Le directeur des produits et de la technologie chez l’insurtech indienne ACKO, Vishwanath Ramarao, raconte auprès de Times of India le rôle de la deep tech dans la redéfinition, l’innovation du secteur de l’assurance.
Télématique, capteurs et données paramétriques
Traditionnellement, les assureurs ont travaillé avec des tables actuarielles de taux d’incidence santé, vie, accident et réparation pour construire des couvertures de produits et pour tarifer le risque lié à l’offre de ces produits.
Les données sur les sinistres nécessitent souvent des années d’accumulation et d’étude avant que les souscripteurs y découvrent des informations qui peuvent être utilisées pour créer de meilleures protections ou améliorer leur tarification. En l’absence d’informations clients de haute qualité, les souscripteurs ont été contraints d’utiliser des outils d’estimation statistique et de calcul de la moyenne qui ont fait de la prise de décision en matière d’assurance une approche grossière, uniforme et plus un art qu’une science.
Les données en temps réel sur les clients et les actifs provenant des capteurs, des réseaux télématiques et de l’Internet des objets (IoT), et même des applications, ont le potentiel d’être transformatrices pour les assureurs. Le traitement de l’information en instantané permet non seulement aux assureurs de modéliser des risques complexes grâce à l’utilisation d’algorithmes modernes de gestion des mégadonnées, mais il leur donne également la possibilité de jouer un rôle plus important dans le développement d’expériences interventionnelles, et même dans la prévention des sinistres.
Outre la collecte et le traitement des données à partir d’appareils intelligents, un catalyseur essentiel de ce type d’assurance paramétrique en temps réel est la présence d’un cadre de partage de données mature et fiable.
La montée en puissance de cadres de consentement nationaux comme Sahamati est le signe avant-coureur d’une infrastructure de blockchain participative plus distribuée pour l’échange de données et de transactions. Les chaînes de blocs ont aussi le potentiel d’apporter une consolidation significative aux protocoles d’orchestration entre les participants de l’écosystème de l’assurance.
Avec un environnement réglementaire de plus en plus progressif, les assureurs commencent à s’ouvrir à ces possibilités et remodèlent même fondamentalement le produit pour tirer parti de la collecte de données en temps réel. Par exemple, grâce à la configuration « sandbox » de l’organisme de réglementation indien (IRDAI), les assureurs en Inde ont déjà expérimenté l’assurance par répartition et la tarification basée sur le comportement de conduite à l’aide d’appareils qui se branchent sur le port de diagnostic embarqué du véhicule. D’autres produits similaires sont prévus qui tirent parti des capteurs mobiles pour mieux comprendre les habitudes de conduite, ajuster les prix et améliorer l’intelligence et la pertinence du réseau de service.
Nous devrions nous attendre à voir beaucoup plus d’intérêt et d’investissement de la part des assureurs dans les domaines de l’Internet des objets, des capteurs intelligents, de la collecte de données distribuées et d’autres technologies de mégadonnées.
IA, ML et science des données
L’intelligence artificielle, le machine learning et les technologies de la science des données ont un effet transformateur dans tous les secteurs, et l’assurance ne sera pas différente. Plusieurs compagnies d’assurances, tant en Inde que sur les marchés étrangers, ont expérimenté de manière significative les algorithmes d’IA et de ML.
Certains acteurs de l’insurtech sont allés plus loin et ont encore plus profondément intégré les capacités d’IA et de ML dans leurs produits. En plus de la croissance rapide des données clients, de l’amélioration de leur base nationale, de la démocratisation de leur science et des connaissances en apprentissage automatique, et de la disponibilité d’une infrastructure cloud qui rend le développement de l’IA et de la ML plus rapide et plus facile, il est désormais vraiment possible pour les assureurs de déployer la science prédictive pilotée par ces deux technologies à grande échelle dans toute l’entreprise.
