L’art. 5, paragraphe 1, point d) du règlement sur l’IA interdit les systèmes d’IA qui évaluent le risque qu’une personne physique commette une infraction pénale en se fondant uniquement sur son profilage ou sur l’appréciation de ses traits de personnalité. Le texte ne désigne aucune autorité en particulier comme destinataire. La Commission en tire, dans ses lignes directrices sur les pratiques interdites du 29 juillet 2025, une conclusion qui passe inaperçue dans la pratique du conseil : une banque assujettie à la législation sur le blanchiment d’argent entre dans le champ d’application de l’interdiction (point 209). Son scoring AML n’y échappe que par l’exception figurant dans la dernière partie de la phrase, et cette exception est portée par la documentation du modèle, non par le modèle lui-même.

Il ne s’agit pas d’un sujet pour 2027. L’interdiction est en vigueur depuis le 2 février 2025 (art. 113, point a)) et passible d’amende depuis le 2 août 2025, à hauteur de 35 millions d’euros ou 7 % du chiffre d’affaires annuel mondial (art. 99, paragraphe 3). Le Digital Omnibus n’a pas touché au point d), comme nous le relevions le 26 juillet. Le report des obligations applicables aux systèmes à haut risque au 2 décembre 2027 n’y change rien non plus : l’annexe III, point 5, sous b), vise l’évaluation de la solvabilité et exclut expressément les systèmes de détection de la fraude financière ; le point 6, sous d), ne s’applique qu’aux autorités répressives. Un modèle de surveillance pur ne figure donc pas sur la liste des systèmes à haut risque et s’apprécie exclusivement au regard de l’art. 5.

Les lignes directrices tracent la frontière à deux reprises, et celle-ci ne passe pas par la technique. Les points 210 et 211 excluent le profilage privé effectué dans le cadre de l’activité commerciale ordinaire, lorsqu’il protège des intérêts financiers propres et que le lien avec une infraction pénale n’apparaît que de façon fortuite et en aval. C’est le cas du modèle de détection de la fraude : usage abusif de cartes, prise de contrôle de compte, rétrofacturations. Le point 209 pose une autre logique, parce que la loi y oblige précisément la banque à prévoir une infraction pénale. Deux modèles qui lisent les mêmes données de transaction et partagent souvent la même bibliothèque de variables se trouvent ainsi de part et d’autre d’une interdiction — laquelle en relève dépend de la finalité documentée.

Le motif de réassurance le plus répandu s’appuie sur le considérant 42. Celui-ci exclut les analyses de risque qui ne reposent pas sur le profilage de personnes, et cite en exemple l’évaluation, par une entreprise, de la probabilité d’une fraude financière à partir de transactions suspectes. Le mot clé est «entreprise». Le point 215 confirme l’exception pour les personnes morales, le point 216 y réintègre les entrepreneurs individuels et les professions indépendantes. Un score portant sur une contrepartie retail est une prévision portant sur une personne physique, et le considérant ne le couvre pas.

Ce qu’exige l’exception figure aux points 202 et 206. Le système d’IA doit venir en appui de l’appréciation humaine, et non s’y substituer, et cette appréciation doit déjà reposer sur des faits objectifs, vérifiables et directement liés à une activité criminelle. Les lignes directrices exigent des faits préexistants — «pre-established» dans le texte anglais : ils doivent être établis avant le score. Un modèle dont l’alerte constitue elle-même l’unique fait ne peut se soustraire à l’interdiction en s’appuyant sur son propre résultat. Dans l’exemple fiscal du même point, la Commission écarte les «opaque variables, especially inferred information that is predictive and therefore non-objective and hard to verify».

Le Future of Privacy Forum lit dans le mot «exclusivement» une brèche potentielle. Le point 202 la referme à moitié, car les autres éléments doivent être «real, substantial and meaningful». La disposition touche ainsi précisément les variables dont les modèles de surveillance tirent leur pouvoir discriminant : écart par rapport au groupe de comparaison, segment comportemental, valeur de réseau issue des relations de contrepartie. Sont objectifs et vérifiables : le résultat positif sur une liste de sanctions, la qualité de PPE issue d’un registre, le pays du siège de la contrepartie, le montant, une déclaration de soupçon antérieure. Seul peut se prévaloir de l’exception celui qui démontre que le second groupe porte l’alerte et que le premier ne fait que l’affiner.

Le point 209 pose deux conditions : le recours exclusif aux données que désigne le droit de l’Union en matière de lutte contre le blanchiment d’argent, et une vérification humaine de la prévision. Les lignes directrices renvoient à cet égard à l’art. 20 du règlement (UE) 2024/1624, qui ne sera applicable qu’à compter du 10 juillet 2027. D’ici là, ces données sont désignées par le droit national transposant la directive anti-blanchiment ; votre filiale dans l’Union est aujourd’hui jugée à cette aune, non à celle du futur régime uniforme. L’art. 20, paragraphe 4, du règlement exigera de toute façon, plus tard, de démontrer à l’autorité de surveillance le caractère approprié des mesures prises. La même documentation répond aux deux obligations.

Qui est concerné ressort de l’art. 2, paragraphe 1. Une banque suisse sans implantation dans l’UE, dont les résultats ne sont pas utilisés dans l’Union, reste hors du champ d’application. Le modèle de groupe, construit à Zurich et mis à disposition de la filiale de Francfort ou de Luxembourg, y entre en revanche : la filiale est déployeur dans l’Union, la société mère est fournisseur. La documentation de son modèle est, dans la règle, rédigée par référence à l’art. 6 GwG et aux art. 13, 14 et 20 de la GwV-FINMA. Le corpus suisse n’est pas un droit de l’Union en matière de lutte contre le blanchiment d’argent au sens du point 209, et l’articulation des variables avec l’instrument de l’UE déterminant fait défaut.

La seconde condition est la plus délicate. Le point 205 mobilise à cet effet l’arrêt Ligue des droits humains (C-817/19) : le contrôle humain d’un résultat positif doit reposer sur des critères objectifs et garantir la non-discrimination du rapprochement automatisé. Un double clic de validation sur deux mille alertes par jour n’y suffit pas. L’art. 20, al. 3, GwV-FINMA exige déjà aujourd’hui que les transactions identifiées par le système de surveillance soient analysées dans un délai approprié. Celui qui documente cette analyse produit exactement la preuve qu’exige l’exception du règlement sur l’IA.

La tâche pour lundi est un tableau à trois colonnes, une ligne par modèle. Première colonne : la finalité, dans les termes mêmes de l’autorisation du modèle. Deuxième colonne : les variables, réparties entre faits préexistants vérifiables et grandeurs dérivées. Troisième colonne : la preuve qu’un humain a évalué l’alerte, et en quoi elle consiste. Les lignes dont la première colonne pointe vers une infraction pénale et dont la deuxième reste maigre doivent figurer à l’ordre du jour du prochain comité des risques.

Reste ouverte la question de savoir avec quelle rigueur «exclusivement» sera interprété ; l’interprétation qui fera foi reviendra à la CJUE, non à la Commission. L’échéance la plus proche est ailleurs. L’AMLA a mis en consultation, le 9 février 2026, le projet de normes techniques de réglementation au titre de l’art. 28, paragraphe 1, AMLR, avec un délai courant jusqu’au 8 mai 2026, avant de les soumettre à l’adoption de la Commission. Ces normes désignent les informations à recueillir au titre des obligations de vigilance. Leur adoption fixera la liste de données à laquelle renvoie le point 209, et donc la limite des variables qu’un modèle AML peut retenir sans perdre le bénéfice de l’exception.