L’IA générative (ou une IA qui a capacité de générer du contenu original) sera une lame de fond pour l’assurance. Pas question d’y échapper, tous les métiers du secteur seront impactés : marketer, actuaire, inspecteur, conseiller, développeur ou financier.
On est véritablement sur un changement de paradigme, pas sur une amélioration à la marge. Comme le dit si bien Guillaume Dion de Qiti qui m’a donné l’idée de cet article, après un excellent webinar organisé le 7 juin.
💡 On n’a pas inventé l’ampoule électrique en améliorant la bougie
L’IA générative c’est l’arrivée de l’électricité… et des ampoules !
Aux origines de la récente déferlante IA générative, il y a une technologie très spécifique, les modèles d’apprentissage automatiques nommés LLM (Large Language Model). Ils sont eux-mêmes basés sur des réseaux de neurones. L’exemple le plus connu de LLM est GPT3/4 et son interface ChatGPT.
Les réseaux de neurones sont des systèmes logiciels dotés de capacités d’apprentissage, très anciens. Ils ont en effet été théorisés dans les années 1950. On trouve trace des premières applications commerciales en 1990 avec la reconnaissance des codes postaux sur les lettres par United States Postal Service. Bref, l’IA est tout sauf une nouveauté !
Mais ChatGPT n’est pas l’alpha et l’oméga de l’IA générative. Google a le sien (LaMDA qui propulse Bard). Et si on dispose de 100M€, on peut développer son propre modèle “from scratch”.
Qiti, par exemple, a fait le choix du modèle BloomZ hébergé sur le supercalculateur Jean Zay du CNRS à Saclay, un monstre de puissance avec ses 16 Pétaflops. Car pour faire de l’IA, il faut (beaucoup) de puissance de calcul.
Le modèle LLM initial a ensuite été adapté aux besoins de Qiti avec du InContext learning et du Finetuning en injectant des données (les leurs) non présentes dans le modèle initial, et/ou en re-entraînant le modèle sur un nouveau corpus, en masquant des couches de neurones. On entraîne le “cerveau” !
Au final, on obtient quasiment un nouveau modèle « privé » vraiment adapté aux besoins de son détenteur. Attention toutefois : cette étape prend du temps (plusieurs mois), coûte de l’argent (en token machine) et nécessite des compétences de très haut vol.
Les usages seront multiples. En voici trois principaux, et presque immédiats, pour chaque assureur.
En acquisition / distribution, le modèle traditionnel de l’assurance est somme toute peu efficace. Il repose encore massivement sur une distribution physique (un réseau), des ressources humaines (agent en call center, conseillers commerciaux) ou des parcours digitaux simplistes. In fine, ce sont bien souvent des produits basiques et à faible marge (auto, santé, MRH) qui seront vendus. Certes l’assurance a commencé à expérimenter une digitalisation prudente. Mais c’est encore partiel et pas toujours efficace.
Pire, le fameux devoir de conseil réalisé par un humain est souvent subjectif et soumis à de nombreux biais. Tel conseiller orientera sur un produit qui lui donnera une prime, tel autre flairera la vente facile et forcera des produits inutiles ou sur-dimensionnés.
Un directeur marketing du secteur me confiait récemment que ses commerciaux étaient capables de vendre des produits d’assurance dont le client n’a absolument pas besoin ! Et je n’évoque même pas d’autres biais moins avouables : racisme, sexisme, jeunisme, etc. En somme, tout ce qui va faire que la recommandation sera très loin d’être impartiale. C’est une réalité, et c’est humain.
A contrario, une IA générative fera une recommandation impartiale, traçable, replicable, et qui, en outre, s’améliorera au fil du temps. Bien loin des opérateurs en CRC et conseillers en agence, dont le turnover donne le tournis et nécessite une « re-formation » permanente.
Mais l’IA peut-elle vendre réellement de l’assurance ? Qiti affirme déjà vendre des contrats Allianz selon ce principe en “full IA”. Avec un objectif de mise à jour automatique et en temps réel du contrat en fonction de l’évolution personnelle et/ou géographique de l’assuré.
De facto, la relation avec le client et “l’expérience assurance” vécues par celui-ci seront profondément impactées.
En tarification et actuariat, l’IA et son corollaire le machine learning et le traitement massif de la data, permettront une hyper-personnalisation du tarif. La prime sera réadaptée en temps réel en fonction des besoins du consommateur (comme Tesla avec son fameux safety score). Aujourd’hui, un tarif en santé est surtout basé sur l’âge et deux ou trois options d’up-selling aux garanties améliorées. Pas très personnalisé !