Par exemple, l’intégration de la technologie prédictive dans les systèmes de souscription permettra aux entreprises de tarifer le risque de manière plus fine et individualisée, menant à une tarification personnalisée. Les insurtechs sont déjà en mesure de reconnaître et de récompenser les clients responsables et de tarifer leurs primes d’assurance automobile à la baisse pour les conducteurs plus prudents. Dans les années à venir, non seulement l’IA et la ML seront utilisées pour fixer de meilleurs prix, mais grâce à une compréhension plus approfondie des données clients, les algorithmes pourront verrouiller et déverrouiller les principales caractéristiques et couvertures des produits, rendant ainsi les produits personnalisés réalisables en assurance.
L’impact de l’apprentissage automatique appliqué sur la gestion des sinistres sera probablement encore plus transformationnel. Depuis plusieurs années, les assureurs parlent « d’auto-adjudication ».
L’arbitrage automatique fait référence à l’état du système où l’admissibilité à l’assurance et les décisions relatives aux sinistres ne sont pas entre les mains des gestionnaires humains, mais sont principalement prises par des algorithmes de données et de ML. En raison de la façon dont les conditions générales des polices sont créées par les assureurs et de la prévalence des données non structurées dans les échanges entre les assureurs et l’écosystème des services d’assurance (hôpitaux, garages, centres de réparation), il existe une opportunité technologique importante de combiner l’exploration d’informations et la vision artificielle, avec la technologie d’automatisation des processus pour créer une couche de données structurées pour l’arbitrage des machines.
Lorsqu’elles sont combinées avec des données de première partie telles que les historiques de sinistres, les historiques d’interaction avec les produits et les coûts de service, une solide base de données pour l’arbitrage automatique commence à émerger. Alors que cet arbitrage sera mis en œuvre à grande échelle différemment pour plusieurs catégories d’assurance, même avec une seule compagnie d’assurances et peut-être être mis en œuvre initialement avec un humain dans la boucle, la promesse de règlements plus rapides et de meilleure qualité pour les clients tout en augmentant simultanément la productivité de l’entreprise en fait un très bon cas d’utilisation attractif mené par l’IA et la ML pour les assureurs.
Infrastructure cloud et distribuée
De nombreuses piles de technologies d’assurance en Inde ont été développées au début des années 2000 lorsque le cloud, le big data et l’informatique distribuée n’étaient pas à l’horizon. En raison de cette lignée, il existe d’importants goulots d’étranglement dans ces systèmes pour les adapter aux données en temps réel et aux entreprises axées sur l’IA et le ML.
Les assureurs se sont adaptés à ces défis en créant une technologie middleware qui s’adapte aux technologies frontales modernes aux backends hérités. Cependant, l’adoption des mégadonnées et des technologies natives du cloud directement dans le cœur permettra aux assureurs d’être plus agiles et d’expérimenter la technologie des mégadonnées beaucoup plus rapidement, de s’intégrer plus efficacement aux services écosystémiques et d’orchestrer l’échange de données pour la prise de décision, à son tour numérique.
Enfin, la technologie de la blockchain promet d’améliorer encore cette orchestration en dépassant les problèmes actuels de gestion des identités et des accès, de confiance et de convergence des processus dans l’architecture de données centralisée actuelle.
Les défis du futur
Bien que la technologie profonde ait le potentiel de perturber positivement les modèles commerciaux et les expériences des consommateurs, le déploiement non échelonné de ces technologies est peu susceptible de produire les avantages évoqués ici. Les technologies basées sur les données de l’Internet des objets et des capteurs nécessiteront probablement également des investissements importants et les coûts technologiques augmenteront sûrement dans ces domaines avant que des avantages commerciaux puissent être réalisés.
Les assureurs peuvent créer de la valeur à long terme pour les investisseurs et les consommateurs en adoptant ces technologies perturbatrices parallèlement à une stratégie de déploiement par étapes pour stimuler l’échelle et l’adoption par les consommateurs. L’ADN des futures compagnies d’assurances sera probablement un équilibre entre les compétences de base en assurance de la souscription, du marketing, de la distribution et des compétences technologiques du développement des logiciels, de l’ingénierie des données, de l’apprentissage automatique et de la conception de l’expérience produit.
