> ## Documentation Index > Fetch the complete documentation index at: https://docs.didit.me/llms.txt > Use this file to discover all available pages before exploring further. # API de filtrage AML : Sanctions et PEP > Filtrez avec Didit sur 1,300+ listes de sanctions, PEP et surveillance en temps réel. $0.20 par appel, système à deux scores, sans contrat. Le Filtrage AML de Didit vérifie une personne en temps réel par rapport à 1,300+ sources mondiales de sanctions, de PEP, de listes de surveillance et de presse négative, et renvoie chaque correspondance potentielle avec deux scores : un score de correspondance indiquant la probabilité qu'il s'agisse de la même personne, et un score de risque mesurant le niveau de risque de l'entité répertoriée. Prompt d'intégration du Filtrage AML Copier le prompt dans le presse-papiers \

\````# Goal
Integrate Didit AML Screening (PEP, sanctions, warnings, adverse media) into your app. Pick ONE mode.

\# Mode A — Session-based
Run AML as a step inside a verification session. Decisions, ongoing monitoring, and audit history are bound to the session and surfaced in the Business Console.

1\. Add the AML feature to the workflow (Business Console or POST /v3/workflows/). Configure thresholds: aml_match_score_threshold, aml_score_approve_threshold, aml_score_review_threshold, and the weights aml_name_weight + aml_dob_weight + aml_country_weight (must sum to 100).
2\. Create a session — POST /v3/session/ with { workflow_id, vendor_data, callback }. See /sessions-api/create-session.
3\. Fetch the decision — GET /v3/session/{sessionId}/decision/ or subscribe to session.status.updated.

Decision surface: `aml_screenings[]` array on the decision payload.

\# Mode B — Standalone API (server-to-server)
Use when you want a one-shot AML check decoupled from a hosted KYC flow.

POST https://verification.didit.me/v3/aml/
x-api-key: YOUR_API_KEY
Content-Type: application/json

curl example:
\```bash
curl -X POST 'https://verification.didit.me/v3/aml/' \
-H "x-api-key: $DIDIT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"full_name": "Javier Ejemplo Modelo",
"entity_type": "person",
"date_of_birth": "1974-01-01",
"nationality": "ES",
"include_adverse_media": true,
"vendor_data": "user-1234"
}'
\```
Returns: { request_id, aml: { status, screening_id, hits: [...], warnings: [...] } }.

\# Important policy rules
\- aml_name_weight + aml_dob_weight + aml_country_weight must equal exactly 100 — request rejected with HTTP 400 otherwise.
\- include_adverse_media=true increases latency to ~25s; use a client timeout of at least 45s.
\- include_ongoing_monitoring=true keeps the entity under daily re-screening at **$0.07 per year per screened entity** (billing alert) and requires save_api_request=true (HTTP 400 otherwise). Disable from the Business Console.

\# Status enum (per aml_screenings[].status / aml.status)
"Not Started" | "In Progress" | "Approved" | "In Review" | "Declined" | "Abandoned" | "Kyc Expired"

\# Warnings (LogWarningChoices.AML)
warnings[] risk codes include:
POSSIBLE_MATCH_FOUND, MATCH_FOUND, HIGH_RISK_COUNTRY, ADVERSE_MEDIA_HIT, SANCTIONED_ENTITY, PEP_MATCH, ONGOING_MONITORING_ENABLED.
Full catalogue: /core-technology/aml-screening/warnings-aml-screening.

\# Failure modes to handle
\- HTTP 400 — weights don't sum to 100; ongoing_monitoring without save_api_request.
\- HTTP 403 — out of credits.
\- status="Declined" — at least one hit's risk_score ≥ aml_score_review_threshold and crossed the decline boundary.
\- status="In Review" — risk_score between approve and review thresholds; route to manual queue.
\- Adverse-media timeout — the upstream provider was slow; the result returns without adverse-media hits (still actionable).

