L’intelligence artificielle et l'industrie de l’assurance au Canada

Novembre 2017  |   Lecture de 19 minutes   |    Par David Gambrill

Artificial Intelligence image— Bonjour Hal.

— Bonjour David.

— J’ai besoin d’une police d’assurance pour couvrir la nouvelle voiture sport que je viens d’acheter. Voici une photo de ma nouvelle voiture.

— C’est une belle voiture, David. Est-ce que Marie va la conduire?

— Non, elle va utiliser l’autre automobile.

— Entendu. Est-ce que les renseignements personnels qui sont consignés dans votre profil sont à jour?

— Oui.

— Dans ce cas, je pense que la police d’assurance de la société XYZ conviendra à vos besoins. En voici les détails. Vous n’avez qu’à cliquer sur le bouton et je vous enverrai l’attestation d’assurance par courriel.

— Merci Hal.

— Profitez bien de votre nouvelle voiture, David.

 

David conclut sa discussion avec Hal, un conseiller d'assurance virtuel du cabinet de courtage ABC, puis range son téléphone.

 

Des machines dotées d’intelligence artificielle peuvent-elles réellement remplacer les êtres humains en jouant le rôle d’un professionnel d’assurance?

 

Il y a cinq ans, cette question aurait semblé absurde et tirée directement d’un film de science-fiction. Toutefois, la réalité est en train de rattraper la fiction en raison des progrès rapides qui ont été réalisés sur le plan de la collecte de données au moyen de l’Internet des objets (IdO) et de la mise au point de nouveaux outils puissants et rentables pour analyser les mégadonnées.

 

« On considère encore à tort que l’intelligence artificielle n’est qu’un autre mot à la mode dans les milieux technologiques, alors qu’en fait, cette technologie enregistre de réels progrès », indique la société Accenture dans son rapport Vision technologique 2017. Ce rapport présente notamment les résultats d’un sondage d’envergure internationale mené auprès de plus de 5 400 cadres supérieurs du domaine des technologies de l’information et des affaires. « Parmi les cadres interrogés, 85 % ont déclaré qu’ils comptaient investir des sommes importantes dans les technologies basées sur l’intelligence artificielle au cours des trois prochaines années. »

 

La majeure partie (79 %) des cadres ayant pris part au sondage d’Accenture croient que les investissements faits dans le domaine de l’intelligence artificielle accéléreront l’adoption de cette technologie au sein de leur organisation. Plus de 40 % des investissements totalisant 1,7 milliard de dollars qui ont été faits l’an dernier dans le secteur des technologies en assurance concernaient l’intelligence artificielle, indique Norman Black, conseiller principal sur l’industrie de l’assurance, au sein de la société de technologie SAS.

 

En quoi consiste donc l’intelligence artificielle? Quelle place occupe cette technologie au sein de l’industrie canadienne de l’assurance de dommages?

 

Qu’est-ce que l’intelligence artificielle?

 

« L’intelligence artificielle est un terme plutôt vague », affirme Norman Black. « En résumé, disons que l’intelligence artificielle est la capacité qu’a un ordinateur d’imiter des comportements humains intelligents. »

 

L’intelligence artificielle fait appel à différentes technologies, lesquelles sont couramment utilisées conjointement. Il est donc difficile d’en arriver à une définition unique de ce qu’est l’intelligence artificielle. Pour simplifier les choses, on peut subdiviser l’intelligence artificielle en différentes technologies qui imitent des comportements humains précis, comme l’apprentissage, la parole et le langage, la vision et la perception, ainsi que l’analyse.

 

L’apprentissage

L’apprentissage machine, l’un des sous-composants de l’intelligence artificielle, permet à un programme informatique d’analyser des données tout en adaptant constamment ses prévisions et son comportement futur en fonction de ses analyses antérieures.

 

L’apprentissage machine peut se faire avec ou sans intervention humaine, déclare Jamie McDougall, vice-président, renseignements d’affaires et analytique, au sein de la société Gore Mutual Insurance. À titre d’exemple, il cite le cas d’un ordinateur qui apprend à détecter des images de chats à l’aide d’une intervention humaine. Dans un premier temps, des humains alimentent l’ordinateur avec des photos de chats déjà étiquetées « chat ». L’ordinateur compare ensuite d’autres images qu’on lui fournit de façon aléatoire avec les photos déjà étiquetées.

 

« Lorsqu’il traite une photo, l’ordinateur tente de répondre à la question : est-ce un chat? », indique M. McDougall. « Selon que la réponse est oui ou non, la machine sera capable de comprendre quels sont les différents contours qui définissent un chat dans une photo. La machine déterminera peu à peu les éléments propres aux images de chat, comme la fourrure (contours plus doux), les yeux ou les pattes, jusqu’à ce qu’il réussisse à mettre en commun tous ces détails pour se faire une idée d’ensemble de ce qu’est un chat. »

 

L’apprentissage profond est un dérivé encore plus complexe de l’apprentissage machine. Il se distingue par l’utilisation de réseaux de neurones sophistiqués. Le système informatique imite essentiellement les réseaux de neurones biologiques qui permettent aux animaux d’apprendre.

 

AXA, par exemple, a utilisé une plateforme libre d’apprentissage profond appelée TensorFlow pour établir, avec une précision de 78 %, des prévisions au sujet des accidents de la route entraînant des pertes importantes. Comme dans l’exemple des photos de chats fourni par Jamie McDougall, AXA a fourni à l’outil Compute Engine de Google des données relatives à des de graves sinistres afin d’apprendre à la plateforme TensorFlow à reconnaître les pertes importantes qui excèdent 10 000 $. AXA a ensuite fourni au réseau de neurones 70 points de données en assurance automobile, y compris l’âge du conducteur, l’âge du véhicule, les antécédents d’accidents, la fourchette annuelle des primes d’assurance et la région où réside le conducteur.À l’aide de ces données, la plateforme devait déterminer la probabilité qu’un accident entraînant des pertes importantes survienne, permettant ainsi à AXA d’optimiser son modèle d’établissement de primes.

