L'IA inspirée des essaims pourrait permettre de détecter plus efficacement les flux de trésorerie suspects sur la blockchain.

infohightech ·

Crédit : Unsplash/CC0 Domaine public

Une nouvelle étude menée par l'Université Charles Darwin (CDU) en Australie révèle qu'un modèle d'intelligence artificielle inspiré des fourmis, des abeilles et des oiseaux pourrait jouer un rôle clé dans la lutte contre le blanchiment d'argent via la blockchain. Cette étude est publiée dans la revue Communications in Computer and Information Science .

La nature anonyme, rapide et transfrontalière des transactions blockchain a entraîné une augmentation des risques de blanchiment d'argent et de financement du terrorisme à l'échelle mondiale, mais la nature statique et basée sur des règles des systèmes traditionnels de détection du blanchiment d'argent (AML : anti-money laundering) ne peut suivre le rythme.

Dans cette étude, le Dr Reem Sherif, maître de conférences en ingénierie et informatique à l'université Charles Darwin, a proposé une architecture d'IA agentive basée sur un essaim, rendant l'identification des flux financiers illicites plus évolutive, vérifiable et résiliente.

S'inspirant d'espèces sociales comme les fourmis, ce modèle s'appuie sur des concepts tels que la coordination décentralisée et des règles simples pour produire des comportements complexes.

Par exemple, la hiérarchie sociale des fourmis est divisée en reine, ouvrières, soldats et mâles, chacun ayant un rôle simple et précis dans la réalisation des objectifs complexes de la colonie. De même, un modèle d'IA pourrait jouer le rôle d'« ouvrière », tandis qu'un autre serait celui de « soldat » ; chaque modèle accomplit une tâche spécifique pour créer le système complexe nécessaire au suivi et à la détection du blanchiment d'argent.

Sherif a déclaré que les criminels financiers adaptaient constamment leurs méthodes, mais que le cadre proposé explorait comment une équipe de cinq agents d'IA spécialisés travaille ensemble pour détecter les schémas de transactions suspects plus efficacement que les approches traditionnelles.

« Plutôt que de s'appuyer sur un seul modèle d'IA, notre cadre attribue différents agents d'IA à des tâches spécifiques, telles que l'analyse des flux de transactions, la modélisation des relations entre les comptes et le suivi des activités suspectes », a-t-elle déclaré.

« En combinant l'intelligence artificielle multi-agents et la technologie blockchain, nous visons à améliorer à la fois la précision et l'explicabilité de la détection automatisée du blanchiment d'argent, aidant ainsi les institutions financières à identifier les activités illicites tout en maintenant une piste d'audit claire. »

« Ensemble, elles offrent une approche plus adaptable et transparente de la lutte contre le blanchiment d'argent. »

Pour la suite, Sherif a déclaré qu'il était crucial de renforcer l'intégration du modèle basé sur l'essaim avec les outils de conformité.

Elle a également indiqué que l'amélioration des protocoles inter-agents permettrait de mieux soutenir une interopérabilité juridictionnelle plus large.

« À mesure que les systèmes financiers numériques continuent d'évoluer, les systèmes d'IA collaboratifs intelligents ont le potentiel de renforcer la conformité réglementaire et de permettre une détection plus rapide et plus fiable des crimes financiers », a-t-elle déclaré.

https://www.cdu.edu.au/news/how-ants-are-cashing-fight-against-money-laundering

https://link.springer.com/10.1007/978-981-95-9230-2_14

https://dx.doi.org/10.1007/978-981-95-9230-2_14

Cet article vous a été utile ? Partagez-le.