Les applications du machine learning dans l'assurance

Optimisation du parcours client

Cette application du machine learning permet de conseiller le client de la manière la plus automatisée. A travers un chatbot par exemple, à savoir, une machine pouvant répondre aux interrogations des utilisateurs sur leurs couvertures assurantielles. Cette optimisation du parcours client peut être illustrée par les travaux de FinChatBot, start-up basée en Afrique du Sud, experte de l’acquisition clients pour les assurances. Cette start-up utilise les chatbots et l’intelligence artificielle pour améliorer la conquête et les taux de conversion de ses clients tout en réduisant le coût des centres d’appel.

Ainsi, les chatbots sont efficaces car ils permettent d’acquérir de manière centralisée des produits d’assurance sur des nouveaux canaux tels que Messenger, Web, ou Apps. De plus, le parcours client est reconstruit et refaçonné de manière à faciliter la souscription de produits d’assurance par l’utilisateur. Enfin grâce aux données récoltées et aux algorithmes de machine learning, la start-up travaille continuellement avec ses partenaires pour améliorer l’expérience utilisateur. Adopté par l’un des assureurs les plus importants d’Afrique du Sud, le Chatbot a permis, d’après son Co-Founder et CEO, Antoine Paillusseau,  non seulement, un gain de temps de 30 minutes par agent et par vente mais aussi, un taux de conversion de 23% et des utilisateurs qui notent l’expérience 4,5/5 en moyenne.

Gestion et anticipation du risque

De nouvelles sources de données, telles que les objets connectés ou encore les réseaux sociaux, permettent de construire une image plus exhaustive des risques auxquels les utilisateurs sont exposés. Via  le traitement et l’analyse automatisée de ces données, il est possible pour les assureurs de proposer des offres et tarifs assurantiels spécifiques et personnalisés.

A titre d’exemple, le dispositif « Pay how you drive » qui combine à la fois l’IA et les objets connectés, a été mis en place par différents assureurs (Direct Assurance et Allianz France). Ainsi, il permet d’adapter l’offre de l’assurance automobile selon le mode et le comportement de conduite des assurés et ce, en installant un boitier connecté dans les véhicules qui servira à collecter des informations (accélération, freinage, kilométrage…) qui seront transmises aux plateformes de machine learning afin de produire des analyses prédictives.

La démarche se veut, de toute évidence, conditionnée par l'accord des propriétaires de véhicules, qui en échange de leur coopération, peuvent se voir proposer une rétribution qui peut prendre la forme de réductions en concession.

Par conséquent, les compagnies d'assurance ont tout à gagner dans la récupération directe de ces données, auprès de leurs clients automobilistes. A ce jour, et du fait du process délicat à mettre en œuvre, seules les entreprises semblent être séduites. Franck Archer, directeur consulting de l’ESN Humanis, le confirme pour www.lejournaldunet.com : "Il leur permet de contrôler la bonne application des normes routières par les chauffeurs de leur flotte de véhicules tout en fournissant à leur assureur des informations détaillées sur la conduite pour aboutir à un contrat au juste prix ».

Détection de fraude

Grâce à sa capacité à détecter des motifs et anomalies, le machine learning pourrait éviter aux assurances de continuer à perdre plusieurs milliards d’euros chaque année. Il s’agit, pour cette illustration, d’une plateforme créée par la start-up Shift Technology et qui permet aux assureurs de détecter les déclarations frauduleuses. Le premier outil qui a été développé par Shift, nommé Force, est un outil de détection des fraudes, qui vise à aider les gestionnaires de sinistres à identifier et à justifier les fraudes.

La start-up travaille avec différents types d'assureurs, qui se répartissent en branches d'activité : Assurance maladie et Prévoyance, Assurance voyage, etc. Chaque outil est spécifique à chaque secteur d'activité, car les exigences et les besoins opérationnels sont différents et complexes. Le système actuel de détection des fraudes en assurances de Shift Technology est basé sur des scénarios, où l'analyse des données et les commentaires des clients sont combinés afin de détecter et de classer les fraudes en fonction d'un modus operandi doté d’un système de notation pour classer la pertinence de chaque alerte. Le système basé sur des scénarios fonctionne parfaitement dans de nombreux cas et présente une forte valeur ajoutée pour les compagnies d’assurance. Jérémy Jawish, l’un des fondateurs de l’entreprise, affirme que leurs clients du secteur des services financiers arrivent à détecter 75% des fraudes contre 35% en moyenne. Ce qui leur permet d’économiser plus de 30 millions d’euros

Conclusion

Qu’il s’agisse de la redéfinition du parcours client, d’une meilleure anticipation du risque, ou encore de la détection de la fraude, les outils du machine learning permettent aux assureurs d’offrir une meilleure expérience utilisateur à leurs clients, d’affiner leurs modèles statistiques ou encore de réaliser des économies considérables.

Ainsi, l’intelligence artificielle et plus particulièrement le machine learning révolutionnent le métier d’assureur et ne cessent d’innover dans ce sens. Récemment, le programme Chronos, développé par une compagnie d’assurance basée en Caroline du Nord et en collaboration avec une start-up américaine Lapetus Solutions, est en mesure d’identifier l’espérance de vie et certaines maladies comme le diabète, les troubles génétiques ou les signes de dépression. La compagnie d’assurance utilise donc ce programme pour proposer des contrats d’assurance vie adaptés à ses clients.