 

La parole et le langage

Les ordinateurs utilisent le traitement du langage naturel (TLN) pour comprendre le sens des mots dans les conversations, tant dans les textes audio que dans les textes écrits. Le traitement du langage naturel fait appel à la modélisation statistique pour faciliter la reconnaissance de thèmes et de combinaisons de mots figurant dans des ensembles de documents [c’est-à-dire des notes relatives à des enquêtes entourant des sinistres ou des rapports médicaux]. Le traitement du langage naturel permet d'extraire des données sur les interactions dans les médias en ligne et hors ligne [c’est-à-dire dans les médias grand public ou les archives publiques] et de mettre au point des modèles de prévision. Il permet aussi d’analyser les sentiments exprimés dans des données non structurées comme les messages affichés sur les médias sociaux.

 

Les agents conversationnels sont un exemple courant de machines qui utilisent le traitement du langage naturel. Pour mettre au point son agent conversationnel sur Facebook Messenger, Insurify, une entreprise issue du Massachusetts Institute of Technology (MIT) qui se spécialise dans les technologies financières pour l’industrie de l’assurance, a analysé plus de 20 000 discussions en ligne portant sur l’assurance automobile au moyen du traitement du langage naturel. « L’agent conversationnel joue le rôle d’un courtier qui interagit avec le consommateur sur Facebook Messenger. L’agent a pour but d’évaluer les préférences du consommateur en ce qui a trait aux coûts et aux garanties d’assurance », explique dans un article de blogue Max Kraus, de LOGiQ3, une société d’experts-conseils en assurance vie et en réassurance. Quant à elle, Lemonade est une entreprise de New York spécialisée dans les technologies financières d’assurance qui permet à un assuré de se procurer une assurance locataire ou une assurance habitation en moins de deux minutes en communiquant uniquement avec Maya, l’agente conversationnelle de l’entreprise.

 

La vision et la perception

Sur son blogue, Infinilytics, une jeune entreprise de technologie de la Silicon Valley, décrit de quelle façon l’analyse d’image permet de détecter des objets, des lieux, des événements et des personnes dans des photos et des vidéos. L’entreprise fournit des services d’intelligence artificielle et d’apprentissage machine à l’industrie de l’assurance.

 

« Imaginez les possibilités qu’offre la réception d’une vidéo en continu en direct d’une zone venant d’être détruite par un événement catastrophique ou une tempête de feu. Et que dire des avantages qu’offre le fait de posséder des photos des véhicules qui ont servi à perpétrer à maintes reprises des sinistres frauduleux (en masquant chaque fois le numéro d’identification du véhicule et sa plaque d’immatriculation)? Une solution fiable basée sur l’analyse d’image peut aider une entreprise à valider l’authenticité des demandes d’indemnité et à prévenir les sinistres frauduleux avant qu’une indemnité soit versée. »

 

La diffusion en continu en direct est maintenant possible. L’an dernier, les images vidéo transmises en direct par des drones survolant les dommages causés par les feux de forêt à Fort McMurray, en Alberta, ont facilité le traitement et le règlement de sinistres catastrophiques en assurance habitation. En 2016, Ventus Geospatial, une société basée à Calgary, a obtenu l’autorisation de survoler en urgence les régions touchées par les feux incontrôlés avec un véhicule aérien sans pilote.

 

L’évaluation initiale des dommages a été réalisée grâce à une technique d’imagerie fondée sur l’intelligence artificielle par Opta Information Intelligence (Opta), une entreprise spécialisée en technologie et analytique qui offre des services à l’industrie canadienne de l’assurance de dommages. « Les images obtenues ont permis aux assureurs de voir quel pourcentage des maisons avaient été endommagé par le feu », indique Greg McCutcheon, le président d’Opta. « L’évaluation des dommages sur la base d’images exige un important travail d’interprétation. Beaucoup de ressources technologiques ont été nécessaires pour examiner tous les aspects de ces sinistres. »

 

L’analyse d’image fait aussi partie d’une solution novatrice en traitement des sinistres qui a été annoncée en octobre 2017 par Mitchell, un fournisseur de produits technologiques destinés aux sociétés de l’industrie canadienne de l’assurance de dommages qui s’occupent du traitement des sinistres et des réparations automobiles. Le système d’examen assisté des estimations de Mitchell (WorkCenter Assisted Review) utilise l’informatique visuelle pour analyser des photos et faciliter la détection de mauvaises décisions au chapitre du remplacement ou de la réparation de pièces. Par conséquent, le personnel des sociétés d’assurance peut examiner un plus grand nombre d’estimations en moins de temps, tout en améliorant les lignes directrices et l’uniformité des processus en estimation des dommages.

 

L’analyse

L’analytique avancée, une discipline associée à l’intelligence artificielle, offre un moyen de passer au crible de très grandes quantités de données, d’en extraire des renseignements intéressants et de prendre des décisions d’affaires fondées sur des prévisions précises et à jour. Cette discipline est particulièrement importante dans un monde où il faut tenir compte de la « loi de Moore », qui stipule que, tous les 18 mois, la puissance des technologies informatiques double tandis que leur coût baisse de moitié.

 

IBM prévoit que le volume de données utilisées dans l’industrie de l’assurance augmentera de 94 % d’ici la fin de 2018. Dans une autre étude, IBM indique que les services de TI des entreprises du milieu de l’assurance doivent gérer un taux de croissance composé annuel de 60 % des besoins en stockage de données.

 

Norman Black constate que l’Internet des objets (IdO) fera augmenter exponentiellement la quantité de données à traiter. « Nous devrons analyser beaucoup plus de données qu’aucun être humain n’est en mesure de le faire. Ceux qui souhaitent utiliser les données fournies par l’Internet des objets à diverses fins devront avoir recours à des machines pour examiner ces données. »

 

L’Internet des objets fait référence aux données sensorielles qui sont recueillies par des dispositifs connectés à Internet, comme les téléphones intelligents, les pièces de véhicules, les systèmes de surveillance, les dispositifs biométriques vestimentaires, les appareils ménagers, etc. On estime que d’ici 2020, chaque personne possédera plusieurs dispositifs connectés à l’Internet des objets. Selon la société Infinilytics, « cela représente une quantité importante de données qui peuvent être recueillies et analysées dans le cadre d’activités en assurance et en gestion des risques ».

 

L’une des utilisations bien connues de l’analytique avancée est l’assurance télématique (aussi appelée assurance fondée sur l’utilisation). Dans le cadre d’un programme d’assurance télématique, un petit dispositif sans fil est installé dans le port diagnostique du véhicule (habituellement situé sous le volant). Cette technologie évalue les habitudes de conduite d’une personne, y compris la distance parcourue, les heures d’utilisation du véhicule et la façon dont le conducteur accélère et freine.

