166
habitation avec la domotique ou encore l’assurance santé avec le « quantified self ». Enfin, devant
gérer la relation avec un grand nombre de clients et traiter un volume important de sinistres, elle
présente naturellement une formidable opportunité d’application de l’intelligence artificielle, que ce
soit pour optimiser et automatiser ses processus ou pour s’armer de capacités prédictives plus poussées
sur des sujets comme l’attrition ou la détection de la fraude.
Les assureurs français ont très tôt pris conscience de leur position et pris des mesures pour être acteurs
de leur transformation. Deux approches non exclusives sont principalement adoptées : le
développement en interne de nouveaux produits par des équipes spécialisées et le travail avec des
start-ups. Les projets se rangent naturellement dans deux catégories :
x La première est l’utilisation des nouvelles données disponibles pour créer de nouveaux
produits d’assurances. Un exemple intéressant est celui de la tarification basée sur des données
de télématique automobile, pour lequel le groupe AXA a organisé une compétition de machine
learning destinée aux meilleures solutions.
x La deuxième catégorie de projet concerne l’amélioration d’un maillon existant de la chaîne de
valeurs. Dans le cas de la détection de la fraude par exemple, de nombreux assureurs ont
choisi la solution de la start-up française Shift Technology spécialisée sur le sujet.
L’utilisation de l’intelligence artificielle en assurance se fait donc sans blocage particulier mais elle
prend du temps. Pour être effective, celle-ci doit en effet s’inscrire dans une transformation globale des
processus et modes de gestion, ce qui nécessite un travail important d’accompagnement du
changement. Enfin, l’application des technologies aux données extrêmement spécifiques que sont les
données d’assurance nécessite une véritable expertise métier, qui ne s’acquiert qu’avec des années
d’expérience.
Finance :
Dans le secteur de la Finance, un écosystème naît autour de l'IA mais reste à fortement renforcer.
Notre réflexion s’est portée sur un cas concret avec la mise en place d'un « chatbot » Do You Dream
Up dans une banque française. Ce « chatbot » doit servir de support aux employés sur des questions
récurrentes relatives à leurs postes de travail.
Les résultats attendus sont les suivants : gain de productivité, immédiateté de résolution de problème,
autonomie et montée en compétence des agents de support, dès lors libérés de tâches répétitives.
Les constats post-déploiement sont les suivants : facilité d'allocation de ressources pour la mise en
œuvre, via du sponsoring de hauts dirigeants et grâce à la volonté d’innover propre au secteur.
Cependant, de nombreuses difficultés sont observées en raison de l'agilité peu pratiquée dans ces
structures, parfois très contraignantes (niveau sécurité et organisationnel). Par ailleurs, l’importance
des fausses croyances autour de l'IA ne permet pas de déployer une stratégie globale mais force à agir
au "fil de l'eau".
Le panorama des startups françaises qui sont « data-driven » avec des briques d’intelligence
artificielle, ne fait pas apparaître de secteur leader.
habitation avec la domotique ou encore l’assurance santé avec le « quantified self ». Enfin, devant
gérer la relation avec un grand nombre de clients et traiter un volume important de sinistres, elle
présente naturellement une formidable opportunité d’application de l’intelligence artificielle, que ce
soit pour optimiser et automatiser ses processus ou pour s’armer de capacités prédictives plus poussées
sur des sujets comme l’attrition ou la détection de la fraude.
Les assureurs français ont très tôt pris conscience de leur position et pris des mesures pour être acteurs
de leur transformation. Deux approches non exclusives sont principalement adoptées : le
développement en interne de nouveaux produits par des équipes spécialisées et le travail avec des
start-ups. Les projets se rangent naturellement dans deux catégories :
x La première est l’utilisation des nouvelles données disponibles pour créer de nouveaux
produits d’assurances. Un exemple intéressant est celui de la tarification basée sur des données
de télématique automobile, pour lequel le groupe AXA a organisé une compétition de machine
learning destinée aux meilleures solutions.
x La deuxième catégorie de projet concerne l’amélioration d’un maillon existant de la chaîne de
valeurs. Dans le cas de la détection de la fraude par exemple, de nombreux assureurs ont
choisi la solution de la start-up française Shift Technology spécialisée sur le sujet.
L’utilisation de l’intelligence artificielle en assurance se fait donc sans blocage particulier mais elle
prend du temps. Pour être effective, celle-ci doit en effet s’inscrire dans une transformation globale des
processus et modes de gestion, ce qui nécessite un travail important d’accompagnement du
changement. Enfin, l’application des technologies aux données extrêmement spécifiques que sont les
données d’assurance nécessite une véritable expertise métier, qui ne s’acquiert qu’avec des années
d’expérience.
Finance :
Dans le secteur de la Finance, un écosystème naît autour de l'IA mais reste à fortement renforcer.
Notre réflexion s’est portée sur un cas concret avec la mise en place d'un « chatbot » Do You Dream
Up dans une banque française. Ce « chatbot » doit servir de support aux employés sur des questions
récurrentes relatives à leurs postes de travail.
Les résultats attendus sont les suivants : gain de productivité, immédiateté de résolution de problème,
autonomie et montée en compétence des agents de support, dès lors libérés de tâches répétitives.
Les constats post-déploiement sont les suivants : facilité d'allocation de ressources pour la mise en
œuvre, via du sponsoring de hauts dirigeants et grâce à la volonté d’innover propre au secteur.
Cependant, de nombreuses difficultés sont observées en raison de l'agilité peu pratiquée dans ces
structures, parfois très contraignantes (niveau sécurité et organisationnel). Par ailleurs, l’importance
des fausses croyances autour de l'IA ne permet pas de déployer une stratégie globale mais force à agir
au "fil de l'eau".
Le panorama des startups françaises qui sont « data-driven » avec des briques d’intelligence
artificielle, ne fait pas apparaître de secteur leader.