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.
4. Batch versus perpétuel : du ponctuel au continu
Les limites du screening ponctuel
Le screening traditionnel des médias défavorables est un instantané : vous screenez à l'onboarding puis à nouveau à chaque revue périodique. Entre ces points, le risque est invisible. Un client peut être inculpé, mis en examen ou condamné le lendemain de l'onboarding, et un modèle batch ne le fera pas remonter avant la prochaine revue programmée — potentiellement des mois ou des années plus tard. Sous un régime d'efficacité, cette latence est en soi une faiblesse.
La surveillance perpétuelle
La surveillance perpétuelle — ou continue — inverse le modèle. Au lieu de re-screener tout le portefeuille selon un calendrier, le système surveille en continu la publication de nouveaux médias défavorables sur la base de clients existante et ne lève une alerte que lorsqu'une information réellement nouvelle et matérielle apparaît. C'est la même logique qui anime le passage plus large au KYC perpétuel : piloté par l'événement plutôt que par la date, de sorte que l'effort de revue suit le risque et non le calendrier.
Les capacités de précision de la section 3 sont ce qui rend la surveillance perpétuelle praticable. Sans désambiguïsation, déduplication et classification, le screening continu générerait un flot continu de bruit. Avec elles, il génère un petit flux d'alertes matérielles.
| Dimension | Batch / ponctuel | Surveillance perpétuelle par IA |
|---|---|---|
| Déclencheur | Onboarding + date de revue périodique | Nouveau média matériel, à tout moment |
| Latence de détection | Mois à années | Quasi temps réel |
| Profil d'effort | Grands pics périodiques | Petit, continu, piloté par le risque |
| Couverture entre revues | Aucune | Complète |
| Bruit par événement | Chaque homonyme, chaque revue | Dédupliqué, désambiguïsé |
| Posture réglementaire | « Nous screenons périodiquement » | « Nous détectons quand le risque change » |
5. Gouvernance et auditabilité
Réduire le bruit n'est défendable que si les décisions qui le sous-tendent sont transparentes. La même norme d'efficacité qui motive le screening des médias défavorables en régit aussi l'usage de l'IA.
L'explicabilité n'est pas négociable
Chaque suppression et chaque escalade doit porter une justification lisible par un humain : pourquoi un article a été jugé concerner une autre personne, pourquoi un constat a été classé hors criminalité financière, pourquoi un événement a été jugé historique. Un constat filtré silencieusement est indiscernable, pour un auditeur, d'un constat manqué. L'explicabilité est ce qui transforme le filtrage en une décision documentée.
Éviter la surdépendance
Le modèle propose ; l'analyste dispose. L'IA hiérarchise, regroupe et classe, mais les déterminations conséquentes — en particulier les escalades et toute décision d'écarter une allégation grave — restent des décisions humaines documentées, l'IA servant de couche de corroboration et de priorisation, exactement comme dans un copilote de conformité par IA agentique. La surdépendance est une défaillance de gouvernance : un vrai constat supprimé est bien plus dangereux qu'une file trop pleine.
Documenter les dispositions
Chaque événement de screening doit être journalisé avec sa requête, les sources interrogées, les constats remontés et supprimés avec leurs motifs, la décision de l'analyste et un horodatage — un enregistrement complet et reconstituable. Sous la norme d'efficacité de 2026, cette piste n'est pas de la paperasse ; c'est la preuve que votre contrôle des médias défavorables fonctionne réellement, et c'est ce qu'un superviseur demandera à voir.
Se prémunir contre la sous-détection
Le risque cardinal d'un calibrage visant moins de bruit est de supprimer un constat authentique. Trois garde-fous sont essentiels : ne jamais auto-supprimer les catégories de criminalité financière à forte gravité sans revue humaine ; surveiller le rappel par rapport à des cas de test positifs connus ; et back-tester périodiquement les constats supprimés pour confirmer qu'ils étaient réellement sans pertinence.
6. Avant et après : les chiffres
L'effet combiné est un saut dans le rapport entre constats matériels et hits bruts — couverture préservée, bruit supprimé.
| Indicateur | Screening manuel / mots-clés | Assisté par IA (Wecan) | Amélioration |
|---|---|---|---|
| Hits bruts examinés par nom | 20–50 | 2–5 matériels | −85 à −90 % |
| Temps par nom examiné | 20–40 minutes | 3–6 minutes | −80 à −85 % |
| Taux de pertinence des hits | 5–15 % | 70–85 % | ≈ +65 pts |
| Événements dupliqués regroupés | Aucun | Fusionnés en un | — |
| Couverture entre revues | Ponctuelle | Continue | Complète |
| Constats matériels manqués | Référence | Aucune hausse (cible) | Maintenu ou amélioré |
La dernière ligne gouverne les autres : les gains de précision ne sont acceptables que si les constats authentiques sont détectés aussi bien, ou mieux, qu'avant. Une réduction du bruit obtenue en restreignant simplement la recherche serait un échec de conformité, non une victoire. Toute la valeur de l'IA repose ici sur la réduction du volume sans pertinence sans réduire la sensibilité au risque réel.
7. Comment Wecan Comply traite les médias défavorables
Wecan Comply traite les médias défavorables comme un problème de pertinence, non de volume. Sa couche de screening désambiguïse chaque constat au regard du profil du client pour écarter les homonymes, classe les constats par catégorie de risque, les hiérarchise par gravité et qualité de source, et regroupe les rapports dupliqués d'un même événement en un seul constat consolidé. Ce qui parvient à un analyste est la minorité matérielle — non le mur de hits bruts qu'une recherche par mots-clés renvoie.
Parce que la même couche fonctionne en continu, Wecan fait passer les médias défavorables de vérifications ponctuelles à une surveillance perpétuelle de la base de clients existante, ne levant une alerte que lorsqu'une information réellement nouvelle et matérielle apparaît. Et parce que chaque suppression et chaque escalade porte une explication et une piste d'audit complète, le contrôle est défendable ligne par ligne — rapide, traçable et fondé sur des preuves, exactement la norme qu'exige le basculement d'efficacité de 2026. Le résultat est un screening des médias défavorables qui grandit avec votre base de clients sans importer un flot proportionnel de bruit, et que vous pouvez défendre devant n'importe quel régulateur.