 

Intact Assurance a recours à l’analytique avancée pour examiner les données télématiques recueillies. Les résultats permettent à l’entreprise de fixer les tarifs de son produit d’assurance automobile. « Nous recueillons 20 points de données à chacune des secondes durant lesquelles le véhicule est en circulation », déclare Intact Assurance dans un courriel détaillant ses initiatives dans le domaine de l’intelligence artificielle. « Cette technologie génère des téraoctets de données chaque année. Elle constitue également, pour nous, un très bon outil de sélection [des risques]... Les données recueillies nous renseignent sur les habitudes de conduite de l’assuré. Ces données ont aussi un effet avantageux sur notre formule de tarification lorsqu’on les utilise conjointement avec celles contenues dans notre base de données transactionnelle sur les polices et les sinistres. [En ce qui a trait aux risques en assurance automobile], les données [recueillies dans le cadre du programme d’assurance télématique] donnent 30 % plus de résultats que notre meilleur outil de prévision antérieur. »

 

Artificial Intelligence imageQui utilise l’intelligence artificielle dans l’industrie canadienne de l’assurance de dommages?

Ironiquement, il est difficile de trouver des données sur l’utilisation de l’intelligence artificielle dans l’industrie canadienne de l’assurance de dommages. L’un des facteurs expliquant cette situation est le fait que les entreprises évoluant dans ce secteur de l’économie sont en concurrence les unes avec les autres sur le plan des technologies. Elles ne souhaitent pas perdre l’avantage technologique qu’elles détiennent en révélant les innovations qu’elles s’apprêtent à adopter. En l’absence de tout rapport de recherche important sur ce sujet, l’ampleur de la diffusion des technologies liées à l’intelligence artificielle au Canada reste largement incertaine.

 

« L’intelligence artificielle en est encore à ses balbutiements dans l’industrie canadienne de l’assurance de dommages », déclare Norman Black. « On a fait beaucoup plus de progrès dans d’autres régions du globe, comme au Royaume-Uni, où les pressions exercées par la concurrence sont très intenses. »

 

Au nombre des obstacles auxquels font face ceux qui souhaitent adopter l’intelligence artificielle au Canada, on trouve le coût élevé des investissements, qui peut être prohibitif pour les assureurs et les cabinets de courtage de petite taille, ainsi qu’un manque de confiance généralisé dans la capacité qu’ont les machines d’interagir personnellement avec des humains. « Le niveau de confiance n’a pas assez évolué pour nous amener à changer nos façons de faire actuelles », affirme Greg Purdy, cofondateur de getClarity, une entreprise d’analytique qui offre des services à l’industrie canadienne de l’assurance de dommages. « Le cadre réglementaire et juridique qui régit l’intelligence artificielle n’a pas encore atteint sa pleine maturité. »

 

Jamie McDougall cite un autre obstacle à la diffusion de l’intelligence artificielle au Canada qu’il appelle « la vélocité des données ». Pour que l’apprentissage machine ait lieu, il faut disposer d’ensembles de données assez grands, qui permettent de faire des comparaisons. Si l’on tient compte de la fréquence des sinistres et des périodes de renouvellement des polices d’assurance, le volume de données disponibles en assurance de dommages est moins élevé que dans d’autres secteurs de l’industrie financière. « Cela signifie qu’il y a moins de données disponibles pour permettre aux machines d’apprendre par observation des données », ajoute Jamie McDougall.

 

Malgré ces difficultés, l’industrie canadienne de l’assurance de dommages investit dans l’intelligence artificielle.

 

Les entreprises spécialisées dans les technologies financières d’assurance sont l’une des voies permettant d’investir dans l’intelligence artificielle. Cinq des quinze plus importants investissements réalisés en 2017 dans le secteur des technologies financières d’assurance ont été faits dans des entreprises en démarrage spécialisées dans l’intelligence artificielle, indique Max Kraus. Au début de 2017, la firme d’investissement Mill Street & Co. a acquis des parts dans la société Tuque, une entreprise de Toronto spécialisée dans les technologies financières d’assurance. Après son lancement, Tuque offrira des solutions numériques permettant de se procurer en ligne de l’assurance habitation, de l’assurance automobile et de l’assurance des entreprises. En octobre 2017, une société de Montréal, Covera Technologies inc., a levé 1 million de dollars en capitaux d’amorçage pour financer ses travaux en intelligence artificielle. L’objectif de Covera est d’aider les consommateurs à magasiner automatiquement leurs assurances lors des renouvellements.

 

Par ailleurs, PwC propose une approche de type « bac à sable » aux sociétés de l’industrie de l’assurance de dommages qui souhaitent mettre à l’essai les technologies fondées sur l’intelligence artificielle. Ainsi, une organisation pourrait élaborer un projet pilote interne fondé sur l’intelligence artificielle en ayant recours à des solutions développées par des fournisseurs externes ou à des technologies libres. Puis, à des fins d’amélioration, l’organisation pourrait mener des projets parallèles qui lui permettront de comparer les résultats de sa solution interne d’intelligence artificielle avec les décisions prises par des êtres humains. Les organisations pourraient aussi créer leurs propres bases de données (p. ex., des « images d’accidents » à partir de données sur les sinistres) et s’en servir pour mesurer l’exactitude des algorithmes d’intelligence artificielle.

 

Cookhouse Lab est une aire de collaboration en ligne qui permet aux professionnels de l’industrie de l’assurance de dommages et des services financiers, aux entrepreneurs et aux universitaires canadiens de discuter du développement de l’intelligence artificielle et d’autres projets technologiques en assurance.

 

Dans tous les secteurs, on décrit souvent le Canada comme une future plaque tournante de la recherche sur l’intelligence artificielle. En 2017, on a consacré environ 400 millions de dollars aux projets de recherche dans ce domaine. De ce montant, un total de 170 millions de dollars a été versé à l’Institut Vector, une société affiliée à l’Université de Toronto. Ce financement provient d’Intact Assurance, de sociétés d’assurance vie, de Google, d’Uber, du gouvernement fédéral et du gouvernement de l’Ontario.

 

En 2016, Intact a annoncé la création d’Intac Lab, un centre de recherche qui regroupe 30 experts, notamment des actuaires, des spécialistes en données, des géomaticiens, des ingénieurs en logiciel et des météorologues. Ces spécialistes se consacrent à l’analyse de données au moyen de l’apprentissage machine. « Notre but est de réunir 200 actuaires qui analyseront des données avec ces nouvelles techniques [d’intelligence artificielle] », indique la société.

