L’ambition de ce projet est de déterminer les use cases pour le Transaction Monitoring system (TMS) du futur dans le domaine de la lutte contre le blanchiment d’argent (AML)

Les TMS actuels sont « rule based » ce qui engendre :

-Beaucoup de faux positifs 

-Des coûts importants pour la banque

-Des opportunités venues avec le Big data, l’IA et le Cloud permettent de repenser l’approche actuelle de gestion des alertes

PROBLEMATIQUE

La problématique de ce projet est la suivante :

Comment mettre en place un système de gestion des alertes AML qui permette de simuler / changer les données/ les seuils de manière autonome et également expliquer au régulateur les variations entre les scénarios et la performance des scénarios ?

ROLE

Dans ce projet j’ai effectué l’ensemble de la partie recherche utilisateur.

Les différents parcours sous forme de storyboard ont été intégrés au document d’expression de besoin du projet. Ce document a été livré au sponsor pour formaliser l’étude du projet et déclencher la demande budgétaire.

LA DEMARCHE ET LES LIVRABLES

Ce projet traite de la gestion des alertes relatives aux transactions du Groupe sous le prisme lutte contre le blanchiment d’argent. Les équipes qui interviennent dans ce process sont nombreuses (environ 10). Le premier challenge a été de bien comprendre l’écosystème :

-Les équipe en amont qui créent les scénarios de déclanchement des alertes

-Les équipes de gestion des alertes (1er niveau , 2iéme niveau)

-Les équipes transverses de surveillance

-Les agents conformité en agence (ou dans des Hub)

Parmi ces équipes la cible primaire est constituée des équipes qui gèrent directement les alertes (dont une partie à Bangalore et en Roumanie).

-

J’ai d’abord effectué 2 ateliers avec les équipes de la cible primaire en partant d’hypothèses les concernant afin qu’ils puissent me challenger et expliquer leur irritant sur le process actuel. 

A la suite de ces atelier j’ai créé 4 personas et fait une synthèse des principaux irritants :

•Pertinence des scénarios déclenchant les alertes

•Faux-positifs importants

•Disponibilité et complétude de données pertinentes pour l’analyse

•Performance, ergonomie et évolutivité de l'outil TMS actuel

•Intégration des outils sur les maillons du processus

•Pas de process owner AML , pas de dispositif humain pour le processus

Pour projeter ces personas dans un l’écosystème AML j’ai ensuite fait une seconde série d’interviews (en groupe de 4/5 personnes par manque de temps) des équipes connexes à cette cible primaire pour lesquelles j’ai demandé  de me raconter : leur contexte de travail (mission), qu’est ce que cela signifiait de faire du « bon travail », les irritants et enfin comment pourraient être améliorer les choses ?

Afin de donner vie à ces personas et cet écosystème, j’ai crée deux parcours (sous la forme de story board) : le traitement d’alerte Niveau 1 à la conformité à Bangalore et le niveau 2 chez un agent conformité dans la ligne métier du réseau France.