L’impact de l’IA sur la souscription d’assurance

L’acceptation et l’adoption croissantes de l’intelligence artificielle dans l’industrie de l’assurance promettent d’avoir un impact significatif tant sur les assureurs que sur les assurés. La capacité d’analyser rapidement et efficacement d’immenses ensembles de données permettra aux assureurs de comprendre le risque comme jamais auparavant, menant à une identification des risques plus précise, à une meilleure souscription et gestion des sinistres, ainsi qu’à une meilleure tarification des primes.

Cependant, cette technologie n’est pas sans risques, car d’importantes questions demeurent concernant la précision, l’équité et la sécurité des processus et décisions pilotés par l’IA. Par conséquent, les assureurs et les professionnels des risques doivent mieux comprendre les pièges potentiels de la technologie IA et prendre des mesures pour s’assurer que le processus d’achat d’assurance n’introduise pas de risques plus importants que ceux qu’il était censé couvrir.

Biais de l’IA dans le processus de souscription

L’IA peut apporter plus de précision aux modèles actuariels et à la souscription, permettant aux assureurs d’offrir une couverture personnalisée à leur clientèle et de renforcer la gestion des risques. La technologie peut aussi améliorer l’évaluation des risques et la souscription en analysant de vastes quantités d’informations provenant de diverses sources de données, y compris des données internes telles que les réclamations historiques et le comportement des clients, ainsi que des données externes telles que les tendances en litige, les changements du marché, les événements météorologiques extrêmes et les publications sur les réseaux sociaux. Ces données permettent aux assureurs d’établir une compréhension plus complète des facteurs de risque et ainsi de prendre des décisions de souscription meilleures et plus spécifiques. De plus, les assureurs peuvent utiliser des algorithmes d’IA pour créer des polices d’assurance plus personnalisées, basées sur le comportement individuel, les préférences et le profil de risque, ce qui donne un ensemble d’options de couverture plus personnalisées qui devraient mieux répondre aux besoins des clients.

Malgré les bénéfices, les experts avertissent que l’industrie de l’assurance n’est pas à l’abri des mêmes problèmes associés à l’IA qui ont touché tous les autres secteurs — à savoir les risques de biais, d’utilisation abusive des données et d’insécurité des données. Par conséquent, les professionnels du risque doivent demander plus de détails sur la manière dont l’IA est utilisée lors de la souscription des politiques de leur entreprise et sur les mécanismes de contrôle et d’équilibre utilisés pour assurer l’exactitude des résultats.

Selon Wilson Chan, PDG de la fintech en IA Permutable AI, il est « absolument crucial » de s’attaquer aux répercussions des données biaisées sur les systèmes d’IA dans l’industrie de l’assurance. « Les compagnies font souvent face à des primes gonflées et à des restrictions de couverture en raison de l’entraînement de l’IA de souscription sur des données limitées ou biaisées », a-t-il dit. « La nature inhérente des systèmes d’IA signifie que si les données d’entrée sont biaisées, les décisions prises par l’IA refléteront inévitablement ces biais. Pour assurer un traitement équitable dans les achats d’assurance, les entreprises doivent engager les assureurs avec des questions cruciales concernant les données d’entraînement, leur atténuation des biais et la transparence des décisions axées sur l’IA. »

Les assureurs doivent s’assurer que les systèmes d’IA sont entraînés sur des données représentatives et impartiales, et qu’ils examinent et mettent régulièrement à jour les systèmes d’IA pour éliminer les biais. Ils doivent aussi offrir de la transparence quant au fonctionnement des systèmes d’IA qu’ils utilisent et aux processus dans lesquels l’IA est utilisée. « En respectant ces mesures, tant les entreprises que les assureurs peuvent contribuer à l’utilisation équitable et responsable des systèmes d’IA dans l’industrie de l’assurance », a-t-il déclaré. « Cet engagement envers la transparence, les données impartiales et la vigilance continue est fondamental pour favoriser un paysage d’assurance fiable et équitable. »