 

Jamie McDougall estime que les organisations qui s’occupent du traitement des sinistres en assurance de dommages auraient avantage à utiliser les mêmes technologies d’intelligence artificielle que les banques. « Je suis convaincu que les banques utilisent des outils fondés sur l’intelligence artificielle pour détecter les transactions frauduleuses par carte de crédit », ajoute-t-il. « Il serait possible de déployer les mêmes techniques pour détecter les demandes d’indemnité frauduleuses si l’industrie de l’assurance avait accès à un nombre suffisant de données. »

 

Sur les blogues, les partisans de l’intelligence artificielle anticipent que les agents conversationnels se transformeront en conseillers virtuels. Risk Genius et Policy Genius, qui servent à analyser respectivement les polices et les devis d’assurance, sont des exemples de ressources fondées sur l’intelligence artificielle qui suivent cette tendance.

 

Dans le milieu du courtage, PwC prévoit que les conseillers virtuels offriront bientôt un plus grand nombre de services fondés sur les systèmes de recommandation et sur l’appariement statistique du type « quelqu’un comme vous ». Selon l’analyse de PwC, lorsqu’ils auront atteint leur pleine maturité, les conseillers virtuels seront capables de comprendre les états financiers des particuliers et des ménages. Ils pourront faire des recommandations ainsi que surveiller et modifier les objectifs et les portefeuilles financiers de leurs titulaires de police.

 

Cette évolution nous amène à nous demander de quelle façon l’intelligence artificielle affectera la composition future de la main-d’œuvre dans l’industrie canadienne de l’assurance de dommages.

 

Les machines remplaceront-elles les humains?

Lorsqu’on examine la possibilité que les machines remplacent les humains ou lorsqu’on se demande si une telle chose est souhaitable, les opinions diffèrent considérablement.

 

Brenda Rose, vice-présidente et associée du cabinet de courtage FCA, se demande si des machines seront un jour capables d’évaluer des données ou de porter des jugements, au même titre que les êtres humains. Elle cite comme exemple la mise au point de véhicules automatisés.

 

Il y a trois ans, le MIT a constaté que la technologie des véhicules automatisés n’arrivait pas à détecter facilement « les personnes qui surgissent invariablement le long (ou au milieu) de la route. » Brenda Rose se demande dans quelle mesure des machines réussiraient à prendre des décisions sensées et pertinentes si elles étaient confrontées à des choix éthiques qui ne sont pas intégrés à leur programme ou à leur processus d’apprentissage. Que ferait une machine si, par exemple, elle devait choisir entre foncer sur un enfant ou un policier qui dirige la circulation en vue d’éviter un chien qui serait apparu soudainement devant elle?

 

Les courtiers doivent porter des jugements de valeur et formuler des recommandations qui dépassent le cadre normal du traitement de l’information et de l’établissement des prévisions, souligne Brenda Rose. Selon elle, un conseiller virtuel comme Hal, qui tente de reproduire les services offerts par un courtier, ne devrait pas se contenter de proposer une police d’assurance pour répondre aux besoins de David. « Le conseiller virtuel devrait aussi présenter diverses options à son client, examiner leur pertinence à la lumière des préférences personnelles et du niveau de confort de ce dernier, et poursuivre la discussion jusqu’à ce que le client soit satisfait. »

 

Jamie McDougall croit qu’en théorie les machines pourraient apprendre à porter des jugements et à faire des évaluations comme les humains. « La question qu’il faut se poser est la suivante : qu’est-ce que les humains doivent enseigner aux machines? À offrir la meilleure protection pour conclure une vente? Ou à offrir la meilleure protection pour répondre aux besoins du client? »

 

Dans un proche avenir, Jamie McDougall et Norman Black pensent que les humains seront surtout appelés à travailler conjointement avec les machines pour améliorer les processus d’affaires en assurance.

 

Plusieurs commentateurs sont d’avis que les machines automatiseront et rationaliseront les tâches les plus simples, laissant ainsi plus de temps aux professionnels d’assurance humains pour se consacrer à des tâches qui exigent plus de réflexion, comme l’appréciation de risques complexes, la vente d’un plus grand nombre de garanties personnalisées ou le règlement de sinistres aux aspects multiples. « Les technologies d’intelligence artificielle sont appelées à jouer de nouveaux rôles », déclare Greg Purdy. « C’est d’ailleurs ce qui est en train de se produire. »

 

Toutefois, Jamie McDougall voit plutôt l’intelligence artificielle comme un outil qui permet aux humains d’améliorer les processus d’assurance. « L’intelligence artificielle, ce ne sont pas des personnes qui déambulent dans un corps de robot », affirme-t-il. « Ces technologies sont des outils qui servent à améliorer une intervention prédictive. »

 

Dans le futur, M. McDougall prévoit que les professionnels de l’assurance de dommages utiliseront sans doute les technologies d’intelligence artificielle disponibles pour réaliser des tâches ou atteindre des objectifs spécifiquement définis en assurance.

 

Les technologies d’intelligence artificielle peuvent servir à résoudre des problèmes en assurance, même si elles n’ont pas été conçues avec cet objectif particulier en tête, ajoute Jamie McDougall. Il cite comme exemple Alpha Go, une technologie d’apprentissage machine utilisée pour jouer au jeu de stratégie Go.

 

« Personne n’a programmé l’ordinateur afin qu’il joue au Go. Étant donné qu’Alpha Gol est conçu pour apprendre, la machine a élaboré des stratégies [pour le Go] qui ne faisaient pas partie de son programme initial. Les humains ont utilisé cet outil d’intelligence artificielle pour mieux comprendre comment se déroule ce jeu. »

 

— Bonjour Hal.

— Bonjour David.

— J’ai besoin d’une police d’assurance pour couvrir la nouvelle voiture sport que je viens d’acheter. Voici une photo de ma nouvelle voiture.

— C’est une belle voiture, David. Est-ce que Marie va la conduire?

— Non, elle va utiliser l’autre automobile.

— Entendu. Est-ce que les renseignements personnels qui sont consignés dans votre profil sont à jour?

— Oui.

