Comment déployer l’IA dans le domaine des assurances : réponses aux 10 questions les plus courantes
Charles Dugas Charles Dugas
8 octobre 13 min

Comment déployer l’IA dans le domaine des assurances : réponses aux 10 questions les plus courantes

Ce n’est un secret pour personne que l’industrie de l’assurance est mûre pour des changements. Il suffit de taper dans le moteur de recherche de votre choix des termes comme « IA pour l’assurance » ou « dernière insurtech », et une panoplie d’articles apparaît, louangeant les avantages d’adopter des technologies nouvelles et intelligentes. Avec autant d’informations disponibles, il n’est pas étonnant que de nombreux assureurs aient du mal à trouver comment se lancer dans l’IA de manière à ce que les projets donnent les résultats escomptés.

Au cours des deux dernières années, nous avons rencontré des assureurs partout en Amérique du Nord, en Europe et en Asie. Voici les réponses à quelques-unes des questions les plus courantes qui nous ont été posées.

1. Nous savons que nous devons penser à l’IA, mais nous ne savons pas par où commencer. Quelles sont les choses qu’on peut faire pour démarrer le processus?

Comme la plupart des projets à grande échelle impliquant de multiples parties prenantes, l’élaboration d’une feuille de route stratégique pour le déploiement de l’IA est absolument cruciale. Nous vous recommandons de commencer par cibler les cas d’utilisation et de vous assurer qu’ils sont pertinents en impliquant les bonnes parties prenantes et les bons utilisateurs dans le processus. Chaque cas d’utilisation doit être soigneusement encadré, avec des objectifs et des attentes de résultats clairement définis. Une fois ciblés, les cas d’utilisation peuvent être évalués et classés par ordre de priorité en fonction d’un ensemble de critères clés, notamment la désirabilité, la viabilité, la faisabilité et le risque :

  • La désirabilité reflète l’importance du problème spécifique considéré pour les utilisateurs finaux (c.-à-d. à quel point voulons-nous qu’il soit résolu?)
  • La viabilité évalue les avantages économiques attendus ou RCI (rendement du capital investi)
  • La faisabilité évalue si une solution au problème est réalisable, y compris les données, la technologie et les considérations humaines
  • Le risque évalue les conséquences négatives potentielles d’une défaillance du modèle et la capacité d’en atténuer les effets

Il est également important de choisir une portée gérable, car l’élaboration d’une feuille de route d’IA pour l’ensemble de l’entreprise, un secteur d’activité ou un flux de travail spécifique exigera des efforts très différents. Il est recommandé de commencer par une portée plus ciblée et de l’étendre à l’ensemble de l’organisation par vagues successives, chacune tirant parti des enseignements des itérations précédentes, plutôt que d’essayer de le faire en une seule fois.

2. Quel type de données est nécessaire pour déployer un produit d’IA?

Les données sont essentielles au déploiement de toute technologie d’IA. Nous rassemblons les données en deux groupes : les données structurées et les données non structurées.

Données nécessaires pour déployer un produit d’IA.

Les données structurées sont hautement organisées et formatées, de telle manière qu’elles sont facilement consultables dans les bases de données relationnelles. Les données structurées comprennent les renseignements sur les polices, les demandes de règlement et les paiements qui sont stockés dans les systèmes d’enregistrement d’une entreprise.

Les données non structurées n’ont pas de format ou d’organisation prédéfinis, ce qui rend la collecte, le traitement et l’analyse beaucoup plus difficiles. Il peut s’agir de texte, d’images, de son ou de vidéo, et il s’agit généralement d’un défi beaucoup plus important pour la recherche. Exemples de données non structurées : courriels de courtiers, images satellites (Google Maps), états financiers, enregistrements de centres d’appels, photos de voitures endommagées et messages de médias sociaux.

Bien que la plupart des compagnies voient un mélange de données structurées et non structurées au sein de leur organisation, nous avons observé que la majorité des données des assureurs sont non structurées. Bien que les données structurées soient préférables lors du déploiement d’un produit d’IA, les algorithmes modernes d’IA peuvent tirer parti des deux types de données. En fait, les progrès récents permettent à l’IA de traiter efficacement de nombreux types d’information numérique, y compris des documents numérisés, des images, des vidéos et même des enregistrements audio.

3. Que peuvent faire les assureurs qui manquent de données s’ils veulent déployer la technologie de l’IA?

La première chose qu’il faut déterminer, c’est s’il y a vraiment un manque de données ou si ce qui manque vraiment, ce sont les données étiquetées.

