Essec Business School

Marie Kratz, professeure à l'ESSEC Business School et directrice du CREAR (Centre de Recherche Econo-financière et Actuarielle sur le Risque), partage ses réflexions sur la manière dont l'intelligence artificielle influencera la profession actuarielle.

___

Nous avons tous vécu ces mésaventures mineures, voire majeures dans la vie - votre vélo est volé, vous avez un accident de voiture, vous laissez tomber votre ordinateur ou, pire encore, vous vous réveillez un matin et trouvez votre salon inondé. Nous avons tous été témoins, dans l’actualité, de grandes catastrophes naturelles. La caméra des journalistes suit les victimes, certains se considèrent chanceux, d'autres sont submergés d'émotions à la perte de leurs proches, ou encore de leurs biens durement gagnés - tous sont en attente des difficultés qui viendront, notamment financières.

C'est là que la compagnie d'assurance entre en action, avec l'un des principaux enjeux : la relation service-client. L'industrie de l'assurance a généralement mauvaise réputation quant à sa lenteur dans le suivi des réclamations, de ses sous-estimations dans l'évaluation des dommages et des montants à rembourser. Il en résulte que l'un des principaux facteurs de fidélisation des clients aujourd'hui est la capacité à se rapprocher des clients et à offrir un service personnalisé. L'intelligence artificielle, en automatisant les procédures, peut aider à simplifier et accélérer le règlement des sinistres et  venir, pour ainsi dire, au service de l'intelligence émotionnelle.

Petite soeur plutôt que ‘Big Brother’

C'est là que l'Intelligence Artificielle (IA) peut vous aider. La professeure Marie Kratz estime que l’IA jouera un rôle fondamental dans les situations critiques auxquelles le client de l’assurance peut être confronté. Déjà à l’achat d’un contrat d’assurance, l’IA permet une analyse rapide de la situation et donc un calcul efficace des primes et la rédaction immédiate des contrats. Mais ce n'est pas tout. Marie Kratz affirme que l'utilisation de l'IA facilitera grandement un remboursement rapide des sinistres grâce à l’analyse des accidents, des catastrophes et des dommages résultants. Par exemple, les assureurs des cultivateurs aux États-Unis utilisent déjà l’IA pour analyser l'exposition au risque avant la signature des contrats, ainsi que les montants à payer lorsque les agriculteurs font une demande de dédommagement après un sinistre. La même approche, basée sur des images satellites, peut être utilisée pour évaluer les dommages causés par les inondations, assurant ainsi avec précision le calcul des dégâts subis dans les champs et sur les bâtiments. On peut ainsi en déduire avec précision les dommages aux cultures et aux biens, et mettre en place un traitement diligent des sinistres et un remboursement rapide aux agriculteurs.

Mais les images satellites ne sont pas la seule source d’information accessible aux assureurs. L’IA peut être utilisée à plus grande échelle comme le fait Allianz, un groupe d'assurance de premier plan. Cette compagnie a lancé un projet ayant pour but de déterminer le montant des dommages autos causés à partir des photographies prises sur le site des accidents de voiture. La société suisse AXA Winterthur propose déjà à ses plus jeunes assurés une réduction des primes s'ils acceptent d'installer une boîte noire dans leur voiture qui enregistre fidèlement leurs habitudes de conduite. Les données collectées sont alors utilisées pour optimiser le prix de la protection. Le RiskLab de l’ETH de Zurich a été commissionné par cette compagnie pour entreprendre un projet de recherche en science des données basé sur les données recueillies par ces boîtes noires, afin de déterminer au plus juste les risques des jeunes clients, et donc leurs primes.

Les autres compagnies d'assurance doivent mettre aussi en œuvre de telles méthodes, déclare Prof. Kratz - à tous les niveaux de l'organisation dans leurs relations avec leurs clients. Les géants - AXA et Allianz - ont déjà commencé à investir massivement dans le domaine des services assistés par l’IA. C’est l'un des principaux enjeux pour l’industrie de l’assurance dans les années à venir.

Méfiez-vous des géants

Les géants d’Internet tels que Google, Apple, Facebook et Amazon (gafas) constituent des concurrents potentiels aux compagnies d'assurance dans la course à l'utilisation de l’IA, en particulier dans le développement de réseaux d’utilisateurs partageant le même profil, par exemple pour l'assurance automobile. Bien qu'il y ait peu de preuves suggérant que les géants aient des vues sur l'assurance automobile à l'aide de l'IA, la taille de leurs bases de données peut facilement leur permettre de le faire, tout comme il leur a permis d'utiliser des données pour déterminer les profils d'utilisateur et d'affichage de produits ciblés. Les gafas ont été pionniers dans l’utilisation de grandes bases de données et ont certainement la technologie pour avancer rapidement sur le sujet. C'est seulement en développant une valeur ajoutée en termes de service à la clientèle, ajoute la professeure Kratz, que les compagnies d'assurance pourront survivre et se développer.

Le retour des « luddistes, briseurs de machines » ?