\# See also
\- Canonical schema: /reference/data-models#aml-screening
\- Per-feature report: /core-technology/aml-screening/report-aml-screening
\- Risk catalogue: /core-technology/aml-screening/warnings-aml-screening
\- Ongoing monitoring: /core-technology/aml-screening/continuous-monitoring-aml-screening
\- Full integration playbook: /integration/integration-prompt````

\
Coller dans Le cours Didit Academy sur la lecture d'un résultat de vérification aborde le filtrage AML à 8:40 : sanctions, PEP et presse négative sur une session réelle.[Filtrage AML : sanctions, PEP et presse négative — Didit Academy](https://www.youtube.com/embed/7htTWCWsl60?start=520\&rel=0\&playsinline=1)![Tableau des sources de listes de surveillance pour le filtrage AML de Didit, incluant les sanctions de l'OFAC, de l'UE, de l'ONU et les listes de PEP](https://mintcdn.com/didit-0f962782/z6T2GHM4Zh-iSj-K/images/aml-list-table.jpeg?fit=max\&auto=format\&n=z6T2GHM4Zh-iSj-K\&q=85\&s=b254abf5bb564018e15588ef7c56f92e)## Concepts clés : score de correspondance et score de risqueDidit utilise un **système à deux scores** pour le filtrage AML :### Score de correspondance (confiance dans l'identité)- **Question :** Cette correspondance concerne-t-elle la même personne que celle que nous filtrons ? - **Facteurs :** Similarité du nom, date de naissance, pays/nationalité, numéro de document - **Objectif :** Classe la correspondance comme **Faux positif** ou **Non examiné** (correspondance possible) - **Seuil :** Seuil du score de correspondance (par défaut : 93)### Score de risque (niveau de risque de l'entité)- **Question :** Quel est le niveau de risque de cette entité s'il s'agit effectivement de la même personne ? - **Facteurs :** Risque lié au pays, catégorie (PEP/sanctions/etc.), casier judiciaire - **Objectif :** Détermine le **statut AML final** (Approuvé/En cours d'examen/Refusé) - **Seuils :** Seuil d'approbation (par défaut : 80) et seuil d'examen (par défaut : 100)``` ┌─────────────────────────────────────────────────────────────────────────────┐ │ AML SCREENING FLOW │ ├─────────────────────────────────────────────────────────────────────────────┤ │ │ │ STEP 1: Screen against watchlists │ │ └── Returns potential matches (match score ≥ 75% included) │ │ │ │ STEP 2: For each match, calculate MATCH SCORE │ │ └── Match Score = (Name × W1) + (DOB × W2) + (Country × W3) │ │ │ │ STEP 3: Classify match by match score │ │ ├── Match Score < 93 → FALSE POSITIVE (excluded from risk) │ │ └── Match Score ≥ 93 → UNREVIEWED (included in risk) │ │ │ │ STEP 4: For unreviewed matches, calculate RISK SCORE │ │ └── Risk Score = (Country × 30%) + (Category × 50%) + (Criminal × 20%) │ │ │ │ STEP 5: Determine AML STATUS (highest risk score among non-FP matches) │ │ ├── Risk Score < 86 → APPROVED │ │ ├── 86 ≤ Risk Score ≤ 100 → IN REVIEW │ │ └── Risk Score > 100 → DECLINED │ │ │ └─────────────────────────────────────────────────────────────────────────────┘ ```## Statuts d'examen des correspondancesChaque correspondance AML se voit attribuer un statut d'examen basé sur son score de correspondance :| Statut | Description | Moment de l'attribution | | - | - | - | | **Faux positif** | La correspondance n'est probablement PAS la même personne | Score de correspondance \< seuil (attribué automatiquement) | | **Non examiné** | Il s'agit d'une correspondance possible nécessitant un examen | Score de correspondance ≥ seuil (attribué automatiquement) | | **Correspondance confirmée** | La correspondance a été confirmée comme étant la même personne | Défini manuellement par le responsable de la conformité | | **Non concluant** | Impossible de déterminer s'il s'agit de la même personne | Défini manuellement par le responsable de la conformité |> [!NOTE] > > ### **Conseil :** Vous pouvez modifier le statut d'examen d'une correspondance dans la Console en consultant la vue d'ensemble AML ou en cliquant sur une correspondance spécifique pour afficher ses détails.