BNP Paribas Cardif est un assureur présent dans 33 pays, avec un mode de distribution dit BtoBtoC, qui l’amène à travailler avec des banques, des retailers, des constructeurs automobiles… soit plus de 500 partenaires dans le monde. L’entreprise de 8 000 collaborateurs a généré 32 milliards d’euros de chiffre d’affaires en 2021, et innove depuis plusieurs années avec l’ambition de mettre l’intelligence artificielle partout où elle peut fluidifier la relation avec les clients. Michael de Toldi, son chief analytics officer, détaille ces initiatives.

>> Cet article est extrait du Carnet d’expériences « Les champions français de l’IA »

Quels sont les meilleurs cas d’usage d’innovation IA qui sont cœur de business pour l’assurance ?

Il faut comprendre que notre business model repose sur de très nombreuses interactions avec nos clients : ils posent des questions, ils souscrivent, ils déclarent des sinistres… On estime ainsi que l’on a plus d’un milliard d’interactions client chaque année. Ce sont des masses d’informations extrêmement complexes à gérer, à plus forte raison quand l’objectif est de garantir une excellente qualité de service.

Alors nous cherchons forcément à simplifier, à digitaliser… Mais si on veut arriver à l’excellence dans ce contexte, il n’y a pas d’alternative : il faut injecter de l’IA dans nos processus. Notre conviction est donc qu’il va y avoir de l’IA partout pour fluidifier la relation avec les clients et rendre l’assurance plus accessible, car l’ensemble des interactions seront plus simples et plus rapides.

A lire aussi : Pour Aramis Group, l’IA révolutionne le travail des experts du reconditionnement

On peut prendre l’exemple de la gestion des sinistres. Pour que l’IA donne tous ses résultats, il faut commencer par simplifier nos produits et nos processus. Nous avons donc un processus standard de gestion de sinistre que nous allons court-circuiter avec l’IA, en prenant en tant qu’assureur la charge d’une partie du risque. Cela revient à transformer du risque assurance en valeur client. Je m’explique : quand un sinistre est déclaré, on regarde si pour une partie des clients, il n’est pas possible de l’accepter immédiatement grâce à l’IA, sans contrôle à priori. Cela revient pour l’assureur à assumer le risque, du fait d’une moindre information sur la situation, mais aussi à améliorer l’expérience client en faisant disparaître des délais. En parallèle, nous cherchons à alléger le processus standard, en demandant tout simplement moins de documents et d’informations lors de la déclaration.

« Nous avons créé des postes particuliers pour l’IA, d’analytics managers. Il s’agit de collaborateurs seniors, qui maîtrisent parfaitement le monde de l’assurance mais aussi celui de la datascience. » Cliquez pour tweeter

L’assurance est un métier qui repose effectivement encore sur beaucoup de documents. Comment l’IA change-t-elle la donne ?

Nous traitons plus de 100 millions de documents client par an, liés à la souscription et à la gestion de sinistres. Dans un cadre de digitalisation, nous allons donc aussi faire du traitement automatisé de documents et plutôt que de demander à nos collaborateurs de vérifier une date ou un nom, nous allons confier cette tâche à une machine. Nous proposons ainsi du temps de meilleure qualité à nos collaborateurs, qu’ils peuvent consacrer à nos clients. L’IA permet d’automatiser ces tâches pour conserver une relation de qualité. Il s’agit de soulager l’humain pour le ramener au centre des interactions où il est vraiment nécessaire et important.

Quels autres types de processus peuvent être concernés ?

Dans un business model BtoBtoC, nos produits sont distribués par des tiers, dont ce n’est pas le cœur business. Il y a donc un enjeu de qualité de vente dans les interactions qu’ont nos partenaires ; par exemple les conseillers bancaires et leurs clients quand une assurance est en jeu. Il s’agit non seulement de respecter la réglementation, mais aussi d’augmenter la qualité de la vente elle-même.

Pour vérifier les millions d’heures d’échanges, de conversations avec les clients, nous développons des algorithmes qui transforment l’audio en texte, puis analysent le texte pour s’assurer que chaque conversation a bien le bon critère de qualité. Cela nous permet de réagir très rapidement en cas de problème et de corriger au fur et à mesure les processus pour amener plus de satisfaction client.

« Si on veut arriver à l’excellence, il n’y a pas d’alternative : il faut injecter de l’IA dans nos processus. » Cliquez pour tweeter

D’un point de vue organisationnel, comment fait-on naître de tels projets d’IA auprès des métiers de l’assurance ?

Chez BNP Paribas Cardif, nous avons une filière analytique qui regroupe une communauté de plus d’une centaine de personnes. Elle est très vivante et partage abondamment ses expériences, ses réussites comme ses échecs. Nous avons aussi créé des postes particuliers pour l’IA, d’analytics managers. Il s’agit de collaborateurs seniors, qui maîtrisent parfaitement le monde de l’assurance mais aussi celui de la datascience. Ces acteurs vont faire le pont entre les besoins de l’entreprise et le potentiel de l’IA.

Aussi, la plateforme de datascience industrielle dans laquelle nous avons investi, nous permet de garantir une gouvernance de construction qui protège les données et garantit que les algorithmes ont du sens pour nos clients. Cela permet d’assurer un contrôle IT de la mise en production de nos modèles et par conséquent de garantir une puissance de calcul et une continuité de service, fondamentales dans nos métiers.

Enfin, notre conviction est qu’il n’y a pas de transformation IA sans un sponsorship extrêmement important de nos CEO. En tant qu’assureurs, nous sommes déjà en quelque sorte data native avec l’habitude du travail de la donnée. Mais cela ne fait pas tout pour innover avec l’IA, il faut donc mener une transformation de fond, qui passe par un engagement clair du top management. Ils doivent être les meilleurs ambassadeurs de nos projets et ce sont eux qui, in fine, permettent d’éviter le syndrome du POC et poussent vers l’IA vraiment industrialisée. Ne nous y trompons pas.