— Dans ce cas, je pense que la police d’assurance de la société XYZ conviendra à vos besoins. En voici les détails. Vous n’avez qu’à cliquer sur le bouton et je vous enverrai l’attestation d’assurance par courriel.

— Merci Hal.

— Profitez bien de votre nouvelle voiture, David.

 

David conclut sa discussion avec Hal, un conseiller d'assurance virtuel du cabinet de courtage ABC, puis range son téléphone.

 

Des machines dotées d’intelligence artificielle peuvent-elles réellement remplacer les êtres humains en jouant le rôle d’un professionnel d’assurance?

 

Il y a cinq ans, cette question aurait semblé absurde et tirée directement d’un film de science-fiction. Toutefois, la réalité est en train de rattraper la fiction en raison des progrès rapides qui ont été réalisés sur le plan de la collecte de données au moyen de l’Internet des objets (IdO) et de la mise au point de nouveaux outils puissants et rentables pour analyser les mégadonnées.

 

« On considère encore à tort que l’intelligence artificielle n’est qu’un autre mot à la mode dans les milieux technologiques, alors qu’en fait, cette technologie enregistre de réels progrès », indique la société Accenture dans son rapport Vision technologique 2017. Ce rapport présente notamment les résultats d’un sondage d’envergure internationale mené auprès de plus de 5 400 cadres supérieurs du domaine des technologies de l’information et des affaires. « Parmi les cadres interrogés, 85 % ont déclaré qu’ils comptaient investir des sommes importantes dans les technologies basées sur l’intelligence artificielle au cours des trois prochaines années. »

 

La majeure partie (79 %) des cadres ayant pris part au sondage d’Accenture croient que les investissements faits dans le domaine de l’intelligence artificielle accéléreront l’adoption de cette technologie au sein de leur organisation. Plus de 40 % des investissements totalisant 1,7 milliard de dollars qui ont été faits l’an dernier dans le secteur des technologies en assurance concernaient l’intelligence artificielle, indique Norman Black, conseiller principal sur l’industrie de l’assurance, au sein de la société de technologie SAS.

 

En quoi consiste donc l’intelligence artificielle? Quelle place occupe cette technologie au sein de l’industrie canadienne de l’assurance de dommages?

 

Qu’est-ce que l’intelligence artificielle?

 

« L’intelligence artificielle est un terme plutôt vague », affirme Norman Black. « En résumé, disons que l’intelligence artificielle est la capacité qu’a un ordinateur d’imiter des comportements humains intelligents. »

 

L’intelligence artificielle fait appel à différentes technologies, lesquelles sont couramment utilisées conjointement. Il est donc difficile d’en arriver à une définition unique de ce qu’est l’intelligence artificielle. Pour simplifier les choses, on peut subdiviser l’intelligence artificielle en différentes technologies qui imitent des comportements humains précis, comme l’apprentissage, la parole et le langage, la vision et la perception, ainsi que l’analyse.

 

L’apprentissage

L’apprentissage machine, l’un des sous-composants de l’intelligence artificielle, permet à un programme informatique d’analyser des données tout en adaptant constamment ses prévisions et son comportement futur en fonction de ses analyses antérieures.

 

L’apprentissage machine peut se faire avec ou sans intervention humaine, déclare Jamie McDougall, vice-président, renseignements d’affaires et analytique, au sein de la société Gore Mutual Insurance. À titre d’exemple, il cite le cas d’un ordinateur qui apprend à détecter des images de chats à l’aide d’une intervention humaine. Dans un premier temps, des humains alimentent l’ordinateur avec des photos de chats déjà étiquetées « chat ». L’ordinateur compare ensuite d’autres images qu’on lui fournit de façon aléatoire avec les photos déjà étiquetées.

 

« Lorsqu’il traite une photo, l’ordinateur tente de répondre à la question : est-ce un chat? », indique M. McDougall. « Selon que la réponse est oui ou non, la machine sera capable de comprendre quels sont les différents contours qui définissent un chat dans une photo. La machine déterminera peu à peu les éléments propres aux images de chat, comme la fourrure (contours plus doux), les yeux ou les pattes, jusqu’à ce qu’il réussisse à mettre en commun tous ces détails pour se faire une idée d’ensemble de ce qu’est un chat. »

 

L’apprentissage profond est un dérivé encore plus complexe de l’apprentissage machine. Il se distingue par l’utilisation de réseaux de neurones sophistiqués. Le système informatique imite essentiellement les réseaux de neurones biologiques qui permettent aux animaux d’apprendre.

 

AXA, par exemple, a utilisé une plateforme libre d’apprentissage profond appelée TensorFlow pour établir, avec une précision de 78 %, des prévisions au sujet des accidents de la route entraînant des pertes importantes. Comme dans l’exemple des photos de chats fourni par Jamie McDougall, AXA a fourni à l’outil Compute Engine de Google des données relatives à des de graves sinistres afin d’apprendre à la plateforme TensorFlow à reconnaître les pertes importantes qui excèdent 10 000 $. AXA a ensuite fourni au réseau de neurones 70 points de données en assurance automobile, y compris l’âge du conducteur, l’âge du véhicule, les antécédents d’accidents, la fourchette annuelle des primes d’assurance et la région où réside le conducteur.À l’aide de ces données, la plateforme devait déterminer la probabilité qu’un accident entraînant des pertes importantes survienne, permettant ainsi à AXA d’optimiser son modèle d’établissement de primes.

 

La parole et le langage

Les ordinateurs utilisent le traitement du langage naturel (TLN) pour comprendre le sens des mots dans les conversations, tant dans les textes audio que dans les textes écrits. Le traitement du langage naturel fait appel à la modélisation statistique pour faciliter la reconnaissance de thèmes et de combinaisons de mots figurant dans des ensembles de documents [c’est-à-dire des notes relatives à des enquêtes entourant des sinistres ou des rapports médicaux]. Le traitement du langage naturel permet d'extraire des données sur les interactions dans les médias en ligne et hors ligne [c’est-à-dire dans les médias grand public ou les archives publiques] et de mettre au point des modèles de prévision. Il permet aussi d’analyser les sentiments exprimés dans des données non structurées comme les messages affichés sur les médias sociaux.

