5 façons dont les équipes « Conformité » peuvent bénéficier du Machine Learning
-
de
Olivier Delteil
- 15 janvier 2019
L’avocate Heidi Maher, directrice exécutive du Compliance, Governance and Oversight Council (CGOG) , évoque dans un billet certains cas d’utilisation de l’ « apprentissage machine » (machine learning) à l’intention des équipes juridiques et de conformité. Elle fait aussi état des premières étapes clés pour tirer parti de cette technologie. Morceaux choisis…
Les équipes juridiques s’efforcent généralement de suivre le rythme d’un paysage réglementaire en permanente évolution, du suivi constant des normes en matière d’emploi et de sécurité, à la compréhension des règles complexes régissant la conduite éthique des employés.
Ils font également face aux considérables défis relatifs à la protection de la vie privée et aux coûts afférents engendrés par les technologies comme le cloud, les médias sociaux et l’Internet des objets.
Dans un tel environnement, il est tout aussi difficile de connaître et transmettre les règles que de mettre en place un dispositif efficace pour s’assurer que les employés les respectent. Cela peut donc générer des lacunes dans la surveillance des employés et le bon suivi des règles. Ces lacunes peuvent à leur tour alors conduire à des dommages divers comme le gaspillage des ressources, la fraude, les abus … Autant de situations qui mettent une entreprise en péril.
L’état de conformité avec le règlement général de l’UE sur la protection des données (GDPR) illustre parfaitement la difficulté de cette lutte. Malgré plus de deux ans d’efforts d’éducation et de formation de haut niveau de la part de l’UE, malgré les publications juridiques récurrentes sur la conformité et une vaste offre de solutions sur le marché, un récent sondage de Deloitte a révélé que seuls 35 % des répondants estiment qu’ils peuvent justifier d’une » position défendable » sur la conformité au GDPR.
La mauvaise nouvelle pour les équipes de conformité et les équipes juridiques est aussi que la protection de la vie privée n’est qu’une des nombreuses initiatives réglementaires auxquelles elles sont confrontées.
Néanmoins, des éléments positifs émergent aussi aujourd’hui, qui pourraient faire pencher la balance du bon côté : l’apprentissage machine (ou Machine Learning, « ML »), une technologie souvent adoptée en entreprise pour développer les initiatives de compréhension des mécanismes d’affaires et d’amélioration de l’expérience client, offre un énorme potentiel pour aider les équipes juridiques et de conformité.
Elle permet de mener à bien plus rapidement et plus précisément, à moindre coût, certaines de leurs missions les plus importantes comme le suivi des règles, la surveillance des employés et la documentation.
De nombreuses équipes juridiques utilisent ainsi déjà l’apprentissage machine pour alimenter l’Examen Assisté par la Technologie (EAT) dans le cadre de l’examen des documents de preuve électronique. Avec l’EAT, une base de données automatisée, alimentée par l’apprentissage automatique, se constitue progressivement pour effectuer l’examen des documents de façon autonome, en analysant et en « apprenant de » la façon dont une équipe d’évaluateurs humains signale certains documents.
Un certain nombre d’itérations sont certes nécessaires, mais une fois que le système est correctement établi, il peut être beaucoup plus rapide et précis, et globalement moins coûteux, que l’examen humain.
L’apprentissage machine peut également servir de base à des applications qui prennent en charge tous les aspects de la gouvernance et de la conformité. Alors, elles réduisent en effet le temps requis pour les processus opérationnels-clés, et libèrent des ressources pour des tâches plus stratégiques.
5 exemples d’usage du Machine Learning pour faciliter les démarches de Conformité dans l’entreprise :
- Suivre l’évolution des obligations réglementaires ainsi que des attentes et des exigences du contrôle à l’échelle mondiale pour traiter les sujets « conformité » les plus complexes avec rapidité et précision dans l’ensemble de l’entreprise.
- Surveiller les exigences spécifiques des réglementations de référence en terme de conformité à l’échelle internationale. Cela permettrait aux entreprises mondiales d’identifier plus rapidement les employés ou les partenaires potentiellement corrompus, et de réduire le risque de sanctions en s’attaquant à la résolution de ces cas et en les déclarant aux autorités compétentes.
- Identifier les contrats touchés par des changements importants de réglementation : de nombreuses organisations ont par exemple utilisé des applications de Machine Learning pour identifier leurs fournisseurs concernés par le RGPD.
- Automatiser la classification de données pour déterminer si elles doivent être conservées ou éliminées. Cela permet notamment de réduire les coûts et les risques associés à la conservation de ces informations.
- Faciliter une recherche juridique plus rapide et plus efficace : en utilisant le Machine Learning face à une situation de recours collectif, une société a par exemple pu déterminer son risque potentiel et raccourcir le processus judiciaire. Les économies réalisées au chapitre des frais de litige et la faible atteinte à sa réputation n’ont eu aucune incidence perceptible sur le cours de l’action.
Lire aussi : Etude : KPMG souligne l’impact de l’automatisation sur la gestion de la compliance
SOURCE
- Corporate Compliance Insights : Compliance and Legal Teams: It’s Time to Get Smart About Machine Learning
Skan1 a été fondée sur une idée forte : démocratiser l’accès à l’évaluation des tiers en relation d’affaires, en particulier sur le sujet de l’intégrité et l’éthique.
Nous proposons aux PME et ETI comme aux Banques, Grands Groupes ou encore fonds d’investissement, de pouvoir commander rapidement et facilement une due diligence simple, renforcée ou approfondie sur un tiers de leur choix.
Nous vous conseillons aussi
Mots clés
Avertissement
Le contenu de cette publication n’est fourni qu’à titre de référence. Il est à jour à la date de publication. Ce contenu ne constitue pas un avis juridique et ne doit pas être considéré comme tel. Vous devriez toujours obtenir des conseils juridiques au sujet de votre situation particulière avant de prendre toute mesure fondée sur la présente publication.
