Les bénéfices de la technologie du TALN pour l’assurance

By Katerina Mansour - 08 janvier 2021

Les solutions de traitement automatique du langage naturel (TALN) pour le secteur de l’assurance sont de plus en plus recherchées. Quels sont donc les cas d’usages et bénéfices principaux de cette technologie ?

Le secteur de l’assurance a globalement été plus lent à se digitaliser que d’autres secteurs. La lourdeur des réglementations et la complexité des systèmes existants ont été les principaux obstacles à l’adoption des processus numériques.

Cependant, de plus en plus d’acteurs clés de l’assurance adoptent des solutions numériques pour résoudre leurs problèmes. Le traitement automatique du langage naturel (TALN) est l’une des nombreuses technologies que ce secteur commence à adopter.

Qu’est-ce que le TALN ?

Le TALN, un sous-ensemble de l’intelligence artificielle, permet de lire, de comprendre et de tirer le sens d’un texte de manière automatisée dans divers contextes. La technologie peut être entraînée pour être adaptée à des domaines spécifiques – une exigence essentielle pour les cas d’usage dans la médecine ou l’assurance.

Dans le domaine de l’assurance, la technologie analyse un grand nombre de réclamations afin de créer une base de données de connaissances. Les startups et les grands fournisseurs de technologie s’appuient sur le TALN pour développer des outils permettant d’accélérer la prise de décision, de réduire les coûts et d’éviter les erreurs humaines.

Le marché mondial du TALN devrait représenter 35 milliards de dollars d’ici 2025. Selon une enquête réalisée en 2019, 84 % des assureurs ont déclaré qu’ils pensaient que l’IA allait révolutionner leur secteur. En outre, l’enquête Living Business d’Accenture a révélé que dans 64 % des cas, un client change d’assureur parce qu’il cherche un produit, un service ou une expérience plus pertinents. L’adoption de solutions d’IA peut en effet offrir aux clients l’expérience qu’ils attendent.

Source: Bold360.

Comment le TALN est-il exploité par les assureurs aujourd’hui ?

Service client et assistance

Selon une enquête récente, plus de 80 % des assurés souhaitent recevoir des offres, des messages, des prix et des recommandations personnalisés de la part de leurs fournisseurs d’assurance automobile, habitation et vie. Les assistants virtuels, qui reposent sur les technologies de TALN, peuvent contribuer à offrir cette expérience personnalisée aux clients des compagnies d’assurance.

En plus d’automatiser la personnalisation de l’expérience client, les assureurs doivent fournir des réponses rapides et précises à leurs questions. Un agent d’assurance perd souvent un temps considérable sur des tâches à faible valeur ajoutée, comme répondre à des questions très simples.

Selon une estimation d’IBM, au cours d’un appel de six minutes avec un service client, l’agent passe 75 % de son temps à faire des recherches manuelles pour trouver les informations pertinentes. Les assureurs peuvent désormais utiliser des solutions de TALN pour accélérer les processus simples de service client.

  • Earley Information Science et Allstate se sont associées pour développer un assistant virtuel appelé ABIe. Cette technologie a été mise au point lorsqu’Allstate a lancé sa nouvelle division d’assurance commerciale, afin d’aider les agents d’assurance à mieux connaître les produits. ABIe peut traiter 25 000 demandes par mois, en s’appuyant sur le TALN. L’outil a contribué à rendre les employés plus autonomes et à mieux vendre les produits aux clients.

  • Accenture a développé sa propre solution de TALN, MALTA, qui automatise l’analyse et la classification des informations textuelles pour aider les assureurs à accéder plus facilement aux informations clés. Accenture affirme que la solution fournit une classification 30 % plus précise que lorsque le processus est effectué manuellement.

Gestion des réclamations

Le traitement des réclamations, une activité essentielle du secteur de l’assurance, se retrouve au centre de nombreux problèmes. Cette tâche peut être longue, coûteuse et sujette à des erreurs humaines. Les agents d’assurance peuvent utiliser le TALN pendant les appels téléphoniques, par exemple, pour reconnaître les propos d’un client et remplir automatiquement un formulaire de demande d’indemnisation. Dans l’ensemble, la technologie de TALN analyse la parole et le texte plus rapidement que les humains. Les employés n’ont plus qu’à vérifier manuellement les résultats.

  • Lemonade s’est fait remarquer en proposant des polices d’assurance et des devis personnalisés à ses clients grâce à son chatbot, Maya. Le chatbot s’est notamment illustré en traitant en trois secondes une réclamation pour vol d’un manteau perdu d’une valeur de 979 dollars. Ce processus comprenait l’examen de la réclamation, le recoupement avec la police du client, l’exécution de 18 algorithmes anti-fraude, l’approbation de la réclamation, le transfert des instructions à la banque, la notification du client et la clôture de la réclamation.

