L'IA contre le crime organisé : l'exemple de la startup Rozes
- Rozes, spin-off de l'Université de Padoue, a créé un algorithme de machine learning pour analyser les bilans comptables.
- Le système identifie des combinaisons d'indicateurs financiers similaires à celles d'entreprises liées à la criminalité organisée.
- L'outil ne juge pas la culpabilité mais attribue un score de risque pour orienter les investigations et les audits.
- La technologie est déjà testée pour sécuriser les appels d'offres liés au plan de relance italien (PNRR).
L'analyse financière a longtemps été le domaine réservé des experts-comptables et des enquêteurs spécialisés, ARMés de patience et de grilles de lecture rigides. Cependant, une nouvelle approche émerge, où les chiffres ne sont plus seulement des indicateurs de performance, mais des empreintes numériques. C'est le pari de Rozes, une startup italienne qui transforme les bilans d'entreprises en outils de lutte contre le crime organisé.
Une empreinte comptable du crime
L'idée fondamentale repose sur un constat simple : la criminalité organisée, lorsqu'elle infiltre le tissu économique légal, tend à reproduire des schémas de gestion spécifiques. Le blanchiment d'argent, la fausse facturation ou la banqueroute frauduleuse laissent des traces statistiques. Ces anomalies ne se cachent pas forcément dans une ligne unique et suspecte, mais dans la corrélation entre plusieurs données financières.
Le logiciel développé par Rozes ne cherche pas un mot-clé ou une transaction isolée. Il analyse un ensemble articulé de signaux qui, pris globalement, rendent une entreprise analysée superposable à un échantillon criminel de référence. En d'autres termes, l'IA identifie une signature financière suspecte, une sorte de profil type de l'entreprise utilisée comme écran par la mafia.
Le moteur technologique derrière l'algorithme
Fondée en 2019 et reconnue comme spin-off de l'Université de Padoue, la startup s'appuie sur des recherches académiques rigoureuses menées par Francesco Ambrosini, Michele Fabrizi et Antonio Parbonetti. Pour rendre l'outil efficace, le modèle de machine learning a été entraîné sur une base de données extrêmement précise : un archivio de 2 082 entreprises dont les liens avec la criminalité organisée ont été formellement établis par des preuves judiciaires.
Cette approche permet à la plateforme de risk intelligence de comparer les données économiques et financières des sociétés sous surveillance avec celles de ces entreprises condamnées. Le résultat n'est pas un verdict, mais un score de risque. Plus le profil comptable d'une société ressemble à celui des entreprises du groupe de référence, plus son score est élevé, alertant ainsi les analystes sur la nécessité d'un contrôle approfondi.
L'IA comme filtre pour les administrations publiques
L'un des déploiements les plus significatifs de cette technologie se situe au niveau de la commande publique. La gestion d'appels d'offres implique souvent des listes interminables de fournisseurs et de sous-traitants, rendant le contrôle humain exhaustif quasi impossible. C'est ici que l'algorithme de Rozes apporte une valeur ajoutée majeure en agissant comme un entonnoir.
L'outil est déjà utilisé pour scanner les marchés publics liés au PNRR (Plan National de Relance et de Résilience). En identifiant rapidement les dossiers présentant des anomalies comptables, l'administration peut concentrer ses ressources d'investigation sur un nombre restreint de sociétés suspectes plutôt que de disperser ses efforts sur des milliers de dossiers sains. L'objectif est de protéger les fonds publics contre le risque d'infiltration et de détournement.
Limites et garanties du système
Il est crucial de préciser que le système de Rozes ne remplace pas le juge ni l'enquêteur. Le CEO Jacopo Berti souligne que l'algorithme ne détermine pas si une entreprise est mafieuse. Il ne s'agit pas d'une machine à condamner, mais d'un instrument de due diligence et de vérification des contreparties.
Le système ne va pas à la recherche de la seule voix suspecte, mais analyse un ensemble articulé de signaux qui, pris dans leur ensemble, rendent l'entreprise analysée superposable au échantillon criminel de référence.
Cette distinction est fondamentale pour éviter les faux positifs et garantir que l'IA reste un support à la décision humaine. L'outil permet de restreindre le champ d'action des autorités, indiquant précisément où regarder, sans pour autant substituer la preuve juridique par une probabilité statistique.
Un outil polyvalent pour le secteur financier
Au-delà des administrations publiques, la plateforme s'adresse à un marché plus large, incluant les banques et les entreprises privées. Dans le cadre des obligations de lutte contre le blanchiment d'argent (AML), les institutions financières doivent vérifier l'origine des fonds et la fiabilité de leurs partenaires commerciaux.
L'utilisation d'un tel logiciel permet de renforcer la transparence et de sécuriser les transactions. En croisant les données financières avec les antécédents judiciaires, Rozes offre une couche de sécurité supplémentaire pour toute organisation souhaitant éviter d'être involontairement liée à des réseaux criminels via des contrats de partenariat ou des lignes de crédit.
Enjeux et perspectives pour les entreprises françaises
Bien que Rozes soit une initiative italienne, son modèle soulève des questions et offre des opportunités directes pour le tissu entrepreneurial français. La France, avec son réseau dense de PME et ses grands projets d'infrastructure, fait face à des défis similaires en matière de transparence des marchés publics et de lutte contre la fraude financière.
L'adoption de tels outils en France s'inscrirait naturellement dans le cadre de France 2030, qui encourage l'innovation technologique pour renforcer la souveraineté et la sécurité nationale. Cependant, l'implémentation de systèmes de scoring basés sur l'IA doit composer avec le cadre strict de l'AI Act européen. Ce règlement impose une transparence totale sur les données d'entraînement et interdit les systèmes de notation sociale, mais autorise et encourage les outils d'IA utilisés à des fins de sécurité et de lutte contre la criminalité, à condition qu'ils soient soumis à une supervision humaine rigoureuse.
Pour les entrepreneurs français, l'exemple de Rozes montre que l'IA peut transformer des données comptables arides en actifs stratégiques de sécurité. Le développement de solutions locales capables d'analyser les spécificités du droit comptable français et les schémas de fraude propres au marché hexagonal constituerait un levier majeur pour assainir la concurrence et protéger l'économie réelle.
Questions fréquentes
Est-ce que l'IA de Rozes peut condamner une entreprise pour liens avec la mafia ?
Non, l'algorithme ne rend pas de jugement juridique. Il attribue un score de risque basé sur des anomalies comptables, indiquant aux enquêteurs où concentrer leurs recherches.
Sur quelles données l'IA a-t-elle été entraînée ?
Le modèle a été entraîné sur un échantillon de 2 082 entreprises dont les liens avec la criminalité organisée ont été prouvés par des décisions judiciaires.
Dans quels domaines l'outil est-il déjà utilisé ?
Il est utilisé pour la due diligence, la lutte contre le blanchiment d'argent et spécifiquement pour le contrôle des appels d'offres du PNRR en Italie.
Quelle est la différence entre une analyse comptable classique et celle de Rozes ?
L'analyse classique cherche souvent des erreurs ou des fraudes isolées, tandis que l'IA de Rozes cherche des combinaisons récurrentes d'indicateurs qui forment un profil type associé aux activités criminelles.
Sources: Libero, Repubblica, Venetoup ·
Scrivila qui: Susanna, l assistente AI di glacom, ti risponde via email con un approfondimento gratuito.
Nessuna consulenza personalizzata (finanziaria, legale o medica): solo informazione e fonti. Email usata solo per rispondere.
oppure scrivile su: WhatsApp · Telegram · SimpleX · Delta Chat · Email
