Data-Driven Insurance (DDI) : du simple enthousiasme pour l’IA à une véritable transformation de business model

L’IA continue de poursuivre son développement effréné. Cette évolution s’accompagne également d’une constante augmentation des performances en termes de qualité. Il n’est donc pas surprenant que les applications d’IA soient déjà utilisées par de nombreuses compagnies d’assurance. Cela ouvre par ailleurs la voie vers un avenir plus connecté : les compagnies d’assurance disposent déjà d’une vaste base de données, souvent encore sous-exploitée. Elles utilisent l’IA pour découvrir et mettre en œuvre de potentielles nouvelles formes d’interaction avec leurs clients. Les modèles économiques évoluent dans le sens de l’assurance basée sur les données. Cet article donne un aperçu de la réalité d’un tel modèle.

L’assurance basée sur les données est le cadre dans lequel nous essayons de générer une expérience client améliorée, en mettant un accent fort sur le client, tout en profitant du soutien de l’intelligence artificielle. Cela se traduit par des offres et des services plus personnalisés ou par des processus plus efficaces ou plus autonomes tout au long du parcours client.

Le cadre DDI comprend plusieurs éléments qui définissent le périmètre des activités axées sur les données. Cela va des considérations stratégiques et techniques aux conditions procédurales et réglementaires (voir graphique 1).

La stratégie relative aux données constitue en fin de compte la base des activités ultérieures. Elle établit dans un premier temps les lignes directrices de base. Par exemple, elle définit si les données doivent être utilisées à des fins opérationnelles ou également comme un moteur de croissance. Une autre question qui se pose est de savoir si les données sont uniquement utilisées en interne, ou dans un écosystème où elles sont également partagées avec certains partenaires. Sur la base de ces questions, une vision est formulée et la mise en œuvre pour atteindre la vision est enregistrée et planifiée sur une feuille de route.

Les bases technologiques sont établies sur la base de la stratégie. D’une part, un plan de l’architecture des données doit exister, qui déterminera la façon dont les données sont conservées et fusionnées. D’autre part, il faut déterminer sur quelle infrastructure technique se baser et quels composants technologiques doivent être utilisés.

Le parcours client est l’élément central de DDI. Après tout, les données doivent être utilisées pour créer de la valeur ajoutée pour le client. Celle-ci peut résulter de processus de traitement plus rapides, d’options plus diversifiées ou de produits et services hautement personnalisés, qui sont tous généralement pris en charge par l’IA. Dans la deuxième partie de cet article, nous aborderons exactement ces points dans le détail.

Comme chaque processus laisse des traces en termes de données, des processus intelligents peuvent être utilisés pour vérifier si le processus lui-même fonctionne aussi efficacement que prévu ou s’il existe un potentiel d’amélioration. Dans le sens d’un processus d’amélioration continue, l’efficacité et la qualité des processus sont continuellement optimisées par le biais de la surveillance et de l’analyse comparative.

En plus de la loi sur la protection des données, il existe désormais d’autres réglementations qui régissent l’utilisation des données des clients par l’IA, telles que la loi européenne sur l’IA. Il faut bien entendu en tenir compte. Cependant, il ne s’agit que d’une partie des aspects de la gouvernance qui doivent être pris en compte. Les facteurs technologiques et organisationnels jouent également un rôle. Comme ces aspects sont très centraux, nous les aborderons plus en détail dans la dernière section.

Comme mentionné ci-dessus, l’orientation client est l’élément central de la DDI. Nous y voyons les points d’interaction suivants : approche, conseil et service client (voir graphique 2). Sous chacun de ces points d’interaction, il existe une variété de cas d’utilisation qui, soutenus par des données et en conjonction avec l’IA, permettent d’améliorer l’expérience client et donc d’obtenir une meilleure proposition de valeur.

Approche client : par le passé, la plupart des assureurs adoptaient une stratégie omnicanale afin que le client puisse être servi de manière cohérente sur l’ensemble des canaux. Cependant, l’intégration et la synchronisation des canaux sont très complexes et constituent un coût majeur. À cet égard, il n’est pas surprenant que de nombreux assureurs gèrent aujourd’hui principalement le canal numérique et s’engagent dans une stratégie « digital first » ou « mobile first ». Cependant, pour que ce canal soit utilisé de manière cohérente, le client doit pouvoir être entièrement servi via ce canal. Dans ce contexte, l’IA conversationnelle constitue l’un des sujets les plus importants : les clients ne devraient pas avoir à appeler un centre d’appels ou à demander à un agent d’assurance s’ils ont des questions, mais devraient être en mesure de parler à une IA de manière tout à fait naturelle par le biais de la saisie de texte ou de la voix. Contrairement aux chatbots qui existaient il y a encore quelques années, cela est désormais possible sans aucun problème, dans presque toutes les langues, y compris le suisse allemand. En plus du pur échange d’information, l’IA peut également offrir bien plus sur le plan du dialogue avec le client. D’une part, en lisant les informations de suivi, les besoins individuels des clients peuvent être identifiés, pour ensuite être examinés plus en détail au cours du dialogue, et d’autre part, des besoins de protection supplémentaires peuvent être identifiés, et peuvent être sécurisés par des modules de couverture supplémentaires si nécessaire (Next Best Action).