 

Les agents conversationnels sont un exemple courant de machines qui utilisent le traitement du langage naturel. Pour mettre au point son agent conversationnel sur Facebook Messenger, Insurify, une entreprise issue du Massachusetts Institute of Technology (MIT) qui se spécialise dans les technologies financières pour l’industrie de l’assurance, a analysé plus de 20 000 discussions en ligne portant sur l’assurance automobile au moyen du traitement du langage naturel. « L’agent conversationnel joue le rôle d’un courtier qui interagit avec le consommateur sur Facebook Messenger. L’agent a pour but d’évaluer les préférences du consommateur en ce qui a trait aux coûts et aux garanties d’assurance », explique dans un article de blogue Max Kraus, de LOGiQ3, une société d’experts-conseils en assurance vie et en réassurance. Quant à elle, Lemonade est une entreprise de New York spécialisée dans les technologies financières d’assurance qui permet à un assuré de se procurer une assurance locataire ou une assurance habitation en moins de deux minutes en communiquant uniquement avec Maya, l’agente conversationnelle de l’entreprise.

 

La vision et la perception

Sur son blogue, Infinilytics, une jeune entreprise de technologie de la Silicon Valley, décrit de quelle façon l’analyse d’image permet de détecter des objets, des lieux, des événements et des personnes dans des photos et des vidéos. L’entreprise fournit des services d’intelligence artificielle et d’apprentissage machine à l’industrie de l’assurance.

 

« Imaginez les possibilités qu’offre la réception d’une vidéo en continu en direct d’une zone venant d’être détruite par un événement catastrophique ou une tempête de feu. Et que dire des avantages qu’offre le fait de posséder des photos des véhicules qui ont servi à perpétrer à maintes reprises des sinistres frauduleux (en masquant chaque fois le numéro d’identification du véhicule et sa plaque d’immatriculation)? Une solution fiable basée sur l’analyse d’image peut aider une entreprise à valider l’authenticité des demandes d’indemnité et à prévenir les sinistres frauduleux avant qu’une indemnité soit versée. »

 

La diffusion en continu en direct est maintenant possible. L’an dernier, les images vidéo transmises en direct par des drones survolant les dommages causés par les feux de forêt à Fort McMurray, en Alberta, ont facilité le traitement et le règlement de sinistres catastrophiques en assurance habitation. En 2016, Ventus Geospatial, une société basée à Calgary, a obtenu l’autorisation de survoler en urgence les régions touchées par les feux incontrôlés avec un véhicule aérien sans pilote.

 

L’évaluation initiale des dommages a été réalisée grâce à une technique d’imagerie fondée sur l’intelligence artificielle par Opta Information Intelligence (Opta), une entreprise spécialisée en technologie et analytique qui offre des services à l’industrie canadienne de l’assurance de dommages. « Les images obtenues ont permis aux assureurs de voir quel pourcentage des maisons avaient été endommagé par le feu », indique Greg McCutcheon, le président d’Opta. « L’évaluation des dommages sur la base d’images exige un important travail d’interprétation. Beaucoup de ressources technologiques ont été nécessaires pour examiner tous les aspects de ces sinistres. »

 

L’analyse d’image fait aussi partie d’une solution novatrice en traitement des sinistres qui a été annoncée en octobre 2017 par Mitchell, un fournisseur de produits technologiques destinés aux sociétés de l’industrie canadienne de l’assurance de dommages qui s’occupent du traitement des sinistres et des réparations automobiles. Le système d’examen assisté des estimations de Mitchell (WorkCenter Assisted Review) utilise l’informatique visuelle pour analyser des photos et faciliter la détection de mauvaises décisions au chapitre du remplacement ou de la réparation de pièces. Par conséquent, le personnel des sociétés d’assurance peut examiner un plus grand nombre d’estimations en moins de temps, tout en améliorant les lignes directrices et l’uniformité des processus en estimation des dommages.

 

L’analyse

L’analytique avancée, une discipline associée à l’intelligence artificielle, offre un moyen de passer au crible de très grandes quantités de données, d’en extraire des renseignements intéressants et de prendre des décisions d’affaires fondées sur des prévisions précises et à jour. Cette discipline est particulièrement importante dans un monde où il faut tenir compte de la « loi de Moore », qui stipule que, tous les 18 mois, la puissance des technologies informatiques double tandis que leur coût baisse de moitié.

 

IBM prévoit que le volume de données utilisées dans l’industrie de l’assurance augmentera de 94 % d’ici la fin de 2018. Dans une autre étude, IBM indique que les services de TI des entreprises du milieu de l’assurance doivent gérer un taux de croissance composé annuel de 60 % des besoins en stockage de données.

 

Norman Black constate que l’Internet des objets (IdO) fera augmenter exponentiellement la quantité de données à traiter. « Nous devrons analyser beaucoup plus de données qu’aucun être humain n’est en mesure de le faire. Ceux qui souhaitent utiliser les données fournies par l’Internet des objets à diverses fins devront avoir recours à des machines pour examiner ces données. »

 

L’Internet des objets fait référence aux données sensorielles qui sont recueillies par des dispositifs connectés à Internet, comme les téléphones intelligents, les pièces de véhicules, les systèmes de surveillance, les dispositifs biométriques vestimentaires, les appareils ménagers, etc. On estime que d’ici 2020, chaque personne possédera plusieurs dispositifs connectés à l’Internet des objets. Selon la société Infinilytics, « cela représente une quantité importante de données qui peuvent être recueillies et analysées dans le cadre d’activités en assurance et en gestion des risques ».

 

L’une des utilisations bien connues de l’analytique avancée est l’assurance télématique (aussi appelée assurance fondée sur l’utilisation). Dans le cadre d’un programme d’assurance télématique, un petit dispositif sans fil est installé dans le port diagnostique du véhicule (habituellement situé sous le volant). Cette technologie évalue les habitudes de conduite d’une personne, y compris la distance parcourue, les heures d’utilisation du véhicule et la façon dont le conducteur accélère et freine.

 

Intact Assurance a recours à l’analytique avancée pour examiner les données télématiques recueillies. Les résultats permettent à l’entreprise de fixer les tarifs de son produit d’assurance automobile. « Nous recueillons 20 points de données à chacune des secondes durant lesquelles le véhicule est en circulation », déclare Intact Assurance dans un courriel détaillant ses initiatives dans le domaine de l’intelligence artificielle. « Cette technologie génère des téraoctets de données chaque année. Elle constitue également, pour nous, un très bon outil de sélection [des risques]... Les données recueillies nous renseignent sur les habitudes de conduite de l’assuré. Ces données ont aussi un effet avantageux sur notre formule de tarification lorsqu’on les utilise conjointement avec celles contenues dans notre base de données transactionnelle sur les polices et les sinistres. [En ce qui a trait aux risques en assurance automobile], les données [recueillies dans le cadre du programme d’assurance télématique] donnent 30 % plus de résultats que notre meilleur outil de prévision antérieur. »

 

Artificial Intelligence imageQui utilise l’intelligence artificielle dans l’industrie canadienne de l’assurance de dommages?