Les données non étiquetées n’ont pas été étiquetées avec une ou plusieurs étiquettes, et ce sont ces étiquettes qui permettent aux modèles d’IA de lire précisément les données et de comprendre ce qu’elles représentent. Les photos, les enregistrements audio, les vidéos et les radiographies peuvent tous être des formes de données non étiquetées. S’il s’agit de données qui ne sont pas étiquetées, il existe des outils qui peuvent accélérer le processus d’étiquetage et aider les assureurs à créer des ensembles de données prêts pour l’IA.

Si la question découle effectivement d’un manque de données suffisantes, l’assureur doit alors s’en remettre davantage à des modèles préformés et prêts à l’emploi. Ces produits, cependant, ont tendance à avoir une plus faible précision prédictive, puisque les modèles préformés ne tiennent pas compte des spécificités uniques de l’assureur.

4. Si nous déployons un produit d’IA dans notre entreprise, devrons-nous migrer de nos plateformes numériques actuelles?

Les migrations sont désordonnées, coûteuses, prennent beaucoup de temps et sont généralement un processus pénible pour la plupart des personnes concernées. C’est l’une des raisons pour lesquelles il est important que les produits d’IA s’intègrent de façon transparente à vos flux de travaux actuels.

Integration de produits IA

Pour que les algorithmes d’IA puissent accéder aux données et fournir une recommandation ou automatiser une tâche, les données doivent être disponibles en format numérique. C’est certainement le cas lorsqu’une plateforme numérique a été déployée. Même en l’absence de plateformes numériques, certains assureurs ont réussi à appliquer l’IA pour certains cas d’utilisation, mais ces cas se limitent aux zones où les données sont disponibles dans un format approprié. Bref, pas de migration nécessaire!

5. L’industrie de l’assurance est très réglementée, et les réglementations varient selon les États. Comment l’IA en tient-elle compte?

Les modèles d’IA ne sont pas des produits prêts à l’emploi. Ils apprennent continuellement grâce à des mécanismes conçus pour saisir le jugement, les connaissances et l’expérience de l’être humain, ce qui améliore encore le rendement du modèle d’IA au fil du temps.

Grâce à cet apprentissage continu, il est possible d’appliquer les réglementations de l’industrie, y compris les réglementations spécifiques aux États, par exemple en imposant des contraintes à la structure du modèle d’IA ou en limitant les données qui sont mises à la disposition de ce modèle.

6. Notre compagnie déploie actuellement un nouveau système. Est-il possible de déployer un modèle d’IA simultanément?

En gros, oui, dans certains cas, c’est possible. Lors du déploiement d’un modèle d’IA pour la première fois au sein de votre entreprise, le modèle s’appuiera sur des données historiques pour être formé. Ces données proviendraient de l’ancien système.

Les assureurs qui déploient plusieurs systèmes ou plateformes en même temps qu’un modèle d’IA doivent s’assurer que les données provenant du nouveau système sont représentées de la même façon que les données provenant de l’ancien système. Généralement, les systèmes plus récents fournissent plus de données avec plus de détails que les systèmes plus anciens (ce qui, en ce qui concerne l’IA, est préférable). Il est donc possible de déployer un modèle d’IA lors du déploiement ou de la migration vers un nouveau système.

7. Nos actuaires utilisent déjà l’analyse avancée et l’apprentissage machine (AM). Avons-nous vraiment besoin de chercher d’autres solutions d’IA?

Bien que les équipes d’analyse internes de certains assureurs aient réussi à développer des modèles d’IA et d’AM pour des utilisations spécifiques, la réalité est qu’il est très difficile d’amener l’analyse en production. Selon Gartner, d’ici 2022, 85 % des projets d’IA échoueront en production.

Étant donné le niveau de complexité de l’analyse avancée et de l’AM, auquel s’ajoute la forte probabilité de retards ou d’échec des projets d’IA, à long terme, travailler avec un fournisseur de produits d’IA peut représenter une solution économique en matière de temps et de coûts. Les produits d’IA peuvent être déployés rapidement sur place et sont hautement personnalisables, grâce à des fonctions humaines comme les seuils de tolérance pour l’automatisation et la rétroaction corrective fournie par les utilisateurs finaux.