Service client : le passage du contact client au service client est, comme nous venons de le décrire, naturellement fluide. Même si l’effet ROPO (Research Online, Purchase Offline) a certainement diminué par rapport aux années précédentes, le conseil personnalisé reste toujours d’actualité. La DDI peut également être utile ici. Tout d’abord, l’IA peut être utilisée par le conseiller, que ce soit dans le centre de service ou sur le terrain, pour obtenir un aperçu rapide et sommaire sur l’identité et les caractéristiques du client et sur sa relation avec l’assureur. À cet égard, l’expérience client est déjà améliorée, car le client n’a pas à s’expliquer au préalable. En outre, l’IA peut également fournir au conseiller des indications détaillées sur le risque potentiel d’attrition d’un client (départ du client). Dans ce cas, des mesures efficaces peuvent alors être discutées rapidement et, dans le cas optimal, la fidélité des clients est même accrue.

Service client : les activités de service à la clientèle sont étroitement reliées au conseil client. Par exemple, l’IA conversationnelle est à nouveau utilisée en matière d’assistance et de soutien. L’IA peut également être utilisée dans la gestion des plaintes, surtout si elle maîtrise également les composants du Sentiment Analysis (analyse de la polarité émotionnelle). Le point le plus important dans le domaine du service client, cependant, est le sujet du libre-service. Plus les clients peuvent effectuer de tâches de façon autonome, moins ils ont besoin de compter sur une infrastructure coûteuse, comme une hotline téléphonique ou un centre de service. Avec l’aide de l’IA Agentic, où différents systèmes d’IA interagissent les uns avec les autres, des tâches encore plus complexes telles que les contrôles de performance et le versement des prestations peuvent désormais être effectuées de manière autonome et efficace, améliorant ainsi considérablement l’expérience client.

Dans l’ensemble des activités axées sur les données et l’IA, outre l’amélioration de l’expérience client, les conditions cadres doivent également être prises en compte, car l’IA doit toujours répondre à des exigences de confiance et de sécurité, ainsi qu’aux besoins des employés et des clients. Lors de l’utilisation de l’IA, nous nous référons généralement au Trustworthy AI Framework, qui définit le cadre comme élément de base. Celui-ci a été développé dans le cadre du programme AI for Good sous l’égide de l’UIT (Union internationale des télécommunications) et reste indépendant de toute technologie. Les dimensions suivantes sont prises en compte : facteurs externes, organisation et technologie (voir graphique 3).

Les facteurs externes comprennent tous les types de réglementations (par exemple, nDSG, EU AI Act), dont certaines sont complétées par d’autres certifications (z.B. ISO 9001, ISO 27001, ISO 41001) et des directives (par exemple éthique ou équité). En collaboration avec le client, il est décidé des normes de sécurité et des normes de qualité à respecter et à appliquer dans toute l’entreprise.

Cependant, ce point de vue ne couvre qu’une partie des éléments décisifs de confiance dans l’IA. Les facteurs techniques sont au moins aussi importants, tels que la robustesse des modèles d’IA, leur fiabilité, leur sécurité et, surtout, la transparence des explications.

Afin de compléter cet aperçu et de concevoir une IA digne de confiance, des mesures organisationnelles sont finalement nécessaires. D’une part, il s’agit de mettre en place des formations ainsi que de systèmes d’indicateurs pour l’assurance qualité, et d’autre part, de processus pour la gestion des données ainsi que pour l’export et l’affichage des données.

En résumé, nous considérons que le développement rapide de la technologie de l’intelligence artificielle, combiné au vaste trésor de données que les assureurs possèdent, est le principal moteur de la transformation des modèles d’affaires du secteur de l’assurance. Dans cette combinaison, que nous appelons Data-Driven Insurance, de nouvelles offres et de nouveaux modules de services sont créés pour offrir une plus grande individualisation et plus d’autonomie du côté client. Néanmoins, il est important de ne pas ignorer les conditions cadres associées. La Trustworthy AI fournit un cadre qui couvre tous les aspects pertinents de la gouvernance.