Ironiquement, il est difficile de trouver des données sur l’utilisation de l’intelligence artificielle dans l’industrie canadienne de l’assurance de dommages. L’un des facteurs expliquant cette situation est le fait que les entreprises évoluant dans ce secteur de l’économie sont en concurrence les unes avec les autres sur le plan des technologies. Elles ne souhaitent pas perdre l’avantage technologique qu’elles détiennent en révélant les innovations qu’elles s’apprêtent à adopter. En l’absence de tout rapport de recherche important sur ce sujet, l’ampleur de la diffusion des technologies liées à l’intelligence artificielle au Canada reste largement incertaine.

 

« L’intelligence artificielle en est encore à ses balbutiements dans l’industrie canadienne de l’assurance de dommages », déclare Norman Black. « On a fait beaucoup plus de progrès dans d’autres régions du globe, comme au Royaume-Uni, où les pressions exercées par la concurrence sont très intenses. »

 

Au nombre des obstacles auxquels font face ceux qui souhaitent adopter l’intelligence artificielle au Canada, on trouve le coût élevé des investissements, qui peut être prohibitif pour les assureurs et les cabinets de courtage de petite taille, ainsi qu’un manque de confiance généralisé dans la capacité qu’ont les machines d’interagir personnellement avec des humains. « Le niveau de confiance n’a pas assez évolué pour nous amener à changer nos façons de faire actuelles », affirme Greg Purdy, cofondateur de getClarity, une entreprise d’analytique qui offre des services à l’industrie canadienne de l’assurance de dommages. « Le cadre réglementaire et juridique qui régit l’intelligence artificielle n’a pas encore atteint sa pleine maturité. »

 

Jamie McDougall cite un autre obstacle à la diffusion de l’intelligence artificielle au Canada qu’il appelle « la vélocité des données ». Pour que l’apprentissage machine ait lieu, il faut disposer d’ensembles de données assez grands, qui permettent de faire des comparaisons. Si l’on tient compte de la fréquence des sinistres et des périodes de renouvellement des polices d’assurance, le volume de données disponibles en assurance de dommages est moins élevé que dans d’autres secteurs de l’industrie financière. « Cela signifie qu’il y a moins de données disponibles pour permettre aux machines d’apprendre par observation des données », ajoute Jamie McDougall.

 

Malgré ces difficultés, l’industrie canadienne de l’assurance de dommages investit dans l’intelligence artificielle.

 

Les entreprises spécialisées dans les technologies financières d’assurance sont l’une des voies permettant d’investir dans l’intelligence artificielle. Cinq des quinze plus importants investissements réalisés en 2017 dans le secteur des technologies financières d’assurance ont été faits dans des entreprises en démarrage spécialisées dans l’intelligence artificielle, indique Max Kraus. Au début de 2017, la firme d’investissement Mill Street & Co. a acquis des parts dans la société Tuque, une entreprise de Toronto spécialisée dans les technologies financières d’assurance. Après son lancement, Tuque offrira des solutions numériques permettant de se procurer en ligne de l’assurance habitation, de l’assurance automobile et de l’assurance des entreprises. En octobre 2017, une société de Montréal, Covera Technologies inc., a levé 1 million de dollars en capitaux d’amorçage pour financer ses travaux en intelligence artificielle. L’objectif de Covera est d’aider les consommateurs à magasiner automatiquement leurs assurances lors des renouvellements.

 

Par ailleurs, PwC propose une approche de type « bac à sable » aux sociétés de l’industrie de l’assurance de dommages qui souhaitent mettre à l’essai les technologies fondées sur l’intelligence artificielle. Ainsi, une organisation pourrait élaborer un projet pilote interne fondé sur l’intelligence artificielle en ayant recours à des solutions développées par des fournisseurs externes ou à des technologies libres. Puis, à des fins d’amélioration, l’organisation pourrait mener des projets parallèles qui lui permettront de comparer les résultats de sa solution interne d’intelligence artificielle avec les décisions prises par des êtres humains. Les organisations pourraient aussi créer leurs propres bases de données (p. ex., des « images d’accidents » à partir de données sur les sinistres) et s’en servir pour mesurer l’exactitude des algorithmes d’intelligence artificielle.

 

Cookhouse Lab est une aire de collaboration en ligne qui permet aux professionnels de l’industrie de l’assurance de dommages et des services financiers, aux entrepreneurs et aux universitaires canadiens de discuter du développement de l’intelligence artificielle et d’autres projets technologiques en assurance.

 

Dans tous les secteurs, on décrit souvent le Canada comme une future plaque tournante de la recherche sur l’intelligence artificielle. En 2017, on a consacré environ 400 millions de dollars aux projets de recherche dans ce domaine. De ce montant, un total de 170 millions de dollars a été versé à l’Institut Vector, une société affiliée à l’Université de Toronto. Ce financement provient d’Intact Assurance, de sociétés d’assurance vie, de Google, d’Uber, du gouvernement fédéral et du gouvernement de l’Ontario.

 

En 2016, Intact a annoncé la création d’Intac Lab, un centre de recherche qui regroupe 30 experts, notamment des actuaires, des spécialistes en données, des géomaticiens, des ingénieurs en logiciel et des météorologues. Ces spécialistes se consacrent à l’analyse de données au moyen de l’apprentissage machine. « Notre but est de réunir 200 actuaires qui analyseront des données avec ces nouvelles techniques [d’intelligence artificielle] », indique la société.

 

Jamie McDougall estime que les organisations qui s’occupent du traitement des sinistres en assurance de dommages auraient avantage à utiliser les mêmes technologies d’intelligence artificielle que les banques. « Je suis convaincu que les banques utilisent des outils fondés sur l’intelligence artificielle pour détecter les transactions frauduleuses par carte de crédit », ajoute-t-il. « Il serait possible de déployer les mêmes techniques pour détecter les demandes d’indemnité frauduleuses si l’industrie de l’assurance avait accès à un nombre suffisant de données. »

 

Sur les blogues, les partisans de l’intelligence artificielle anticipent que les agents conversationnels se transformeront en conseillers virtuels. Risk Genius et Policy Genius, qui servent à analyser respectivement les polices et les devis d’assurance, sont des exemples de ressources fondées sur l’intelligence artificielle qui suivent cette tendance.

