Les courtiers immobiliers : des gardiens mandatés pour lutter contre le blanchiment d’argent
Notice bibliographique
Résumé
Le secteur immobilier est identifié comme l’un des secteurs les plus à risque de blanchiment d’argent. Or, le niveau de surveillance dans ce secteur demeure insuffisant. En considérant les courtiers immobiliers comme des gardiens de ce secteur, cette étude explore la manière dont ceux-ci exercent et perçoivent leur rôle en tant qu’entité déclarante dans la lutte contre le blanchiment d’agent. Pour mener à bien cette étude, une approche mixte a été adoptée, combinant 33 répondants d’un questionnaire et huit entretiens menés avec des courtiers immobiliers québécois. Après des analyses descriptives et thématiques, il apparaît que les courtiers immobiliers peinent à s’approprier pleinement leur rôle de gardien, notamment en raison de nombreux facteurs, tels que leur compréhension du risque, leur adhésion aux normes éthiques et professionnelles et leur capacité à agir. Ensuite, les courtiers immobiliers sont susceptibles d’être confrontés à une dynamique contradictoire entre leur rôle de gardien et leur approche commerciale vis-à-vis de leurs clients, en raison de certaines démarches de vérification allant à l’encontre du modèle d’affaires. Parallèlement, les résultats ont mis en évidence une certaine zone grise dans la gestion du risque, qui pousse parfois les courtiers à éluder les risques. En outre, les courtiers immobiliers perçoivent le blanchiment d’argent comme peu probable dans leur réalité quotidienne et se réfèrent à des aspects sensationnalistes du sujet pour détecter des opérations douteuses. En définitive, il semble nécessaire d’évaluer l’intérêt de collecter systématiquement des données sur les transactions pour développer des algorithmes de détection spécifiques au secteur immobilier.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».