l'IA est trop imprévisible pour être utilisée dans le cadre d'activités financières réglementées. Je ne crois ni à l'une ni à l'autre, et je le dis en connaissance de cause : mon entreprise a évalué les risques de plus de 2 800 fournisseurs de services d'actifs virtuels (PSAV) depuis 2015 et a consacré les deux dernières années à intégrer l'IA là où elle s'avère réellement utile, en tant que couche supplémentaire et non comme un élément intégré aux outils de conformité dont nos clients ont besoin.

Commençons par le problème que tous les responsables de la conformité que je rencontre évoquent dès les premières minutes : le bruit. Un système de filtrage des sanctions paramétré comme une banque nerveuse le ferait peut générer environ 95 % de faux positifs. La surveillance des transactions n’est guère en reste. Ainsi, un analyste qualifié, capable de comprendre les typologies et d’interpréter les flux financiers, passe l’essentiel de sa journée à traiter des alertes qui n’ont jamais constitué des risques : écarter des correspondances de noms basées sur un nom de famille courant, examiner cinq articles de presse négatifs qui s’avèrent concerner une personne totalement différente. Chaque vérification de ces articles de presse négatifs prend entre 10 et 20 minutes à un analyste. Voilà à quoi ressemble réellement le travail de conformité aujourd’hui, et c’est pourquoi les meilleurs professionnels finissent par quitter la profession.

C’est là que l’automatisation trouve toute sa place, et cette place est plus restreinte que ne le laisse entendre le battage médiatique. Je ne suis pas neutre à ce sujet. Scorechain AI a pour vocation de fournir à l’analyste un rapport unique : le score de risque d’un portefeuille, les types d’entités avec lesquels il a interagi, ainsi que les services et contreparties auxquels il a été exposé. Ce travail impliquait auparavant des heures de tracdans un registre. Mais remarquez ce que ce rapport fait et ne fait pas. Il ne prend aucune décision. Il synthétise les informations afin que le responsable de la conformité, celui qui devra valider cette décision et la défendre ultérieurement auprès d’un organisme de réglementation, puisse la consulter en quelques minutes et prendre sa décision. C’est là tout l’enjeu. Une bonne automatisation ne réduit pas la fonction de conformité ; elle la libère du processus de tri et la recentre sur le jugement.

Cette distinction est cruciale, car l'alternative est dangereuse. Dans un cadre réglementé, un modèle ne peut être tenu responsable devant un superviseur. La sixième directive anti-blanchiment (AMLD6) et le règlement sur les marchés de crypto-actifs (MiCA) exigent tous deux qu'une institution explique et justifie ses décisions. « L'algorithme l'a signalé » n'est pas une défense valable lors d'un contrôle, et « L'algorithme l'a validé » est pire encore. Par conséquent, la seule conception responsable consiste à utiliser l'IA comme couche d'assistance s'appuyant sur des données fiables, un responsable de la conformité désigné conservant le pouvoir de décision et la responsabilité qui en découle. La supervision humaine n'est pas une simple option que l'on retire une fois le modèle mature. Elle constitue l'architecture même du système.

Un modèle n'est jamais aussi performant que les données sous-jacentes. C'est un aspect souvent négligé par les observateurs extérieurs. Une IA qui analyse une blockchain ne perçoit, à elle seule, que des chaînes de caractères anonymes transférant de la valeur vers d'autres chaînes anonymes. Elle est incapable de déterminer que le portefeuille situé trois sauts en amont est une plateforme d'échange autorisée, ou que la contrepartie qui reçoit les fonds est un service de mixage plutôt qu'un prestataire de services de paie. Fournir ce contexte manquant est l'essence même de l'analyse blockchain : associer unedentet un risque à l'activité brute sur la chaîne, tracl'exposition indirecte sur plusieurs sauts au lieu de se contenter de vérifier l'adresse affichée, et évaluer ces données par rapport au milliard de points de données et au million d'entités crypto que nous avons étiquetés depuis 2015. Prenons un exemple concret : un portefeuille semble propre au premier abord, mais tracde ses flux révèle que la majeure partie de son solde provient, deux sauts en amont, d'une adresse liée à un opérateur de ransomware. C'est une découverte qu'un modèle ne pourrait jamais faire en se basant uniquement sur les données brutes de la chaîne, et sur laquelle un responsable de la conformité doit agir. En fournissant ce contexte au modèle, on lui permet de raisonner sur des bases solides. Si on lui fournit des données superficielles, il produit des absurdités rassurantesdent ce qui, en matière de conformité, est plus dangereux qu'une analyse honnête des écarts, car cela efface des choses qu'il ne devrait pas.

