NatWest admet des faiblesses dans les systèmes de lutte contre le blanchiment d’argent

NatWest a admis que les défaillances opérationnelles, y compris les faiblesses des systèmes de surveillance automatisés, signifiaient qu’elle n’avait pas réussi à empêcher le blanchiment d’argent de 400 millions de livres sterling.

La banque a plaidé coupable devant le tribunal de première instance de Westminster pour ne pas s’être conformée à la réglementation anti-blanchiment d’argent entre 2012 et 2016.

Les réglementations de la Financial Conduct Authority (FCA) signifient que les sociétés financières doivent disposer de systèmes et de contrôles adéquats en matière de lutte contre le blanchiment d’argent.

Un logiciel de lutte contre le blanchiment d’argent automatise la surveillance des activités suspectes effectuées sur le réseau d’une banque, mais NatWest n’a pas réussi à identifier et à arrêter le blanchiment d’argent par une entreprise de bijouterie à Bradford, qui comprenait des dépôts allant jusqu’à 1 .8m £ par jour.

Alison Rose, PDG de NatWest, a déclaré : « Nous regrettons profondément que NatWest n’ait pas surveillé de manière adéquate, et donc empêché, le blanchiment d’argent par l’un de nos clients entre 2012 et 2016. Au cours des années qui ont suivi cette affaire, nous avons investi d’importantes ressources et continuons d’accroître nos efforts pour lutter efficacement contre la criminalité financière.

Rose a déclaré que la banque avait investi des centaines de millions de livres sterling depuis, améliorant les systèmes de surveillance des transactions et automatisant les systèmes de contrôle des clients. Un montant supplémentaire de 1 milliard de livres sterling a été alloué au contrôle de la criminalité financière au cours des cinq prochaines années.

L’affaire a maintenant été renvoyée devant la Cour de la Couronne de Southwark pour la détermination de la peine. Il s’agit de la première poursuite pénale engagée par la FCA en vertu du règlement de 2007 sur le blanchiment d’argent.

Le blanchiment d’argent, et ses liens avec le crime organisé, est un grave problème mondial dont les banques se trouvent au centre. Selon l’ONU, jusqu’à 2 milliards de dollars sont déplacés illégalement chaque année, les criminels utilisant les banques pour cacher de l’argent. Au Royaume-Uni, la National Crime Agency estime que le blanchiment d’argent coûte 24 milliards de livres sterling à l’économie du pays chaque année.

Les banques qui n’ont pas respecté les règles de lutte contre le blanchiment d’argent ont été lourdement condamnées à des amendes par les régulateurs.

Selon une étude publiée en février 2021 par la société de services d’information interentrant Kyckr, 28 institutions financières à travers le monde ont été condamnées à une amende pour des violations liées à la lutte contre le blanchiment d’argent en 2020, soit environ 2,6 milliards de livres sterling.

La néo-banque allemande N26 a récemment été condamnée à une amende de 4,25 millions d’euros par le régulateur allemand des services financiers pour de faibles pratiques anti-blanchiment liées au dépôt tardif d’environ 50 rapports d’activités suspectes en 2019 et 2020.

Mais il y a eu des amendes beaucoup plus élevées. Swedbank a été condamnée à une amende de 347 millions d’euros par les régulateurs suédois et estoniens en 2020 pour avoir enfreint les lois sur le blanchiment d’argent, la banque néerlandaise ING a été condamnée à une amende de 775 millions d’euros en 2018 pour ne pas avoir empêché le blanchiment de centaines de millions d’euros entre 2010 et 2016, et en 2017, Citigroup a accepté de payer près de 100 millions de dollars et a admis des violations pénales alors qu’il réglait une enquête sur des violations des règles anti-blanchiment d’argent impliquant des transferts d’argent entre les États-Unis et le Mexique.

Compte tenu des coûts financiers élevés du non-respect des réglementations anti-blanchiment, les banques investissent dans la technologie pour automatiser la prévention. Il s’agit notamment de technologies qui utilisent l’intelligence artificielle et l’apprentissage automatique pour repérer les activités suspectes dans d’énormes ensembles de données.