Bibliographie sélective OHADA

Ce mémoire propose une analyse comparative de l'intégration de l'intelligence artificielle (IA) dans le secteur de la conformité bancaire, en s'intéressant aux approches européennes et canadiennes. Tandis que l'Union européenne a choisi de structurer cet encadrement à travers un règlement spécifique, le Canada avance de manière plus fragmentée, particulièrement depuis l'abandon du projet de loi C-27. Au fil de l'étude, plusieurs défis communs émergent : multiplication des normes, chevauchement des obligations, et insécurité juridique, autant de facteurs qui compliquent l'adoption d'outils d'IA dans le respect des exigences de conformité. L'analyse met en lumière les conséquences concrètes de cette fragmentation, notamment la hausse des coûts de conformité et un frein à l'innovation technologique. À partir de ces constats, ce travail propose des pistes pour clarifier et mieux articuler les règles existantes, en vue de bâtir un cadre plus lisible, cohérent et propice à l'innovation. En définitive, l’objectif poursuivi est d’esquisser les contours d’une régulation de l’IA adaptée aux défis du secteur bancaire, dans un contexte technologique en perpétuelle évolution. This thesis offers a comparative analysis of the integration of artificial intelligence (AI) into the field of banking compliance, focusing on the European and Canadian approaches. While the European Union has chosen to frame this integration through a specific regulation, Canada is advancing in a more fragmented manner, particularly following the abandonment of Bill C-27. Throughout the study, several common challenges emerge: the multiplication of standards, overlapping obligations, and legal uncertainty, all of which complicate the adoption of AI tools while ensuring regulatory compliance. The analysis highlights the concrete consequences of this fragmentation, including rising compliance costs and a potential slowdown in technological innovation. Based on these findings, this work proposes avenues for clarifying and better coordinating existing regulations, aiming to build a more coherent, understandable, and innovation-friendly framework. Ultimately, the goal is to outline a regulatory model for AI that meets the evolving challenges faced by the banking sector in an ever-changing technological landscape

L’affaire C-252/21 (Meta c. Bundeskartellamt) traite de la conformité du RGPD avec les pratiques commerciales de Meta et explore la question du rôle de la protection des données dans l’équilibre du jeu de la concurrence, notamment en matière d’abus de position dominante. Elle met d’abord en avant l’hypothèse selon laquelle la collecte et le traitement illicite de données pourraient constituer un facteur de verrouillage du marché à l’endroit des potentiels concurrents tout en renforçant la position dominante de Meta. Ensuite, elle conforte l’idée selon laquelle créer de la concurrence loyale entre les exploitants des données personnelles pourrait constituer un levier capable de renforcer la protection des données personnelles. Bien plus encore, on pourrait déduire de cette affaire un dualisme patent entre l'ultralibéralisme des marchés voulu par le système capitaliste américain, qui prend fait et cause pour le comportement prédateur de Méta, et la volonté protectrice de l’UE à travers son dispositif RGPD et ses politiques anticoncurrentielles. Il s’agira alors pour nous d’analyser l’impact du modèle économique de Meta sur le droit de la concurrence tout en s’interrogeant sur la capacité des outils réglementaires à répondre à la problématique d’abus de position dominante.

Les partenariats entre fintechs et banques à l’ère de l’intelligence artificielle redéfinissent les modèles économiques et stratégiques du secteur financier. Face aux mutations technologiques, les banques traditionnelles s’associent aux fintechs pour innover, optimiser leurs services et répondre aux attentes des consommateurs. Toutefois, ces collaborations soulèvent des défis juridiques majeurs en matière de responsabilité, de protection des données et de conformité réglementaire. Ce mémoire analyse ces enjeux en adoptant une méthodologie combinant analyse doctrinale, droit comparé et étude des cadres réglementaires existants. L’approche doctrinale a permis d’explorer les concepts clés des fintechs, des banques et de l’IA, en mobilisant les théories économiques et juridiques pertinentes. L’étude comparative entre l’Union européenne, les États-Unis et le Canada a mis en lumière les différences réglementaires, notamment en matière de protection des données et de régulation de l’innovation. Enfin, l’examen des cadres législatifs actuels et des tendances émergentes, telles que les regulatory sandboxes et les innovation hubs, a permis d’anticiper les évolutions nécessaires pour encadrer ces transformations. Les résultats montrent que si l’IA favorise l’innovation et l’automatisation des services financiers, elle pose également des risques en matière de transparence des algorithmes, de cybersécurité et d’équilibre concurrentiel. L’étude met en évidence la nécessité d’une harmonisation réglementaire et de mécanismes de gouvernance adaptés pour garantir un développement équilibré du secteur. Ce mémoire propose plusieurs recommandations, notamment le renforcement des cadres juridiques sur la responsabilité algorithmique, la création de normes internationales harmonisées et la mise en place de collaborations entre banques, fintechs et régulateurs. Ces mesures visent à assurer un environnement financier sécurisé, innovant et conforme aux impératifs de transparence et de protection des utilisateurs. Ainsi, les partenariats fintechs-banques s’imposent comme un levier stratégique incontournable, nécessitant une régulation adaptée pour concilier innovation et stabilité du marché.