## Fonctionnalités clés### 1. Extraction complète des données- **Extraction précise** : Extrayez les données à partir des informations fournies par l'utilisateur ou des documents d'identité à l'aide d'une technologie OCR avancée. - **Logique floue** : Prenez en compte les variantes de noms et les fautes d'orthographe pour garantir une capture exhaustive des données.### 2. Couverture étendue des listes de surveillanceEffectuez des vérifications sur plusieurs catégories, notamment :- **Listes de sanctions** : Émanant d'organismes gouvernementaux et internationaux. - **Personnes politiquement exposées (PEP)** : Personnes exerçant des fonctions publiques de premier plan. - **Antécédents criminels** : Y compris les bases de données pénales mondiales et locales. - **Mentions dans la presse négative** : Articles de presse et rapports sur la criminalité financière et d'autres risques. - **Listes de surveillance personnalisées** : Configurables selon les besoins spécifiques du client.### 3. Algorithmes de correspondance avancés- **Correspondance floue** : Détectez de légères variations dans les noms ou les détails pour garantir une correspondance précise. - **Points de données multiples** : Utilisez le nom, la date de naissance, la nationalité et d'autres identifiants pour un filtrage approfondi. - **Logique Golden Key** : Correspondance du numéro de document pouvant outrepasser les scores pour une identification définitive.### 4. Évaluation du risque à double scoreChaque correspondance reçoit DEUX scores :| Score | Objectif | Classification | | - | - | - | | **Score de correspondance** (0-100) | S'agit-il de la même personne ? | Faux positif vs Non examiné | | **Score de risque** (0-100) | Quel est le niveau de risque de cette entité ? | Détermine le statut AML final |**Statut d'examen de la correspondance (selon le score de correspondance) :**- **Faux positif** : Score de correspondance inférieur au seuil - il ne s'agit probablement PAS de la même personne - **Non examiné** : Score de correspondance supérieur ou égal au seuil - nécessite un examen**Statut AML final (selon le score de risque le plus élevé parmi les correspondances qui ne sont pas de faux positifs) :**- **Approuvé** : Toutes les correspondances non examinées ont des scores de risque faibles - **En cours d'examen** : Au moins une correspondance non examinée a un score de risque moyen-élevé - **Refusé** : Au moins une correspondance non examinée a un score de risque très élevé### 5. Filtrage détaillé de la presse négativeFiltrez parmi un large éventail de catégories de presse négative, notamment :- **Délits financiers** : Blanchiment d'argent, détournement de fonds, et plus encore. - **Crimes avec violence** : Agressions, meurtres et infractions connexes. - **Terrorisme** : Implication ou soutien à des activités terroristes. - **Stupéfiants** : Trafic de stupéfiants et délits connexes. - **Fraude** : Divers types de fraudes et de pratiques trompeuses. - **Infractions réglementaires** : Non-respect des exigences de conformité réglementaire.### 6. Paramètres de filtrage personnalisables- **Sensibilité ajustable** : Configurez la sensibilité du filtrage selon l'appétence au risque de votre organisation. - **Listes de surveillance personnalisables** : Sélectionnez les listes de surveillance et les catégories à inclure dans le processus de filtrage pour répondre à des besoins spécifiques.### Seuils configurablesVous pouvez personnaliser les niveaux de sécurité en définissant différents seuils :**Configuration du score de correspondance :**| Paramètre | Valeur par défaut | Description | | - | - | - | | Seuil du score de correspondance | 93 | Les correspondances en dessous sont des Faux positifs, au seuil ou au-dessus sont Non examinées | | Poids du nom | 60 | Poids du nom dans le score de correspondance | | Poids de la date de naissance | 25 | Poids de la date de naissance dans le score de correspondance | | Poids du pays | 15 | Poids du pays dans le score de correspondance |**Seuils du score de risque (statut final) :**| Paramètre | Valeur par défaut | Description | | - | - | - | | Seuil d'approbation | 80 | Scores de risque inférieurs = Approuvé | | Seuil d'examen | 100 | Scores de risque supérieurs = Refusé ; entre les deux = En cours d'examen |![Didit AML risk score thresholds for Approved, In Review and Declined statuses](https://mintcdn.com/didit-0f962782/z6T2GHM4Zh-iSj-K/images/aml-risk-score.png?fit=max\&auto=format\&n=z6T2GHM4Zh-iSj-K\&q=85\&s=297acc5d98dcd0f038597c4f2d953f46)> [!NOTE] > > Ces seuils peuvent être ajustés selon votre tolérance au risque et vos exigences de sécurité.