Criminalité financière : les bases de données relationnelles ne font plus le poids

Ces dernières années, les fuites en série de documents provenant de paradis fiscaux ont mis en lumière l'étendue réelle de la fraude fiscale à l'échelle mondiale. Il y a d'abord eu les Offshore Leaks, puis les Luxembourg Leaks en 2014. L'année suivante, ce fut au tour des Swiss Leaks, des Panama Papers, puis des Paradise Papers.

Chaque fuite a exposé des milliers de documents et plusieurs gigaoctets de données révélant des malversations qui représentent plusieurs milliards d'euros de pertes sèches pour les États. Le grand public s'est également ému de l'ampleur des activités illégales, de la corruption dans les plus hautes sphères et des ramifications du crime organisé.

Dans le sillage de la crise financière mondiale de 2008, des politiques d'austérité et de la contraction du crédit, il n'est donc pas surprenant que l'évasion fiscale et la criminalité en col blanc aient scandalisé à ce point les opinions publiques du monde entier. Après tout, les pratiques douteuses de financiers peu scrupuleux ne sont-elles pas à l'origine de la plus grande crise économique depuis 1929 ? Après le crack de 2008, les gouvernements du monde entier se sont lancés dans des politiques d'austérité souvent très dures, sous prétexte que l'État n'avait plus un sou en caisse.

C'est cette décision qui a en partie provoqué l'instabilité politique régnant aujourd'hui dans les pays occidentaux : défiance vis-à-vis des élites, montée du populisme extrémiste, scepticisme à l'égard des institutions politiques... Mais l'une des racines du problème reste celle de l'inefficacité de la lutte contre l'évasion fiscale et la criminalité d'affaires.

Et c'est pourquoi ces questions se trouvent maintenant au cœur des préoccupations. Mais comme nous l'évoquions plus haut, la volonté n'est rien si les moyens ne suivent pas.

Les paradis fiscaux posent un problème majeur. Bien que la plupart des fonds y résident de manière licite, ces États renferment pas moins de 10 % des actifs mondiaux, selon les estimations. Outre l’exonération fiscale, le secret bancaire offre une quasi immunité aux fraudeurs. Des pays comme la Suisse, le Panama et Belize autorisent ainsi leurs clients à déposer de l'argent sur leurs comptes de manière quasiment anonyme. C'est généralement là que les pistes se brouillent et que les investigations s'enlisent.

Les sociétés-écrans viennent par ailleurs compliquer la donne. Elles forment des maillages complexes sur lesquels circulent des capitaux illicites de façon opaque, rendant difficile la tâche des autorités fiscales, des brigades financières, des journalistes d'investigation et autres ONG.

La création de ces sociétés fictives est courante pour masquer des malversations financières, au point d'avoir donné naissance à une industrie florissante. Pour une modique somme, vous pouvez créer des entreprises avec des directeurs fictifs ou des prête-noms rémunérés, tout en dissimulant le réel bénéficiaire des fonds. Il suffit de monter suffisamment de sociétés de la sorte pour obtenir une suite obscure de noms, adresses et immatriculations permettant de faire repasser les capitaux dans les poches du fraudeur. Il n'en faut souvent pas plus pour décourager les enquêteurs.

Et il faut bien avouer que les gendarmes de la finance ne sont pas vraiment aidés par les outils à leur disposition, à commencer par les bases de données relationnelles.

À l'heure actuelle, ces bases ne sont capables d'analyser qu'un rapport ou un chemin connu. Les enquêteurs ne peuvent donc établir aucun rapprochement entre deux entités en apparence distinctes, car ce lien doit être déjà connu.

Dans les cas où l'argent est dissimulé dans de multiples entités fantômes et ruisselle dans des sous-couches toujours plus complexes, les graphes relationnels ne peuvent pas creuser au-delà de trois niveaux. De même, il est très difficile d'identifier des patterns dans des ensembles de données distincts et d'effectuer des analyses approfondies. L'exercice s'avère souvent trop complexe et trop lent.

Chaque couche examinée par l'enquêteur engendre ainsi un surcoût informatique et des workloads longs à exécuter. Il suffit d'atteindre la quatrième sous-couche pour se heurter à de réelles difficultés. Si la requête ne peut déterminer le chemin, l'analyse sera interrompue et les enquêteurs se retrouveront dans une impasse.

Sans oublier que les montages opaques ne sont pas immuables. Les organisations criminelles et autres fraudeurs peuvent fermer des filiales aussi rapidement qu'ils les ont créées, puis s'évanouir dans la nature une fois les fonds transférés sur des comptes offshore.

Dès lors, les investigateurs ont besoin d'outils capables non seulement de remonter toute la filière, mais aussi de s'adapter à la mutation perpétuelle des montages.

C'est là que les bases de données Native Parallel Graph interviennent. Elles permettent de plonger dans les entrailles des circuits financiers, peu importe le nombre de niveaux (10, 20 ou plus), sur des ensembles de données à l'échelle mondiale. Elles sont conçues pour explorer des chemins inconnus afin d'identifier des relations, si profondes et sinueuses soient-elles.

Elles peuvent également procéder à une analyse temporelle pour détecter les changements de structure d'entreprise au fil du temps, et repérer les ouvertures/fermetures rapides de filiales et autres comportements symptomatiques de malversations financières.

En bref, les bases de données Native Parallel Graph permettent d'établir des relations entre les détails les plus infimes. En retraçant les circuits empruntés par les capitaux, elles aident à définir des modèles révélateurs de pratiques d'évasion fiscale ou de blanchiment d'argent. Elles peuvent même incorporer des données de nombreuses sources internes et externes. C'est précisément dans cette optique qu'OpenCorporates, la base d'informations sur les entreprises la plus complète au monde, repose sur la technologie des graphes. Début 2020, le géant des informations d'entreprises a migré sa base de données vers TigerGraph pour mieux maîtriser son énorme corpus de données – plus de 170 millions d'entrées – et gérer la complexité des investigations sur une telle volumétrie d'informations.

China Construction Bank (CCB) s'est également tournée vers cette technologie pour détecter d'éventuelles opérations de blanchiment d'argent et de fraude au crédit. Deuxième plus grande banque de la planète, la CCB génère plus de cinq téraoctets de données par an. Elle s'appuie désormais sur les bases de données Native Parallel Graph pour analyser les millions de comptes personnels et institutionnels avec lesquels elle interagit au quotidien.

La CCB n'est qu'un exemple parmi tant d'autres organisations amenées à exploiter le potentiel de cet outil. En février 2019, Gartner a prédit une croissance annuelle de 100 % pour les systèmes de traitement de graphes et de gestion des bases de données de graphes d'ici 2022. Les technologies de graphes actuellement utilisées ne peuvent faire face à la demande. Les analystes Gartner ajoutent : « Le Graph Analytics est appelé à se développer au cours des prochaines années, car nous aurons besoin de poser des questions complexes à des ensembles complexes de données, ce qui s'avère souvent peu pratique voire impossible à grande échelle avec des requêtes SQL. » De même, Gartner voit dans la technologie des graphes un levier indispensable à l'intelligence artificielle et au machine learning, libérant leurs capacités à trouver des relations dans des données complexes : une fonctionnalité cruciale dans la détection des fraudes.

L'évasion fiscale est devenue un enjeu politique majeur pour les démocraties occidentales, mais les outils de lutte s'avèrent inopérants. Avec les bases de données Native Parallel Graph, les acteurs concernés vont enfin pouvoir joindre l'acte à la parole.