 

Dans le milieu du courtage, PwC prévoit que les conseillers virtuels offriront bientôt un plus grand nombre de services fondés sur les systèmes de recommandation et sur l’appariement statistique du type « quelqu’un comme vous ». Selon l’analyse de PwC, lorsqu’ils auront atteint leur pleine maturité, les conseillers virtuels seront capables de comprendre les états financiers des particuliers et des ménages. Ils pourront faire des recommandations ainsi que surveiller et modifier les objectifs et les portefeuilles financiers de leurs titulaires de police.

 

Cette évolution nous amène à nous demander de quelle façon l’intelligence artificielle affectera la composition future de la main-d’œuvre dans l’industrie canadienne de l’assurance de dommages.

 

Les machines remplaceront-elles les humains?

Lorsqu’on examine la possibilité que les machines remplacent les humains ou lorsqu’on se demande si une telle chose est souhaitable, les opinions diffèrent considérablement.

 

Brenda Rose, vice-présidente et associée du cabinet de courtage FCA, se demande si des machines seront un jour capables d’évaluer des données ou de porter des jugements, au même titre que les êtres humains. Elle cite comme exemple la mise au point de véhicules automatisés.

 

Il y a trois ans, le MIT a constaté que la technologie des véhicules automatisés n’arrivait pas à détecter facilement « les personnes qui surgissent invariablement le long (ou au milieu) de la route. » Brenda Rose se demande dans quelle mesure des machines réussiraient à prendre des décisions sensées et pertinentes si elles étaient confrontées à des choix éthiques qui ne sont pas intégrés à leur programme ou à leur processus d’apprentissage. Que ferait une machine si, par exemple, elle devait choisir entre foncer sur un enfant ou un policier qui dirige la circulation en vue d’éviter un chien qui serait apparu soudainement devant elle?

 

Les courtiers doivent porter des jugements de valeur et formuler des recommandations qui dépassent le cadre normal du traitement de l’information et de l’établissement des prévisions, souligne Brenda Rose. Selon elle, un conseiller virtuel comme Hal, qui tente de reproduire les services offerts par un courtier, ne devrait pas se contenter de proposer une police d’assurance pour répondre aux besoins de David. « Le conseiller virtuel devrait aussi présenter diverses options à son client, examiner leur pertinence à la lumière des préférences personnelles et du niveau de confort de ce dernier, et poursuivre la discussion jusqu’à ce que le client soit satisfait. »

 

Jamie McDougall croit qu’en théorie les machines pourraient apprendre à porter des jugements et à faire des évaluations comme les humains. « La question qu’il faut se poser est la suivante : qu’est-ce que les humains doivent enseigner aux machines? À offrir la meilleure protection pour conclure une vente? Ou à offrir la meilleure protection pour répondre aux besoins du client? »

 

Dans un proche avenir, Jamie McDougall et Norman Black pensent que les humains seront surtout appelés à travailler conjointement avec les machines pour améliorer les processus d’affaires en assurance.

 

Plusieurs commentateurs sont d’avis que les machines automatiseront et rationaliseront les tâches les plus simples, laissant ainsi plus de temps aux professionnels d’assurance humains pour se consacrer à des tâches qui exigent plus de réflexion, comme l’appréciation de risques complexes, la vente d’un plus grand nombre de garanties personnalisées ou le règlement de sinistres aux aspects multiples. « Les technologies d’intelligence artificielle sont appelées à jouer de nouveaux rôles », déclare Greg Purdy. « C’est d’ailleurs ce qui est en train de se produire. »

 

Toutefois, Jamie McDougall voit plutôt l’intelligence artificielle comme un outil qui permet aux humains d’améliorer les processus d’assurance. « L’intelligence artificielle, ce ne sont pas des personnes qui déambulent dans un corps de robot », affirme-t-il. « Ces technologies sont des outils qui servent à améliorer une intervention prédictive. »

 

Dans le futur, M. McDougall prévoit que les professionnels de l’assurance de dommages utiliseront sans doute les technologies d’intelligence artificielle disponibles pour réaliser des tâches ou atteindre des objectifs spécifiquement définis en assurance.

 

Les technologies d’intelligence artificielle peuvent servir à résoudre des problèmes en assurance, même si elles n’ont pas été conçues avec cet objectif particulier en tête, ajoute Jamie McDougall. Il cite comme exemple Alpha Go, une technologie d’apprentissage machine utilisée pour jouer au jeu de stratégie Go.

 

« Personne n’a programmé l’ordinateur afin qu’il joue au Go. Étant donné qu’Alpha Gol est conçu pour apprendre, la machine a élaboré des stratégies [pour le Go] qui ne faisaient pas partie de son programme initial. Les humains ont utilisé cet outil d’intelligence artificielle pour mieux comprendre comment se déroule ce jeu. »

 

AVANTAGE mensuel

Le présent article fait partie de la bibliothèque en ligne AVANTAGE mensuel, accessible à tous et publiée par la Société des PAA, afin que ses membres, de même que l’industrie de l’assurance de dommages, puissent en bénéficier. Les articles sur des sujets d’actualité présentent une analyse détaillée des tendances observées et des questions à l’ordre du jour, en précisant le contexte qui les entoure ainsi que leur incidence; ils présentent également des commentaires formulés par des spécialistes du domaine dont il est question.

La Société des PAA représente plus de 18 000 diplômés des programmes de Fellow, Professionnel d’assurance agréé (FPAA) et de Professionnel d’assurance agréé (PAA) de l’Institut d’assurance du Canada. En tant que division des professionnels de l’Institut, la Société a pour mission de favoriser la progression de la formation, de l'expérience, du sens éthique et de l’excellence de ses membres. Elle offre un certain nombre de programmes visant à promouvoir les titres professionnels de PAA et de FPAA, le perfectionnement professionnel continu, la déontologie et le mentorat, en plus d’offrir des prix nationaux du leadership et des travaux de recherche sur des sujets d’intérêt qui ont une incidence sur l’industrie canadienne de l’assurance de dommages.