## Comment ça fonctionneNotre processus de filtrage AML identifie efficacement les risques potentiels tout en minimisant les délais pour les utilisateurs légitimes.**1. Extraction des données**Le système extrait les informations pertinentes à partir des données fournies par l'utilisateur ou des pièces d'identité téléversées.| Entrée | Méthode | | - | - | | **Pièces d'identité** | Technologie OCR avancée pour une extraction précise des données | | **Données fournies par l'utilisateur** | Saisie directe (nom, date de naissance, nationalité, numéro de document) | | **Logique floue** | Prend en compte les variantes de noms et les fautes d'orthographe |**2. Filtrage sur les listes de surveillance**Les données extraites sont recoupées en temps réel avec **1,300+ listes de surveillance mondiales** et bases de données :- **Listes de sanctions** — Organismes gouvernementaux et internationaux (OFAC, UE, ONU, etc.) - **Personnes politiquement exposées (PEP)** — Individus exerçant des fonctions publiques de premier plan - **Casier judiciaire** — Bases de données criminelles mondiales et locales - **Presse négative** — Articles de presse et rapports sur la criminalité financière - **Listes de surveillance personnalisées** — Configurables selon vos besoins**3. Calcul du score de correspondance**Pour chaque correspondance potentielle, le système calcule un **score de confiance de l'identité** — la probabilité qu'il s'agisse de la même personne.| Facteur | Poids par défaut | Description | | - | :-: | - | | **Similarité du nom** | 60% | Correspondance floue tenant compte des variations | | **Date de naissance** | 25% | Comparaison exacte ou partielle de la date de naissance | | **Pays/Nationalité** | 15% | Comparaison du pays d'origine |- Score de correspondance **inférieur au seuil** (par défaut : 93) → classé comme **Faux positif** - Score de correspondance **égal ou supérieur au seuil** → classé comme **Non examiné** (correspondance possible) - **Clé dorée** : la correspondance du numéro de document peut forcer le score à 100% pour une identification définitive**4. Calcul du score de risque**Pour les correspondances qui ne sont pas des faux positifs, le système calcule le **niveau de risque** de l'entité :| Facteur | Poids | Description | | - | :-: | - | | **Catégorie** | 50% | Niveau de PEP, type de sanctions, gravité pénale | | **Risque du pays** | 30% | Évaluation du risque des pays associés | | **Casier judiciaire** | 20% | Présence et gravité des antécédents judiciaires |**5. Détermination du statut final**Basé sur le **score de risque le plus élevé** parmi toutes les correspondances qui ne sont pas des faux positifs :| Score de risque | Statut | Action | | :-: | - | - | | Inférieur au seuil d'approbation | **Approuvé** | Validé automatiquement, aucun risque crédible | | Entre les seuils | **En cours d'examen** | Signalé pour examen manuel de conformité | | Supérieur au seuil d'examen | **Refusé** | Risque élevé, rejet automatique |Si **toutes** les correspondances sont des faux positifs, le résultat est **Approuvé** (aucune correspondance crédible trouvée).**6. Génération des résultats**Un rapport détaillé est généré en toute transparence :- Le **score de correspondance** et le **score de risque** de chaque correspondance avec le détail des calculs - La classification de la correspondance (Faux positif vs Non examiné vs Confirmé) - La base de données source et les détails de la catégorie pour chaque résultat - Les résultats sont transmis via **réponse API**, **webhook** ou la **Business Console** - Prise de décision automatique basée sur vos seuils de score de risque configurés## Référence des données de correspondance AMLChaque correspondance AML renvoyée dans la réponse API contient des informations détaillées sur l'entité correspondante. Vous trouverez ci-dessous les champs clés et leurs valeurs possibles.