Scoring du risque client et approche fondée sur les risques : le manuel 2026

Chaque décision KYC prise par une institution découle d'une seule question : quel est le niveau de risque de ce client ? Le montant de documentation à exiger, l'opportunité d'escalader vers une due diligence renforcée, la fréquence de révision d'une relation — tout en dépend. En 2026, les régulateurs n'acceptent plus une réponse intuitive ou purement catégorielle. Ils attendent un score de risque client documenté, reproductible, appliqué de manière cohérente à l'ensemble du portefeuille et tenu à jour de façon démontrable.

Cet article s'adresse aux Chief Compliance Officers et aux responsables KYC qui doivent construire ou défendre un modèle de scoring capable de résister à l'examen des superviseurs. Nous couvrons les fondamentaux de l'approche fondée sur les risques (AFR), les facteurs qui alimentent un score, pourquoi le recalcul annuel ne suffit plus, comment traduire un score en action proportionnée, et la norme de gouvernance qui sépare un programme défendable d'une boîte noire.

1. L'approche fondée sur les risques : une obligation, pas une option

L'approche fondée sur les risques est le principe organisateur de la supervision AML moderne. Plutôt que d'appliquer des contrôles identiques à chaque client, une institution alloue son effort de due diligence en proportion du risque de blanchiment et de financement du terrorisme que chaque relation présente réellement. Les relations à faible risque bénéficient d'un traitement allégé ; les relations à haut risque font l'objet d'un examen renforcé. Le score est ce qui rend cette allocation objective et auditable.

Il ne s'agit pas d'une simple recommandation de bonne pratique. Le GAFI place l'AFR au cœur de ses recommandations depuis plus d'une décennie, et les régimes nationaux l'ont transposée en droit contraignant. En Suisse, la LBA et l'OBA-FINMA exigent des intermédiaires qu'ils classent les relations d'affaires et les transactions par risque et calibrent leurs contrôles en conséquence. Dans l'UE, la nouvelle autorité AMLA et le corpus réglementaire unique poussent la même logique vers des attentes harmonisées et supervisables. Notre panorama des changements AML suisses 2026 expose comment la réforme de transparence LTPM, en vigueur au 1er octobre 2026, relève encore l'exigence de qualité des données de bénéficiaires effectifs qui alimentent ces scores.

La conséquence pour la supervision est directe : lorsqu'un examinateur analyse un dossier, il ne se contente pas de vérifier que vous avez effectué une due diligence. Il demande si le niveau de due diligence correspondait au risque, et si vous pouvez démontrer le raisonnement. Un programme incapable de produire un score cohérent et d'expliquer comment il a guidé chaque décision est exposé, quel que soit le volume de travail réellement accompli par les analystes. C'est pourquoi le scoring de risque se situe en amont de presque tous les autres contrôles décrits sur notre plateforme Wecan Copilot.

2. Les facteurs de risque qui alimentent un score

Un score défendable repose sur un ensemble défini de facteurs pondérés, chacun avec une justification documentée. Les pondérations exactes varient selon l'institution et le modèle d'affaires, mais les familles de facteurs sont bien établies. Le tableau ci-dessous présente un modèle représentatif avec des pondérations indicatives.

2.1 Le modèle de base des facteurs de risque

2.2 Pourquoi la pondération et les interactions comptent

Une erreur fréquente consiste à traiter les facteurs comme une checklist additive. En pratique, les facteurs interagissent : un PEP au profil domestique simple et au patrimoine transparent ne présente pas le même risque qu'un PEP dissimulé derrière une structure offshore à quatre niveaux avec une activité dans un corridor sous sanctions. Un modèle crédible combine donc un score de base pondéré avec des règles d'escalade — certaines combinaisons imposent un palier minimal indépendamment de l'arithmétique. Documenter ces règles d'interaction est aussi important que documenter les pondérations elles-mêmes, car c'est là que les examinateurs sondent le plus.

