Intelligence artificielle (IA) et identité organisationnelle

À mesure que les agents IA commencent à rechercher des services, à échanger des informations et à effectuer des paiements pour le compte d’organisations, une question pratique se pose : comment une autre partie peut-elle vérifier quelle organisation se cache derrière un agent et ce que cet agent est autorisé à faire ? L’identifiant d’entité légale (LEI) fournit un identifiant normalisé à l’échelle mondiale, lié à des données de référence sur l'entité légale vérifiées. Le LEI vérifiable (vLEI) étend cette base aux interactions numériques, permettant aux contreparties de vérifier de manière automatisée l’identité de l’organisation et l’autorité des personnes agissant en son nom.

La GLEIF examine comment cette infrastructure pourrait soutenir les futures approches en matière d’autorité déléguée aux agents d’IA, en particulier dans le domaine des paiements. Parallèlement à ce domaine émergent, les données de référence LEI normalisées prennent déjà en charge la classification des entités légales basée sur l’IA. Ces applications répondent à des besoins différents : vérifier l’autorité lorsque des agents d’IA agissent, et améliorer les données organisationnelles utilisées dans les analyses pilotées par l’IA.

L’IA agentique dans les paiements : vérification de l’identité et de l’autorité déléguée

Une organisation peut déléguer des tâches de paiement à un logiciel, mais une contrepartie a toujours besoin de preuves indiquant qui a autorisé l’agent, quelles actions il est habilité à effectuer et comment ces autorisations sont vérifiées. Le LEI identifie l’entité légale concernée. Les identifiants vLEI existants permettent la vérification informatique de l’identité de l’organisation ainsi que des rôles et de l’autorité des personnes agissant pour le compte de cette entité. Pour associer un agent d’IA spécifique à une organisation et aux actions qui lui sont autorisées, des preuves supplémentaires de délégation et des contrôles sont nécessaires au moment de la transaction.

Le document de travail de la GLEIF de septembre 2026, intitulé « L’IA agentique dans les paiements : établir une confiance et un contrôle interopérables », explore une approche possible. Ce document examine une proposition d’« Agent Mandate Credential » (AMC) qui permettrait de relier l’identifiant cryptographique d’un agent d’IA à une organisation vérifiée et à une personne autorisée, tout en précisant les tâches autorisées, les limites de transaction et la durée de validité. Par exemple, un responsable de la trésorerie d’une entreprise pourrait autoriser un agent à effectuer des paiements définis à des fournisseurs ; le prestataire de services de paiement pourrait vérifier la chaîne d’autorisation et appliquer des contrôles au moment de la transaction avant de l’exécuter. Le document examine également la révocation, les registres d’audit, la confidentialité et l’interopérabilité. L’AMC reste une proposition devant faire l’objet de recherches et de tests supplémentaires. Il ne s’agit pas actuellement d’un certificat délivré au sein de l’écosystème vLEI ni d’une norme sectorielle finalisée.

Analyse de données basée sur l’IA : compréhension des noms d’entités légales (LENU)

Les formes juridiques varient selon les juridictions, les langues et les conventions de dénomination, ce qui rend leur classification cohérente difficile. La liste de codes des catégories juridiques, basée sur la norme ISO 20275, attribue un code alphanumérique à quatre caractères à chaque forme juridique d’une entité. Le GLEIF a collaboré avec Sociovestix Labs pour développer Legal Entity Name Understanding (LENU), un outil open source d’apprentissage automatique qui prédit la forme juridique d’une entité légale à partir de son nom et suggère le code ELF correspondant. LENU utilise des données de référence sur l'entité légale normalisées pour entraîner des modèles spécifiques à chaque juridiction et permet :

• Une classification plus cohérente des formes juridiques, toutes langues et conventions de dénomination confondues.
• Une meilleure mise en correspondance des entités et une meilleure intégration des données lorsque les enregistrements utilisent des libellés différents.
• Une réduction des tâches manuelles liées à la préparation des données sur la forme juridique pour les processus en aval.
• Des contrôles de qualité des données lorsque les codes ELF suggérés diffèrent de ceux figurant dans les enregistrements LEI existants.

Ces classifications lisibles par machine aident les organisations à préparer des données d’entités plus cohérentes pour l’analyse, l’intégration et d’autres processus numériques. La vidéo « GLEIF Explains » suivante présente LENU.

LENU est une bibliothèque Python open source disponible sur GitHub, dont les modèles spécifiques à chaque juridiction sont également disponibles sur Hugging Face. Ses modèles basés sur des transformateurs peuvent traiter les noms d’entités dans différentes langues et juridictions.

Lorsque la GLEIF identifie des divergences manifestes entre les prédictions de LENU et les enregistrements LEI existants, elle peut envoyer une demande de vérification des données à l’Émetteur de LEI concerné afin qu’il procède à une vérification et, le cas échéant, à une correction. Les données de référence mises à jour peuvent ensuite alimenter les versions ultérieures du modèle.

La GLEIF, l’université de Saint-Gall et Sociovestix Labs ont publié l’article de recherche scientifique intitulé « Transformer-based Entity Legal Form Classification », qui examine cette approche et son potentiel pour soutenir la normalisation des données et la mise en correspondance des entités.

Pour un aperçu général, consultez notre dernier article de blog intitulé « Lorsque des agents IA effectuent des transactions, qui se cache derrière eux ? ». Pour une perspective plus large sur les paiements, consultez la rubrique « Paiements transfrontaliers»