Le machine learning et le monde de l’assurance devaient se rencontrer. Le principe de cet outil digital repose sur le traitement de données pour établir des modèles de prédictions intelligents. Le secteur de l’assurance, à sa manière, réalise la même chose quand il établit des contrats en fonction des risques d’accidents ou de maladie. Ainsi, le principe même de l’assurance renonce sur la prévoyance.
Le machine learning, une digital factory pleine de promesses dans l’assurance ?
La digitalisation progressive des données a donc permis à ces deux univers de se rencontrer. Cette idylle numérique a démarré au sein des digital factory, ces unités entièrement consacrées à la transformation digitale.
L’Allianz Global Digital Factory a fait figure de modèle en 2015 dès son installation. Grâce au traitement de la data en temps réel, Allianz a amélioré la relation avec ses assurés. Elle propose des services à la fois automatisés et personnalisés. La Global Digital Factory a même reçu en 2018 un prix, le Dialog Award. Il récompense la qualité de sa solution d’intégration numérique pour ses clients. En effet, le groupe allemand a mis en place des parcours clients personnalisés avec des packages supplémentaires basés sur leurs données. Une application mobile met également en relation la police d’assurance et les trajets quotidiens du client pour lui suggérer des modes de transports adaptés.
Ce service n’était qu’un avant-goût de ce que peut faire le machine learning pour le monde de l’assurance. Les modèles de prédictions utilisés par le machine learning construisent un très grand nombre de données. Parmi les plus importantes, on trouve les documents formels comme les factures médicales ou les dépositions, mais aussi les données géographiques du client (lieu de travail, de l’accident etc..) ou encore l’historique de l’assuré, Le traitement intelligent de toutes ces données peut aboutir à des solutions précises et sur mesure pour l’assuré.
Fuzzy matching et Robotic Process Automation
CNP Assurances, compagnie spécialisée dans l’assurance de personnes, a choisi de faire appel au machine learning pour améliorer le parcours des bénéficiaires de l’assurance vie. « Si un client décède, ses références, même mal orthographiées, seront retrouvées dans le fichier national, grâce à des algorithmes de fuzzy matching (ou recherche floue, ndlr) ». Ainsi, le taux de reconnaissance dépasse les 95% et permet de raccourcir les délais de paiements.
Le machine learning est également utiliser pour s’assurer de la conformité des documents fournis par les assurés (RIB, devis). La saisie des informations est ensuite automatisée dans le système. De son côté, AXA a recours au Robotic Process Automation (RPA) pour systématiser le traitement des informations client. Il va de la vérification à la prise en charge complète de l’affaire par le système d’informations. Il en résulte des délais de traitement grandement raccourcis.
Le machine learning au service du phygital dans l’assurance
Le machine learning peut aussi avoir des applications plus matérielles et palpables pour le client. Generali a choisi cette voie pour l’ouverture de sa première agence phygitale à Nice en 2019. Dans ce lieu, le digital s’invite au sein du parcours client. Léo, chatbot sous forme d’hologramme, accueille ce dernier. Il peut prodiguer des conseils en exploitant en temps réel des données de conversations avec les assurés. Après cette première étape, des bornes connectées facilitent la recherche d’informations et la souscription à une offre. Dans un registre plus ludique, on propose une expérience immersive de réalité virtuelle pour apprendre les bons réflexes en cas de risque.
L’usage du machine learning semble naturel pour donner plus de sens au secteur de l’assurance. Grâce à l’analyse prédictive, bientôt, on pourra dégager des modèles de probabilité des risques de plus en plus précis. Le parcours client, quant à lui, sera de plus en plus simplifié et automatisé tout en restant accessible et agréable. Petit à petit, le machine learning réduit la granularité entre l’assureur et l’assuré.
Mes sujets préférés sont les données, les besoins métier et… le Développement Durable! Croyez-moi les 3 s’associent très bien!
N’hésitez pas à me contacter sur LinkedIn et me faire un retour sur cet article!
Timothée
