Le mot du CEO
L’IA franchit un nouveau cap
Que ce soit dans les salons ou dans les conférences et autres séminaires, l’IA est aujourd’hui incontournable. Derrière cette forte médiatisation se cache une réelle évolution technologique : l’apparition d’une IA générative, aux côtés de la traditionnelle IA prédictive. Exploiter pleinement le potentiel de l’IA dans le secteur de l’assurance nécessite de comprendre cette évolution.
- L’IA prédictive est un outil puissant, entraîné très spécifiquement pour une tâche bien particulière. Elle est conçue spécifiquement pour faire des prédictions sur des événements futurs en analysant des données passées.
Par exemple, prédire les taux de sinistres en analysant les données historiques des réclamations client. Son développement et son intégration sont complexes et demande plusieurs mois avant d’être opérationnelle.
- L’IA générative propose de nouvelles spécificités, et avec elle, de nouvelles opportunités :
- Modèles pré-entraînés : L’IA générative utilise des modèles déjà entraînés sur de larges corpus de données, ce qui lui permet de traiter des demandes diverses sans exiger un entraînement spécifique pour chaque nouvelle tâche.
- Déploiement rapide : L’utilisation de modèles pré-entraînés permet un déploiement plus rapide, car ils ne requièrent pas la même quantité de données spécifiques et de temps de développement que les modèles d’IA prédictives.
- Adaptabilité : L’IA générative peut s’adapter à différents contextes et questions, offrant des réponses et des solutions de manière plus flexible.
- Adaptabilité : L’IA générative peut s’adapter à différents contextes et questions, offrant des réponses et des solutions de manière plus flexible.
L’IA générative est donc conçue pour créer de nouvelles données ou contenus qui sont similaires à ceux sur lesquels elle a été entraînée. Par exemple, rédiger un article sur les tendances de l’assurance en 2024 en se basant sur des articles existants.
Tout comprendre de l’IA prédictive et générative.
Intelligence artificielle, risques réels
Facile à intégrer et très efficace, l’IA générative est présentée comme la solution à tout ou presque. En effet, difficile de ne pas s’enthousiasmer devant un tel bond technologique. De nombreuses discussions autour de l’IA se concentrent actuellement sur ses capacités à automatiser les interactions avec les clients. Certains vont plus loin et confient à l’IA des processus complets. L’idée est tentante mais pas sans risque.
Les nouvelles applications de l’IA générative sont passionnantes ! Toutefois, tout ces usages ne présentent pas le même niveau de maturité et ne sont pas forcément adaptées à tous les secteurs. Résumer automatiquement une réunion en visioconférence, générer du code, ou conseiller des produits d’assurance, ces tâches sont-elles vraiment à mettre sur un même pied d’égalité ? Présentent-elles le même niveau de risque en cas de grain de sable dans la machine ? Fait-on parfois de l’IA juste “pour faire de l’IA” ?
“CONFIER DES PROCESSUS COMPLETS à L’IA EST TENTANT, MAIS PAS SANS RISQUE”
Pizza à la glue, quand l’IA ne colle pas
L’IA n’a qu’une seule mission : fournir une réponse à une question. Elle ne sait pas réellement ce qui est juste ou pas. Récemment, un internaute souhaitait connaître le meilleur moyen d’empêcher le fromage de couler de sa pizza. Pour obtenir une réponse, il a sollicité l’IA de Google. Un géant de la tech dont on attend des services maitrisés et performants.
À plusieurs reprises, l’intelligence artificielle lui conseillera d’utiliser… de la colle. Le conseil porte à sourire. Le bon sens propre à l’humain permet à toute personne de se rendre compte que ce conseil n’est pas à appliquer. Transposons maintenant cette problématique au secteur de l’assurance. Que se passerait-il si un conseil, une recommandation complètement farfelue, était fournie à un client ou prospect ? Aurait-on toujours autant confiance en notre interlocuteur ?
Sauver la confiance des assurés
Le risque réel, c’est d’attribuer à l’IA une trop grande place dans la chaîne de valeur. Ne pas l’encadrer, ne pas vérifier ses propositions et lui attribuer des tâches qui ne lui correspondent pas.
La confiance constitue le coeur de la relation assuré/assureur. Il est nécessaire d’utiliser l’IA d’une manière qui ne met pas en péril cette confiance essentielle. Surtout dans un contexte où la législation tend à renforcer la liberté du consommateur à changer de compagnie d’assurance. Nous reviendrons bientôt sur ce sujet.
L’IA est un outil d’une puissance redoutable, qui nous offre de nombreuses nouvelles perspectives d’innovation. Pour l’exploiter pleinement, il est important de considérer l’IA comme un outil au service de l’humain, non comme un acteur de l’assurance à part entière.
L’IA pour s’assurer… de gagner du temps
À ce stade, le principal bénéfice exploitable de l’IA générative est d’améliorer son efficacité opérationnelle, l’analyse de données et la personnalisation des services. En utilisant l’IA pour ces tâches, les professionnels deviennent capables de se concentrer sur des tâches à plus forte valeur ajoutée, telles que la prise de décision stratégique et l’interaction humaine.
Prenons un exemple concret. Celui d’une police d’assurance automobile.
Une partie majeure du travail est de formaliser une série de données afin que les chaînes opérationnelles puissent s’exécuter sans erreur. Il faut encoder les données du preneur, la marque de la voiture, le modèle, la puissance, l’historique sinistre, la profession du conducteur, etc.
Actuellement, ces données sont récoltées via une série de formulaires online et c’est au chargé de relation client d’aller piocher les informations pertinentes dans les différents documents (carte d’identité, historique sinistre, facture d’achat, mail du client, précédent contrat, …). C’est précisément le genre de tâche pour lequel l’IA est très douée : “comprendre” l’information recherchée, la rechercher au sein de multiples supports pour ensuite la soumettre à l’assuré pour validation.
Inclure ce genre de processus lors d’un contact client permettrait au chargé de clientèle de se concentrer sur la relation et d’être débarrassé d’un travail administratif fastidieux.
Quel impact sur la durabilité ?
Rappelons que toute innovation ne constitue pas nécessairement un progrès. Il est intéressant, voire essentiel, de mettre en perspective le rendement économique de l’IA avec son impact sur son bilan carbone.
Le coût grandissant de ces technologies et les émissions polluantes qui y sont liées ne sont que difficilement compatibles avec des engagements de diminution de l’empreinte carbone ou de durabilité.
Certains modèles prédisent que l’IA consommera jusqu’à 25 % de toute l’électricité consommée aux USA en 2030. Sam Altman (fondateur d’OpenAI), lui-même, déclare qu’il faudra impérativement une rupture technologique dans la fourniture d’électricité pour soutenir l’évolution de l’IA. Peut-on se permettre d’être ultra-dépendants de l’IA dans ces conditions ?
L’IA générative est une petite révolution extrêmement intéressante qui ouvre de nombreuses nouvelles possibilités. À nous de l’utiliser de la manière la plus appropriée !
