L’IA annonce-t-elle une révolution en profondeur du secteur de l’assurance ?

Patrick Soulignac, Manager Conseil Solutions, Guidewire partage son expertise sur le sujet.

Les applications potentielles de l’IA générative dans la chaîne de valeur de l’assurance sont vastes, englobant des domaines tels que les ventes, la conception des produits, la tarification, les décisions de souscription, la prévention et la gestion des sinistres. Il est clair que l’IA générative peut apporter de nombreux avantages tout au long de la chaîne de valeur assurantielle, notamment sur les sujets suivants : l’évaluation des risques, l’IA permettant de simuler divers scénarios pour évaluer les risques et fournir des éclairages pour la souscription ; le traitement automatisé des sinistre, l’IA pouvant générer et évaluer les documents de sinistres, accélérant le processus et réduisant les erreurs ; le service client, l’IA pouvant générer des réponses aux demandes des clients et aider à gérer les tâches routinières.

Les premiers prototypes se focalisent souvent sur le « gestionnaire augmenté ». L’objectif est de permettre aux gestionnaires de prendre des décisions automatisées à partir d’évaluations intelligentes. Des expérimentations ont déjà été menées pour analyser des documents complexes et restituer, de façon plus synthétique, des informations sur les sinistres ou les contrats aux gestionnaires.

En produisant une analyse avancée qui prend en compte de nombreux facteurs, l’IA change les habitudes dans la façon d’opérer le tri des sinistres, l’évaluation des risques d’aggravation ou des risques de perte de souscription dans des domaines tels que les ventes, la conception de produits, la tarification, les décisions de souscription, la gestion des sinistres ou encore la prévention des pertes.

Dans un avenir pas si lointain, il est tout-à-fait envisageable que l’IA contribue directement à produire des décisions de gestion ou des documents destinés aux clients et fournisseurs des assureurs. Cela dépend surtout des degrés de confiance et de sécurisation qui garantiront la pertinence des usages. Par exemple, l’IA générative n’a pas de critère pour distinguer les données personnelles des autres données, car elle travaille surtout avec des informations non structurées. Il faut donc renforcer les mesures de sécurité pour protéger les données personnelles des utilisateurs. L’IA générative reste aussi sujette aux « hallucinations », une situation dans laquelle le modèle produit des sorties ou des prédictions qui ne correspondent pas aux données d’entraînement, et qui peuvent causer des résultats complètement déconnectés des attentes.

Ces problématiques sont liées à l’outillage disponible actuellement dans le traitement par intelligence artificielle : au rythme actuel des innovations dans ce domaine, il n’est pas inimaginable qu’un niveau de risque acceptable soit atteint à horizon de quelques petites années.

Néanmoins, l’autre challenge majeur de l’adoption de l’IA tient à la capacité des écosystèmes assurantiels à en retirer des avantages compétitifs.

Dans une vue d’ensemble du métier des assureurs IARD, les usages de l’IA générative se heurtent à trois défis majeurs :

La transparence

Le respect des règles d’éthique nécessite une capacité à exposer les mécanismes de décision, et à fournir des garde-fous et une auditabilité.

Il est essentiel de pouvoir répondre à des interrogations telles que : quelles données ou variables ont influé sur les résultats fournis par l’IA ? Quel modèle a été utilisé lors de la gestion ? Quelle est le mécanisme de protection des données sensibles ? Quelle sensibilité le modèle a-t-il à des informations non vérifiées ou sujettes à caution ?

L’efficacité

L’enjeu d’automatisation et d’insertion de l’IA dans les processus est clé pour que l’IA ne reste pas une innovation « gadget ». Une question fondamentale est d’anticiper les efforts que les utilisateurs auront à fournir : faut-il manipuler plusieurs applications pour couvrir un processus métier de bout en bout ? Quel développement faut-il réaliser pour ingérer les réponses de l’IA, ou pour l’alimenter en données exploitables ? Enfin, comment contrebalancer le coût de l’IA par des bénéfices tangibles ?

La flexibilité

Le domaine de l’intelligence artificielles évolue très vite, et les outils sont donc appelés à se transformer très fréquemment. L’intégration des plateformes d’IA générative au sein des processus d’assurance nécessite donc de repenser le cycle de vie des applications, dans un contexte d’interconnexion accrue.

Cela conduit à s’interroger sur les points suivants : quelle est la capacité d’accès aux données (pour entraîner les modèles, pour produire des analyses, etc.) ? Quelles sont les modalités d’interfaçage, et leur résilience en cas de changement d’outils d’IA ? Quelle est la flexibilité des processus, si l’IA permet une adaptation ou une refonte radicale ?

Ces questions sont essentielles pour toute DSI qui se projette sur sa vision stratégique : l’assurance dommages de demain ne sera peut-être pas radicalement différente de celle d’aujourd’hui, mais l’informatique permettant de servir assurés et équipes métier, quant à elle, sera sans doute bien différente !

C’est une démarche de transformation permanente qui s’annonce, où innovation technique et innovation métier vont se nourrir réciproquement. Gageons que cela devrait conduire à des réflexions en profondeur sur les écosystèmes informatiques des assureurs IARD, pro-activement pour innover, ou de façon réactive, sous la pression de nouveaux besoins métiers.

Dossiers complémentaires sur le thème de l’IA avec les experts du site iTPro.fr

2024, l’année de l’accélération de l’intelligence artificielle ?

Intégration et utilisation de l’IA en 3 conseils clés

Quand les philosophes débattent d’intelligence artificielle