### Catégories de jeux de donnéesLe champ `datasets` présent sur chaque correspondance indique les catégories de bases de données de conformité dans lesquelles l'entité a été trouvée. Valeurs possibles :| Valeur | Description | | - | - | | `PEP` | Personne politiquement exposée (en général) | | `PEP Level 1` | Chefs d'État, personnalités politiques de premier plan, juges de la Cour suprême | | `PEP Level 2` | Membres du parlement, ambassadeurs, hauts responsables militaires | | `PEP Level 3` | Responsables des administrations locales, fonctionnaires de niveau intermédiaire | | `PEP Level 4` | RCA (proches et associés étroits) de personnes PEP | | `Sanctions` | Listes de sanctions internationales et nationales (OFAC, UE, ONU, etc.) | | `Adverse Media` | Articles de presse négative et rapports liés à la criminalité financière | | `Warnings and Regulatory Enforcement` | Avertissements réglementaires, mesures d'exécution et alertes de conformité | | `Fitness and Probity` | Registres d'aptitude et de probité des régulateurs financiers | | `SIP` | Listes de personnes d'intérêt particulier (SIP) | | `SIE` | Listes d'entités d'intérêt particulier (SIE) | | `Insolvency` | Registres d'insolvabilité et de faillite |### Correspondances de sanctionsLe tableau `sanction_matches` contient les détails relatifs à chaque liste de sanctions où l'entité a été trouvée. Champs clés :| Champ | Type | Description | | - | - | - | | `list_name` | `string[]` | Nom(s) de la ou des liste(s) de sanctions | | `matched_name` | `string` | Nom tel qu'il apparaît dans la liste de sanctions | | `description` | `string` | Description de l'entrée de sanction | | `reason` | `string` | Motif en texte libre pour lequel l'entité a été sanctionnée. Il ne s'agit pas d'une énumération — les valeurs proviennent directement de l'autorité émettrice des sanctions et décrivent les motifs spécifiques de l'inscription (par ex. « Executive Order 13224 (Terrorism) », « Support for actions undermining Ukraine's sovereignty »). | | `legal_basis` | `string[]` | Base juridique de la sanction | | `sanction_program` | `string[]` | Programme(s) de sanctions au titre duquel ou desquels l'entité est répertoriée | | `sanctioning_authority` | `string[]` | Autorité ayant imposé la sanction | | `listed_on` | `string[]` | Date(s) à laquelle ou auxquelles l'entité a été inscrite | | `source_url` | `string` | URL vers la source |### Correspondances d'avertissementsLe tableau `warning_matches` contient les détails des correspondances issues des listes d'avertissements, de mesures d'exécution réglementaires et des listes associées. Le champ `additional_data` peut inclure un tableau `data.case_details` contenant des informations structurées sur le dossier.#### Types de dossiers d'avertissementLe champ `case_type` au sein de `additional_data.data.case_details[]` décrit la nature du dossier d'avertissement. Valeurs connues :| Valeur | Description | | - | - | | `Accusation` | Accusation formelle ou mise en accusation | | `Arrest` | Dossier d'arrestation | | `Bribery` | Dossier lié à la corruption | | `Criminal` | Affaire pénale générale | | `Fraud` | Dossier lié à la fraude | | `Illegal Fundraising` | Activité de collecte de fonds illégale | | `Non-conviction Terror` | Inscription liée au terrorisme sans condamnation | | `Proclaimed Offender` | Délinquant officiellement déclaré | | `Regulatory Enforcement` | Mesure d'exécution réglementaire | | `Terrorism` | Dossier lié au terrorisme | | `Terrorism-related` | Lié à des activités terroristes | | `Terrorism-related listing` | Inscription en lien avec le terrorisme | This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.