Le screening des médias défavorables est le contrôle que la plupart des équipes de conformité savent devoir effectuer, mené de la manière la plus susceptible de gaspiller le temps de leurs analystes. Un seul nom courant recherché dans les sources ouvertes peut renvoyer des centaines d'articles — l'écrasante majorité concernant une autre personne, un litige vieux de dix ans, ou un événement sans incidence sur le risque de criminalité financière. Les analystes les lisent quand même, car l'unique article qui compte se trouve quelque part dans la pile.
L'attente réglementaire ne disparaîtra pas : les médias défavorables sont désormais une composante standard de la diligence raisonnable et de la diligence renforcée, et le basculement de 2026 vers l'efficacité démontrable signifie que les superviseurs veulent voir que votre screening fait remonter un risque réel, non pas seulement que vous avez lancé une recherche. La question pour un responsable KYC est de conserver la couverture tout en réduisant le bruit.
Cet article est un guide pratique destiné aux responsables KYC et aux référents screening des banques, des gérants de fortune indépendants (GFI) et des fintechs. Il explique ce qu'est le screening des médias défavorables, pourquoi le volume et la pertinence sont si difficiles, comment l'IA et le NLP changent l'économie du contrôle, et comment passer de vérifications ponctuelles à une surveillance continue — tout en gardant chaque décision explicable et défendable.
1. Ce qu'est le screening des médias défavorables, et pourquoi les régulateurs l'attendent
Définition
Le screening des médias défavorables — aussi appelé screening des nouvelles négatives — est la recherche systématique, dans les sources ouvertes et sous licence, d'informations suggérant qu'un client, un prospect ou une partie liée est associé à la criminalité financière ou à un autre risque réputationnel : fraude, corruption, blanchiment, contournement de sanctions, infractions fiscales, criminalité organisée, financement du terrorisme ou manquements réglementaires graves. Il complète les contrôles structurés sur les listes de sanctions et de PPE en captant un risque qui n'est pas encore, ou ne sera peut-être jamais, inscrit sur une liste officielle.
Sa place dans le cycle de vie
Les médias défavorables ne sont pas une étape unique à l'onboarding. Ils s'imposent à l'entrée en relation dans le cadre de la diligence initiale, à chaque déclencheur de diligence renforcée, et tout au long du cycle de vie du client chaque fois que le risque change de manière significative. Un client peut passer un contrôle sanctions et PPE irréprochable tout en faisant l'objet d'un rapport d'enquête crédible — précisément la lacune que les médias défavorables sont censés combler.
Le fondement réglementaire
Les orientations de surveillance traitent les médias défavorables comme un élément attendu d'une approche fondée sur le risque. En Suisse, le cadre LBA — la LBA révisée et l'OBA-FINMA, aux côtés de la loi sur la transparence des personnes morales (LTPM), en vigueur le 1er octobre 2026 — pousse les institutions à démontrer que leurs contrôles détectent réellement le risque. À l'international, les orientations du GAFI et le paquet AML de l'UE vont dans le même sens. La direction est cohérente : il ne suffit plus de prouver qu'une recherche a été lancée. Vous devez prouver qu'elle était calibrée pour trouver un risque matériel et que les constats ont été évalués et documentés. C'est la même norme d'efficacité qui reconfigure le screening des sanctions et des PPE.
2. Le problème central : volume et bruit
Les médias défavorables sont singulièrement bruyants car ils puisent dans des sources non structurées et ouvertes plutôt que dans une liste finie et organisée. Quatre difficultés se cumulent.
Le volume
Une recherche par mots-clés sur le nom d'un client dans les actualités, le web et les bases sous licence peut renvoyer de quelques résultats à plusieurs centaines. Pour un nom courant, le décompte brut est ingérable, et il croît chaque jour à mesure que du contenu nouveau est publié et indexé. Le volume n'est pas un signe de risque ; c'est un signe de requête ambiguë.
La pertinence
La plupart des articles renvoyés sont sans pertinence. Ils concernent une autre personne portant le même nom, traitent d'un sujet sans lien avec la criminalité financière (un résultat sportif, une annonce d'entreprise de routine, une nécrologie), ou ne mentionnent le client qu'en passant. La correspondance par mots-clés ne peut distinguer « arrêté pour fraude » de « cité dans un article sur l'affaire de fraude d'un tiers ». Chacune de ces distinctions est laissée à l'analyste.