La qualité des données sous-jacentes plafonne également la qualité du score. Alimenter un moteur de scoring avec des données de bénéficiaires effectifs non vérifiées ou des indicateurs géographiques obsolètes produit un chiffre confiant bâti sur du sable. C'est pourquoi la capture de données à l'onboarding et une résolution UBO structurée sont des prérequis, pas des ajouts après coup. Une bonne discipline consiste à consigner, à côté de chaque facteur, la source et la date de la donnée qui le sous-tend ; un score dont les intrants vieillissent est en soi un signal que la relation mérite un nouvel examen, indépendamment de tout événement de risque isolé.

3. Scoring statique versus dynamique : pourquoi le recalcul annuel ne suffit plus

Historiquement, la plupart des institutions scoraient un client à l'onboarding puis recalculaient selon un cycle fixe — annuel pour le haut risque, tous les deux ou trois ans pour les paliers inférieurs. Le problème est structurel : le risque n'évolue pas au rythme de votre calendrier de révision. Un client peut acquérir un statut de PEP, apparaître sur une liste de sanctions, restructurer sa propriété ou modifier son schéma transactionnel le lendemain de la clôture de sa révision annuelle. Dans un modèle purement périodique, ce risque accru reste indétecté pendant jusqu'à douze mois.

3.1 Le re-scoring déclenché par événement

La norme 2026 est un re-scoring continu, déclenché par événement. Au lieu d'attendre une date calendaire, le score se recalcule dès qu'un intrant matériel change : une nouvelle occurrence de presse défavorable, une mise à jour de liste de sanctions, un changement d'administrateurs au registre du commerce, une transaction dépassant un seuil, ou une actualisation du profil déclaré du client. La révision est déclenchée par le changement de risque, non par l'écoulement du temps. C'est le principe de fonctionnement du perpetual KYC, qui remplace la révision à cycle fixe par une surveillance continue et une intervention d'analyste par exception.

La différence n'est pas cosmétique. Un modèle statique mesure le risque à des points discrets et suppose la stabilité entre-temps ; un modèle dynamique traite le score comme une variable vivante. Pour un superviseur, un score vivant constitue aussi une preuve de contrôle plus solide — il démontre que l'institution connaît ses clients de manière continue, ce qui est l'obligation de fond, plutôt que de simplement le réattester une fois par an.

4. Traduire le score en action : contrôles et fréquence de révision par palier

Un score n'est utile que s'il détermine de façon déterministe ce qui se passe ensuite. La correspondance entre palier, contrôles et fréquence de révision doit être inscrite dans la politique, appliquée automatiquement, et identique pour chaque client d'un même palier — c'est là que la cohérence se gagne ou se perd.

4.1 Palier de risque, contrôle et cadence

4.2 Déclencheurs d'EDD et escalade

La due diligence renforcée doit être déclenchée par des conditions claires et documentées plutôt que par la seule discrétion de l'analyste : un palier de haut risque, un statut de PEP, un lien avec une juridiction à haut risque, des comptes de passage, ou l'activation d'une règle d'escalade du scoring. Dès qu'un déclencheur est atteint, le dossier suit un parcours EDD défini — preuve additionnelle de l'origine du patrimoine, approbation de la direction, seuils continus resserrés — et les raisons sont enregistrées avec le score. Cela transforme l'escalade d'un jugement subjectif en un processus reproductible et auditable, et garantit que deux analystes face aux mêmes faits produisent le même résultat. La charge de révision en aval est traitée via les processus de revues périodiques et de cycle de vie client.

5. Gouvernance du modèle et explicabilité : la norme d'efficacité démontrable 2026

Le changement le plus important dans les attentes des superviseurs est que disposer d'un modèle de scoring ne suffit plus ; vous devez pouvoir démontrer qu'il fonctionne et expliquer comment il parvient à ses conclusions. C'est la norme d'efficacité démontrable, et elle a des conséquences directes sur la manière de construire un modèle.