Restera-t-il encore une place pour les humains dans le monde du travail ? La question est depuis longtemps dans les esprits  et la réticence des hommes face aux révolutions technologiques a toujours existé. En témoigne la lutte des luddistes ou « briseurs de machines » lors de la révolution industrielle britannique, qui détruisaient des usines et des machines pour protester contre leur mise à pied; beaucoup d’entre eux ont été exilés[t1]  ou même pendus. Il est peu probable que les assureurs aient recours aujourd’hui à des suppressions massives d'emplois, ou ne doivent faire face, heureusement, à de telles réactions extrêmes. Marie Kratz souligne que les interfaces homme-machine se développeront autant en interne - en matière de gestion – qu’en externe, en termes de relations clients. Cela implique des initiatives de formation de grande envergure pour le personnel des compagnies d'assurances. Seuls des postes répétitifs à faible valeur ajoutée tels que dans la comptabilité ou le suivi des sinistres sont à risque, et non pas - il convient de le noter - ceux liés à l'interprétation des données et à la communication des résultats.

Cela dit, il n’existe à ce jour aucune étude sérieuse qui fournisse des chiffres précis concernant la perte d'emplois liée à l'introduction de l'IA dans l’assurance. S’il est certain que des postes disparaîtront, d'autres, au contraire, se transformeront, et de nouveaux seront créés pour répondre aux nouvelles nécessités. Au niveau de l'enseignement supérieur et de l'enseignement professionnel, les programmes de diplômes et d'études des actuaires ont déjà commencé à inclure le domaine des sciences de l'information et des données, bien qu'il y ait encore une certaine confusion quant à la distinction entre les « data scientist » et les statisticiens : un signe évident que le domaine est dans une période de transition. Prof. Kratz pense que si les profiles des professions de l’assurance seront amenés à évoluer au cours des prochaines années, il n'y aura pas de réduction massive des emplois - dans les industries de service - alors que la valeur ajoutée du travail humain sera de plus en plus recherchée. Cette réflexion est corroborée par une étude récente de l’OCDE qui conclut que seuls 9% des emplois sont menacés, alors que 25 à 50 % devront changer de profil.

Nous faisons confiance aux robots - les humains, c’est une autre question

L'une des utilisations possibles de l’IA, et qui suscite une grande préoccupation, est celui de la cybercriminalité. La menace existe déjà, mais va croître avec l'augmentation de l'utilisation des ordinateurs et des robots. Si c’est effectivement le cas, la menace est, selon Marie Kratz, davantage liée à la question de savoir comment les décideurs vont utiliser l’IA pour gérer leurs entreprises. Avec peu de perspectives ou de compréhension de l'outil, ils risquent de l’utiliser comme une boîte noire toute-puissante, sans un minimum de réflexion critique. Dans cette optique, les initiatives de formation à la gestion doivent inclure les dimensions scientifiques et techniques des produits et services vendus ou utilisés à la prise de décision.

Les escroqueries à l'assurance ont toujours existé et existeront encore à l’avenir - bien que sous une forme différente. Cependant, la professeure Kratz affirme que l’IA permet également de détecter plus facilement la fraude à l'assurance. Pour les banques, l'utilisation d'outils IA a déjà fait des incursions dans la lutte contre la fraude par carte de crédit. Les compagnies d'assurance s’en inspireront sûrement. Ces dernières commencent d’ailleurs à considérer le cyber-risque comme un danger contre lequel il faut s’assurer, et voient ainsi de nouveaux marchés s’ouvrir à elles. Ici aussi, plusieurs projets de recherche ont vu le jour, y compris le projet CyRIM de la National Technical University of Singapore en coordination avec le secteur de l'assurance qui a été impulsé par le MAS (Monetary Authority Supervision - Singapour), ou le projet entre l’Université de Cambridge et Lloyd's pour développer la collecte de données et la modélisation de tels risques.

Robots et hommes: imperfection commune 

Le risque peut également provenir du robot lui-même. Il n'y a pas de risque zéro d'erreur - d'autant que les outils sont créés par les hommes en premier lieu. Cependant, le risque naturel est que, mal programmée, une machine puisse générer des informations et des problèmes, plus rapidement que l’humain. Les machines peuvent, tout comme les humains, faire des erreurs dans l'interprétation des données, faussant les résultats. De plus, même si les résultats obtenus décrivent correctement les données observées dans le passé - ils ne possèdent pas nécessairement de valeur prédictive.

En effet, c'est toute la question de la prévision correcte du futur, démarche que, d’ailleurs, ni l’homme ni la machine ne peuvent encore faire avec une grande précision. Dans l’IA, une tentative de répondre à ce défi consiste à introduire du bruit [t1] aléatoire dans les données, afin de vérifier la solidité des résultats et éviter qu'ils ne soient «trop parfaits», donc trop éloignés des comportements rapides - et parfois changeants - des humains. En effet, selon la professeure Marie Kratz, l'un des grands problèmes dans la prédiction des comportements est le fait qu'ils se modifient eux-mêmes en fonction des changements dans l'environnement, ce qui rend le système très difficile à prévoir dû à ces effets de retours. C'est un phénomène délicat - à saisir en toute circonstance et à modéliser - pour les hommes, comme pour les machines.