8. Quels sont les secteurs d’activité les plus propices à l’IA?

Bien qu’il soit possible de déployer des modèles d’IA à toutes les étapes du cycle de vie de l’assurance, grâce à la technologie dont nous disposons actuellement et à notre expérience auprès de divers clients de l’industrie de l’assurance, nous croyons que les secteurs où les assureurs obtiendront les meilleurs résultats en appliquant l’IA sont les processus de souscription et de réclamation. Cependant, il est également possible d’appliquer l’IA à d’autres domaines, tels que le marketing, le ciblage de la clientèle ou la recommandation de produits, pour n’en citer que quelques-uns.

En fin de compte, les meilleurs cas d’utilisation à choisir sont ceux qui serviront le mieux les priorités de votre organisation.

9. Que se passe-t-il quand nous sommes prêts à déployer un produit d’IA?

Une fois que votre équipe a sélectionné le cas d’utilisation, préparé vos données et affiné un modèle d’IA, l’étape suivante consiste à intégrer le produit d’IA dans votre environnement technologique, y compris tous les systèmes avec lesquels il devra interagir dans votre organisation. Cela se fait par le biais d’API (interface de programmation d’applications). Qu’est-ce qu’une API? Il s’agit essentiellement d’un ensemble de procédures et d’outils qui aident les développeurs à créer des applications logicielles. L’API spécifiera comment les différents composants logiciels vont interagir. Un appel d’API est la mise en œuvre de vos API. Chaque fois que vous effectuez une action sur votre ordinateur (par exemple, envoyer un courriel, télécharger une application, entrer un mot de passe), vous faites un appel API. Dans le contexte d’un produit d’IA qui interagit avec, disons, vos systèmes de dossiers, un exemple d’appel API est la demande d’un devis pour une nouvelle soumission commerciale.

Cela peut prendre de huit semaines à quelques mois pour compléter ce processus de déploiement. Contrairement aux logiciels traditionnels d’automatisation robotisée des procédés (ARP) qui sont statiques et basés sur des règles, le modèle d’IA, une fois mis en place, apprendra continuellement et améliorera sa prise de décision au fil du temps en fonction des seuils que vous déterminez et contrôlez, ainsi que de la rétroaction corrective fournie par les utilisateurs finaux (p. ex. commis, souscripteurs et experts).

10. Comment les assureurs doivent-ils planifier la gestion du changement lorsqu’ils adoptent la technologie de l’IA?

Au-delà de l’élaboration d’une stratégie d’IA, de la recherche de talents techniques, de l’investissement dans l’infrastructure de données et de technologie, ainsi que la mise en place d’un cadre de gouvernance et de contrôles appropriés, les assureurs ne devraient pas sous-estimer l’importance de la gestion du changement pour assurer le succès des solutions d’IA qu’ils adoptent (qu’elles soient développées en interne ou par des tiers). Comme dans le cas de toute initiative importante, les assureurs peuvent planifier une gestion efficace du changement en ciblant et en habilitant des champions internes au sein de l’organisation, en plus d’élaborer et de mettre en œuvre une stratégie de communication réfléchie, à l’interne comme à l’externe, et en offrant une formation et un encadrement adéquats, avant et après le déploiement.

Voici une liste pratique d’activités et de produits livrables par lesquels les assureurs peuvent commencer à planifier efficacement la gestion du changement :

  • Examinez vos cas d’utilisation pour vous assurer que les processus opérationnels et les procédures d’exploitation normalisées touchés sont à jour. Il est important de savoir de quoi vous changez, de comprendre quel soutien, quelle formation et quel changement organisationnel seront nécessaires pour être efficaces dans l’état futur.
  • Mettez à jour les descriptions d’emploi et saisissez les tâches associées aux emplois touchés. Cela vous aidera à cibler les exigences en matière de formation et à déterminer si vous devez réorganiser les tâches ou les affectations de travail.
  • Examinez le contenu et l’exhaustivité de votre formation interne et de vos processus d’intégration pour les rôles d’emploi touchés. Une fois l’IA déployée, certains membres du personnel peuvent assumer de nouvelles responsabilités et avoir besoin d’une formation ou d’un soutien pour réussir.
  • Communiquez, communiquez, communiquez. On ne le dira jamais assez! Les entreprises doivent non seulement partager la vision et la feuille de route sur la manière dont l’IA sera développée à l’avenir, mais aussi sur la manière dont les employés seront affectés et sur les systèmes de soutien qui seront à leur disposition pour assurer une transition en douceur pour tous.

Pour en savoir plus sur la façon de commencer à planifier l’adoption de l’IA au sein de votre organisation, visitez notre page assurances ou contactez un de nos experts en IA dès maintenant.