5.1 Méthodologie documentée et intrants traçables

Chaque score doit être reconstructible. Cela implique une méthodologie écrite exposant les facteurs, les pondérations, les règles d'interaction et d'escalade, et leur justification ; un contrôle de version permettant de montrer quelle méthodologie s'appliquait à une décision donnée ; et une traçabilité complète du score final jusqu'aux données précises qui l'ont produit. Lorsqu'un examinateur demande « pourquoi ce client est-il noté moyen plutôt qu'élevé ? », la réponse doit être une trace factuelle, non le souvenir d'un analyste.

5.2 Éviter le biais et le problème de la boîte noire

Un scoring opaque — qu'il provienne d'un tableur non documenté ou d'un modèle d'apprentissage automatique inexplicable — est désormais un passif. Si vous ne pouvez pas expliquer un score, vous ne pouvez ni le défendre, ni le corriger, ni prouver qu'il est exempt de biais inapproprié. La norme de gouvernance privilégie donc les modèles transparents, fondés sur des règles, dont la logique est entièrement inspectable, tout composant statistique étant contraint à un comportement explicable et auditable. Une validation périodique du modèle — confrontation du score aux résultats réels, ajustement des pondérations, documentation des changements — boucle la boucle et constitue elle-même un contrôle examinable. Ces exigences de gouvernance expliquent pourquoi les contrôles au niveau de la plateforme, décrits sous Wecan Copilot sécurité, comptent autant que la logique de scoring.

6. Là où l'automatisation apporte des gains mesurables

Le scoring manuel échoue d'une manière précise et prévisible : il dérive. Deux analystes pondèrent les mêmes facteurs différemment, le même analyste les pondère différemment un après-midi chargé, et personne ne re-score le portefeuille à l'instant où de nouvelles données arrivent. L'automatisation attaque exactement ces faiblesses.

6.1 Cohérence, actualité et débit

Le scoring automatisé applique une méthodologie unique à chaque dossier de façon identique, éliminant la dérive entre analystes. Il re-score instantanément dès qu'un intrant surveillé change, de sorte que le portefeuille est toujours à jour plutôt qu'à-jour-au-dernier-examen. Et il supprime la charge de recalcul manuel qui rend le scoring continu impossible à la main. Le tableau ci-dessous quantifie l'impact typique, avec des fourchettes cohérentes avec notre analyse ROI KYC/AML plus large.

La capacité libérée ne disparaît pas ; elle est redéployée sur la faible part de dossiers réellement à haut risque où le jugement humain apporte le plus de valeur. C'est le sens pratique de l'approche fondée sur les risques — consacrer le temps des analystes là où le risque se concentre réellement.

7. Comment Wecan Copilot opérationnalise le scoring de risque

Wecan Copilot traite le score de risque client comme un objet vivant et gouverné plutôt que comme un calcul ponctuel. Le modèle de facteurs, les pondérations et les règles d'escalade sont configurés selon la méthodologie de votre institution et appliqués de manière identique à l'ensemble du portefeuille, supprimant la dérive manuelle. Les scores se recalculent automatiquement à mesure que les intrants surveillés changent — mises à jour sanctions et PEP, changements de propriété, presse défavorable, signaux transactionnels — de sorte que chaque relation porte une note actuelle plutôt qu'obsolète.

Parce que chaque score est traçable jusqu'à ses intrants et à la version de méthodologie qui l'a produit, le modèle est explicable par construction : chaque note peut être reconstruite et défendue devant un superviseur. Les contrôles par palier, les déclencheurs d'EDD et les cadences de révision découlent automatiquement du score, et le travail de révision qui en résulte est orchestré via des processus structurés de revue périodique et de cycle de vie. Le résultat est une approche fondée sur les risques cohérente, actuelle et démontrablement efficace — la norme que la supervision 2026 attend désormais.