En MRH, autre exemple, le calcul de la prime dépend essentiellement de la valeur du bien (superficie, nature), du capital mobilier et de sa macro-localisation géographique (code postal). Encore rares sont les acteurs à prendre en compte les risques intrinsèques liés au changement climatique et l’exposition aux catastrophes naturelles. Pour cela, il faut brasser des quantités de data d’une magnitude bien supérieure. L’IA le permettra et certaines insurtechs, comme Kin Insurance aux USA par exemple, défrichent ce terrain.
La conséquence est que demain, nous irons vers une mutualisation plus juste et équitable. Un retour aux sources et valeurs cardinales de l’assurance en quelque sorte.
En gestion enfin, pour améliorer le traitement des sinistres, détecter la fraude et accélérer le remboursement. Au final, un service au client amélioré et une assurance à laquelle on ne pensera plus (on n’y pense déjà pas beaucoup !), mais qui correspondra vraiment à son besoin unique.
Fort justement, Guillaume a évoqué le sujet de la dette technique et des legacy system.
Mettre en place ces briques IA nécessite d’avoir réglé sa dette technique 😱
Guillaume Dion, Cofondateur, directeur général et directeur technique @Qiti
Il faut donc des API, des data, des jumeaux digitaux (un concept très utilisé dans l’industrie).
Un SI moderne et une transformation digitale de la compagnie d’assurance déjà aboutie est le préalable indispensable avant tout projet IA.
Dans notre métier d’agence chez Eficiens, nous vivons cet inhibiteur majeur au quotidien chez nos clients : SI dépassés, manque de ressources humaines, difficultés de recrutement, plans de charge saturés, lotissements imparfaits. Au final, les plannings des projets qui dérapent pour simplement “faire tourner la boîte”. Il faut donc être lucide : injecter des POC IA réels (pas juste un reskin de ChatGPT) semble hors de portée de 95% des assureurs aujourd’hui. Mais peut-être prouverez-vous le contraire ? 😉
Ensuite, les impacts sociaux ne sont pas à négliger. Est-il besoin d’avoir en France un réseau de 30 000 courtiers, mandataires, agences et agents si demain 90% des demandes peuvent être traités par une IA ? Il restera les vrais spécialistes de très haut niveau pour déminer les situations les plus complexes. Pour les autres, il faudra trouver des solutions.
L’autre impact anticipé consiste en un changement organisationnel profond car l’arrivée de l’IA conduira à casser les silos internes. L’IA irrigue l’intégralité de l’organisation et fluidifie des process souvent très rigides. Cela va souffler fort dans les organisations encore souvent très / trop silotées ! Et en corollaire pour les plus rapides des assureurs, des gains de productivité et une réduction massive des coûts d’acquisition et de gestion.
Enfin, ne pas négliger l’impact réglementaire et le respect de la conformité comme l’a souligné justement Guillaume Sarkozy. L’Autorité de contrôle prudentiel et de résolution (ACPR) n’est jamais loin et, IA ou non, il faut rester objectif et traçable. Mais demain, vos juristes vont forcément devoir se mettre à la page quand les IPID seront dynamiques et 100% générés par une IA bien entraînée !
L’une de nos compétences cœur à l’agence est la mise en place de parcours devis-souscription digitaux. Nous avons depuis 3 ans développé un moteur en tarification santé performant (un peu de techno pour les connaisseurs : un back SYMFONY / API PLATFORM et REACT ADMIN (JS), et un front en Tailwind CSS / SASS (CSS) / NUXT / PM2), qui marche vraiment bien en production mais reste classique sur le fond.
Basé sur les outils métiers de nos clients (souvent des fichiers Excel), nous serions ravis de co-développer avec vous, un modèle plus avancé qui inclurait les premières briques IA en tarification personnalisée mutuelle santé.
L’idée vous séduit ? Contactez-moi vite ! Les 10 premiers JH de cadrage au développement sont offerts.
Les articles sur le média Digital et Assurance :
Notre livre blanc IA et assurance de 2022 (une mise à jour est en cours) : https://www.eficiens.com/bibliotheque-ressources-livres-blancs/
Le replay du webinar : https://www.linkedin.com/events/7067117166004695040/about/