La résolution d'entités
Le problème le plus ardu est de décider si la personne de l'article est bien votre client. Les noms sont partagés, les orthographes varient, et les articles incluent rarement les identifiants — date de naissance, nationalité, fonction — qui confirmeraient l'identité. Un processus naïf traite chaque homonyme comme un hit potentiel, et l'analyste doit établir manuellement, article par article, s'il concerne la bonne personne.
Récence et duplication
Le même événement est rapporté par des dizaines de médias, syndiqué, agrégé et republié pendant des années. Sans déduplication, un seul incident se gonfle en un mur de hits quasi identiques. Et sans notion de récence et de pertinence, une affaire réglée il y a dix ans est présentée avec le même poids qu'une enquête en cours.
L'économie en découle directement. Si un analyste consacre 20 à 40 minutes à examiner les hits bruts d'un seul nom, et que l'immense majorité de ces hits est du bruit, le coût de la couverture devient le coût de la lecture d'articles sans pertinence.
| Profil de portefeuille | Noms screenés/mois | Hits bruts/nom | Heures analyste/mois (30 min/nom) | Coût chargé/an (CHF) |
|---|---|---|---|---|
| Petit GFI | 300 | 20–50 | ~150 | ~105 000 |
| Banque de taille moyenne | 1 500 | 20–50 | ~750 | ~525 000 |
| Fintech à l'échelle | 6 000 | 20–50 | ~3 000 | ~2 100 000 |
Les chiffres supposent 30 minutes d'examen par nom et un coût chargé de CHF 95 000 par analyste. Le constat est structurel : la couverture croît avec la base de clients, non avec la quantité de risque réel qu'elle contient.
3. Comment l'IA et le NLP transforment le screening des médias défavorables
L'IA ne remplace pas la recherche — elle rend les résultats intelligents, de sorte que ce qui parvient à un analyste est matériel plutôt que simplement renvoyé. Six capacités comptent, et elles reflètent la logique de précision déjà éprouvée dans la réduction des faux positifs sanctions et PPE.
Désambiguïsation d'entités
Le traitement du langage naturel lit chaque article et détermine s'il concerne réellement votre client — en réconciliant le nom avec des identifiants contextuels tels que fonction, employeur, localisation, âge et associations connues. Un homonyme exerçant une profession différente dans un autre pays est déclassé automatiquement, réduisant les dizaines de correspondances fallacieuses générées par un nom courant au petit ensemble qui renvoie plausiblement à la bonne personne.
Classification par catégorie
Le modèle classe chaque constat par catégorie de risque : criminalité financière (fraude, blanchiment, corruption, contournement de sanctions) versus catégories sans rapport (litiges civils, sport, actualité générale). Les constats hors de la taxonomie de risque de l'institution sont supprimés ou dépriorisés, de sorte que les analystes voient les catégories qui importent à une décision KYC plutôt que tout ce que la recherche a renvoyé.
Sentiment et gravité
Toutes les nouvelles négatives ne sont pas également graves. Le NLP évalue le sentiment et la gravité — une allégation versus une condamnation, une mention périphérique versus un sujet central, une infraction mineure versus un dispositif systémique. Les constats sont hiérarchisés afin que les éléments les plus graves et les plus crédibles remontent en tête de file.
Déduplication et regroupement d'événements
Le système regroupe les articles rapportant le même événement sous-jacent et présente un seul constat consolidé avec ses sources, plutôt que cinquante copies. Cela seul supprime une large part du volume brut et permet à un analyste d'évaluer un événement une fois plutôt que de façon répétée.
Pondération de la qualité des sources
Toutes les sources ne se valent pas. Un constat corroboré par une décision de justice, un avis de régulateur ou un média d'investigation établi est pondéré plus haut qu'un blog anonyme ou un agrégateur non vérifié. La qualité de la source alimente le score, si bien que c'est la crédibilité — et non la seule présence — qui déclenche l'escalade.
Prise en compte de la récence et du cycle de vie
Le modèle pèse à quel point une affaire est récente et actuelle, distinguant une enquête en cours d'une affaire historique résolue, et signale le contenu nouvellement publié en vue d'une surveillance continue. C'est ce qui rend viable le passage du batch au screening perpétuel.