  • Sprout.AI utilise le TALN et la reconnaissance optique de caractères pour analyser et comprendre les données non structurées des réclamations d’assurance. La startup associe ensuite ces données à des données externes récoltées en temps réel (météo, géolocalisation, etc.). Cette technologie permet de régler les sinistres en quelques minutes, tout en vérifiant l’absence de fraude.

  • De même, IPsoft développe Amelia, un assistant virtuel qui peut traiter les demandes d’indemnisation en dialoguant directement avec les clients. Par exemple, si un client doit déposer une demande d’indemnisation après un accident de voiture, Amelia récupère sa police et ses données, confirme son identité et l’accompagne pas à pas dans le processus de dépôt de sa demande.

Détection des fraudes

Une grande variété de technologies traditionnelles et expérimentales ont été utilisées pour lutter contre la fraude à l’assurance. Les technologies de TALN figurent parmi les options les plus prometteuses selon les experts en la matière. L’examen manuel des notes et des données relatives aux sinistres, comme les e-mails ou les SMS, peut être incroyablement chronophage. Les solutions de TALN sont capables d’analyser et de comprendre automatiquement toutes ces données non structurées (messages, publications sur les réseaux sociaux, réclamations, etc.). Ces solutions peuvent ensuite signaler les cas suspectés de fraude pour qu’ils soient examinés par un spécialiste.

  • Shift Technology, qui se classe dans le top 5 % des startups notées par Early Metrics, développe une technologie pour aider les assureurs à détecter les demandes d’indemnisation frauduleuses. Son logiciel, FORCE, utilise diverses technologies d’IA, dont le TALN, pour attribuer à chaque sinistre une note représentant la probabilité de fraude. La startup a récemment signé un partenariat avec Central Insurance Companies pour détecter les comportements suspects dans ses sinistres automobiles et immobiliers.

Automatisation de la souscription

Les souscripteurs doivent analyser un grand nombre de polices et de documents pour prendre des décisions clés. Le résultat de leurs décisions dépend de la qualité et de la précision avec lesquelles ils ont analysé les informations nécessaires. Cette partie du processus d’assurance est, par nature, très propice aux erreurs. Les solutions de TALN appliquées à la souscription peuvent extraire des informations pertinentes pour aider les souscripteurs à évaluer les niveaux de risque.

L’extraction d’informations clés (comme les dates, les lieux, les noms, les diagnostics, les résultats de laboratoire, etc.) fournit aux souscripteurs les informations qu’ils auraient mis des heures à trouver en parcourant eux-mêmes les documents.

  • DigitalOwl et Zelros sont deux startups qui développent des solutions pour analyser, comprendre et extraire les informations pertinentes des documents afin d’aider les souscripteurs à prendre leurs décisions plus rapidement et avec plus de précision.

  • Une étude de cas de Cognizant a montré qu’il était possible de prévoir les risques d’inondation aux États-Unis afin de mieux souscrire les polices. L’outil a aidé son client, un réassureur mondial, à élargir la gamme de données entrant dans la prise de décision et à réduire les efforts manuels de ses souscripteurs. Au final, il a pu définir plus précisément les risques, affiner ses polices et améliorer de 25 % les taux d’acceptation des dossiers.

Quel est l’atout majeur du TALN pour le secteur de l’assurance ?

Selon un rapport Celent d’avril 2020, 67 % des grands assureurs IARD ont indiqué que la réduction des coûts et l’amélioration des processus sont devenues encore plus importantes suite à la covid-19. L’assurance est l’un des nombreux secteurs confrontés à des défis financiers et logistiques causés par la pandémie. Les technologies de TALN peuvent fournir des solutions qui aideront les acteurs de l’assurance à réduire les coûts, à gagner du temps et à s’adapter à ce nouvel environnement.

Selon une étude réalisée en 2019 par LexisNexis, 88 % des assureurs interrogés voyaient déjà des avantages à l’intégration de solutions fondées sur l’AI pour le règlement des sinistres. Les résultats étaient prometteurs dans tous les domaines. Dans l’ensemble, il semble que le secteur de l’assurance pourrait rattraper son retard dans l’adoption de nouvelles technologies. Toutefois, des défis majeurs demeurent, tels que l’accès à des employés possédant l’expertise nécessaire ou le manque de données de qualité disponibles pour entraîner les algorithmes.

Traduit de l’anglais par Margaux Cervatius

Tous nos articles