The Financial Action Task Force (FATF) is a watchdog established to counter the abuse of the financial system by criminals for money laundering, the financing acts of terrorists and proliferation financing. For the FATF to achieve its mandate, it came up with a set of global standards in the form of Recommendations. The Recommendations seek to mitigate the risks of money laundering and terrorist financing and to assess whether FATF member countries are taking effective action to combat money laundering and terrorist financing. South Africa is a member of the FATF and therefore, is obliged to comply with the standards set to combat money laundering and terrorist financing and proliferation. The FATF uses assessments done through peer mutual evaluations. In other words, FATF members assess one another’s anti-money laundering and counter-terrorism financing (AML/CTF) regulatory frameworks for compliance with FATF’s standards. Following the FATF's assessment in the years 2003, 2009 and 2018, South Africa’s AML/CTF regulatory framework was found to be weak leading to greylisting in 2023. The greylisting of South Africa follows the findings of strategic deficiencies in the country’s implementation of the FATF AML/CFT standards. Greylisting by the FATF carries various economic and reputational implications for South Africa such as increased scrutiny from international partners resulting in increased compliance costs for financial institutions, an estimated reduction in South Africa’s gross domestic product (GDP) and a decrease in foreign direct investment (FDI). Since the greylisting, South Africa has embarked on a legislative and regulatory journey to address the shortcomings with a view to be taken off the greylist. This dissertation provides a detailed analysis of the FATF standards, evaluates South Africa's legislative and institutional responses in the form of the Prevention of Organised Crime Act 121 of 1998, Financial Intelligence Centre Act 38 of 2001 and the Protection of Constitutional Democracy Against Terrorist and Related Activities Act 33 of 2004, and assess their effectiveness in addressing the identified deficiencies. Recommendations are suggested to assist in fortifying South Africa’s AML/CTF regulatory framework.

This dissertation investigates the impact of digital transformation on risk management within the banking sector, emphasizing the integration of artificial intelligence (AI) in enhancing operational risk management. It examines key research questions about how digitisation reshapes risk management practices, the extent to which South African banks align with international standards, and the role of AI in advancing these frameworks. The study finds that AI holds substantial potential to improve risk management, particularly in managing operational risks, while underscoring the indispensable role of human oversight. Ultimately, this shift toward a more AI-driven, adaptive approach marks a pivotal evolution in the financial sector, suggesting that the future of risk management can indeed rely on AI's transformative capabilities.

The aim of this research is to determine how the application of Big Data and Data Analytics techniques influences the external audit. The impact on the working methods and the audit quality is discussed. Furthermore, the technological maturity of the Belgian and Luxembourgish audit industry is analysed. Therefore, the following research questions are asked: How do Big Data and Data Analytics influence the audit working method? What is the impact of Big Data and Data Analytics on the audit quality? How is the audit risk identification and assessment phase influenced? Which audit risks can be identified? Which tools and techniques do the Belgian and Luxembourgish auditors use and where do they stand? In order to answer the research question, scientific articles were analysed in the context of the literature review. Subsequently, a case study was carried out. Interviews with experts in Belgium and Luxembourg were conducted. The results of the research show that there is high potential to use these technologies in audit. Nevertheless, it is also connected with initial investments and a certain agreement of the clients. There is high potential to enhance the auditor’s effectiveness and efficiency, but the complete impact cannot yet be analysed. The audit quality can be enhanced when qualitative analyses generates audit evidence based on high quality data. The Belgian and Luxembourgish audit industry has just started implementing the technologies.