Voici ce que je trouve véritablement nouveau : l’IA n’est plus seulement un outil utilisé par les équipes de conformité ; elle devient un acteur à part entière du marché qu’elles surveillent. Les agents autonomes qui initient des paiements dans des limites prédéfinies sont passés du stade de la démonstration à celui du déploiement, grâce à une infrastructure concrète : la norme x402 de Coinbase pour les paiements de machine à machine, le protocole Trusted Agent de Visa, l’intégration de PayPal et d’OpenAI au système de paiement. Les logiciels commencent à effectuer des transactions entre eux, avec des règlements en crypto-actifs, à un volume qu’aucune équipe de trésorerie ne pourrait gérer manuellement.

Cela soulève une question à laquelle le secteur n'a pas encore apporté de réponse définitive : comment appliquer de connaissance du client (KYC) à une contrepartie qui est un logiciel ? La direction à suivre, au moins, est claire. Lorsque des agents effectuent des transactions de manière autonome, les contrôles ne peuvent plus se limiter à l'inscription. Ils s'étendent à la couche transactionnelle elle-même : surveillance en temps réel, limites de vitesse, traçabilité et possibilité d'intervenir pendant le transfert des fonds. La transparence que nous avons défendue pendant des années face aux sceptiques s'avère être le seul élément qui rend auditable l'activité autonome sur la blockchain.

C’est l’avenir que nous avons choisi de construire plutôt que d’attendre. Nous avons récemment lancé Scorechain MCP, qui expose notre système d’évaluation des risques et d’analyse des entités via le protocole MCP (Model Context Protocol), la norme émergente permettant aux agents d’IA d’interroger directement des outils externes. L’intelligence réside dans notre plateforme, tandis que l’IA reste externe, interrogeant Scorechain pour obtenir des réponses au lieu d’être intégrée à l’outil de conformité lui-même. Le principe est simple : un agent ne devrait jamais effectuer de transaction à l’aveugle. Avant de transférer des fonds ou d’approuver une contrepartie, il peut interroger Scorechain simultanément pour savoir si l’adresse correspond à une entité sanctionnée, un service de mixage, une escroquerie connue ou un portefeuille privé sécurisé, et recevoir en retour un score de risque. Il ne s’agit pas d’un débit théorique. Nous effectuons déjà plus de 1,5 million de vérifications LCB-FT par jour, et une vérification est traitée en environ 235 millisecondes, un délai suffisamment court pour s’intégrer à une transaction en cours sans la ralentir. Nous l’avons déployé là où ces agents et flux de travail sont réellement utilisés : sous forme d’application au sein de ChatGPT et Claude, et sous forme d’intégration sur des plateformes d’automatisation telles que n8n et Zapier. Un contrôle de conformité intégré au flux, au moment précis de la prise de décision, est bien plus précieux qu'un contrôle ajouté a posteriori. La vérification la plus élémentaire, à savoir si une adresse figure sur une liste de sanctions, ne devrait être payante. C'est pourquoi nous proposons une API de filtrage des sanctions gratuite, accessible à tous les développeurs, agents et processus. Le filtrage des risques de sanctions ne devrait pas constituer le principaltracde valeur pour un fournisseur de conformité ; il représente le socle sur lequel devrait reposer l'ensemble du marché.

Un changement de second ordre se produit ici, que les émetteurs de tokens et les gestionnaires d'actifs commencent seulement à prendre en compte. Lorsque la valeur se transfère à la vitesse de l'éclair vers les stablecoins et les actifs tokenisés, le risque déterminant ne réside plus seulement dans la transaction individuelle, mais aussi dans l'actif lui-même : qui le détient, à quel point cette propriété est concentrée et quelle part de l'offre se trouve entre les mains d'entités sanctionnées ou présentant un risque élevé. Cette question est différente du simple suivi des transactions, et c'est précisément à cela que notre solution Digital Asset Intelligence répond, en offrant à un émetteur ou à un gestionnaire d'actifs une vision globale des détenteurs et de l'exposition avant toute émission, cotation ou allocation.

L'Europe est mieux préparée qu'on ne le croit. MiCA et la 6e directive anti-blanchiment (AMLD6) prévoient déjà une surveillance continue et une responsabilisation claire, et non un simple contrôle ponctuel. Un système qui exige que l'activité soit explicable est précisément ce qu'il faut lorsque les logiciels commencent à effectuer des transactions financières. L'IA arrive donc bel et bien dans le secteur des cryptomonnaies. Elle permettra de réduire considérablement les tâches fastidieuses, et je m'en réjouis. En revanche, elle ne supprimera pas le besoin de discernement, de responsabilité et de données vérifiables. Elle renforce même les exigences dans ces trois domaines. Les équipes qui considèrent l'IA comme un outil d'analyse plus rapide, s'appuyant sur des données fiables issues de la blockchain et restant fermement sous contrôle humain, seront encore là lorsque les machines commenceront à effectuer des transactions. C'est plus proche qu'on ne le pense.