Pour illustrer le risque d’une prise de décision biaisée, Chan a donné un exemple utilisant l’assurance contre les risques d’inondation. « Dans ce cas, des modèles d’IA entraînés sur des données historiques pourraient avoir un impact injuste sur les entreprises dans des régions sujettes à un risque accru d’inondation, en négligeant les tendances climatiques actuelles », a-t-il dit. « Cela pourrait amener les compagnies à faire face à des primes plus élevées ou à des limitations de couverture, peu importe les mesures d’atténuation qu’elles ont mises en place, comme la construction de murs contre les étanchéités ou l’élévation de propriétés au-dessus du niveau de la mer. »

D’autres types courants d’assurance commerciale peuvent aussi être sujets aux biais liés à l’IA. L’assurance continuité des activités fait face à des défis lorsque les modèles d’IA — limités par des contraintes de données — évaluent de manière inexacte les risques d’une entreprise en fonction de l’industrie ou de l’emplacement. Par exemple, une entreprise manufacturière en milieu rural pourrait faire face à des primes plus élevées en raison d’un manque de données qui ne tiennent pas compte de ses relations solides dans la chaîne d’approvisionnement, de l’opérabilité à distance ou de plans de secours en cas de pannes de courant. De même, le biais de l’IA peut affecter l’assurance des administrateurs et dirigeants (D&O) parce que les modèles d’IA entraînés sur des données spécifiques à l’industrie pourraient gonfler les prix et restreindre la couverture pour les entreprises opérant dans des secteurs sujets à litiges et réclamations d’assurance, négligeant ainsi les dossiers juridiques propres et les pratiques clés de gouvernance de ces entreprises spécifiques.

Les données historiques utilisées pour entraîner les systèmes d’IA peuvent aussi poser problème, a déclaré Peter Wood, entrepreneur et chef de la technologie chez la firme de recrutement technologique Spectrum Search. Les biais historiques enracinés dans les données utilisées dans les algorithmes d’IA peuvent nuire aux entreprises et mener à des évaluations des risques « biaisées », surtout dans des secteurs de niche ou émergents où les données historiques ne reflètent pas toujours avec précision la réalité actuelle. « À mesure que les systèmes d’IA apprennent à partir de données passées, ils pourraient attribuer un risque excessif à certaines compagnies sur la base de critères obsolètes ou non pertinents, ce qui entraînerait des primes plus élevées et des couvertures restrictives », a-t-il expliqué.

Pour contrer les préoccupations liées aux biais liés à l’IA, Ryan Purdy, directeur principal et actuaire-conseil chez Davies Group, en technologie et services professionnels, a indiqué que les assureurs doivent comprendre la nature de toute source de données externes qu’ils comptent utiliser pour la souscription, y compris qui fournit l’information à l’état fondamental, comment elle est mise à jour et à quelle fréquence. « Les données vieillissent et peuvent devenir moins importantes dans l’évaluation des risques ou de l’adéquation du produit pour un client au fil du temps », a-t-il déclaré.

Répondre aux préoccupations liées à la souscription par IA

Les entreprises doivent adopter des approches proactives lorsqu’il s’agit de la souscription d’assurance basée sur l’IA. L’essentiel est d’engager un dialogue transparent avec les assureurs. « Les entreprises devraient s’enquérir de la nature des ensembles de données utilisés pour entraîner les modèles d’IA », a déclaré Wood. « Il est essentiel de comprendre si ces ensembles de données couvrent un large éventail d’industries, y compris les dernières tendances et développements. »

Il a ajouté : « Les entreprises devraient demander aux assureurs quels mécanismes sont en place pour identifier et atténuer les biais. Cela inclut la question de savoir si les systèmes d’IA sont régulièrement audités pour leur équité et leur exactitude. De plus, ils devraient s’enquérir de la possibilité de révisions manuelles ou de dérogations dans les cas où les décisions basées sur l’IA semblent injustement biaisées. »

En raison du potentiel de résultats erronés,  les entreprises doivent poser davantage de questions sur la manière dont les risques évalués par les technologies d’IA sont évalués et évalués par les prix. Bien que les régulateurs surveillent de près les assureurs pour détecter d’éventuels abus concernant le traitement des consommateurs, « il y a moins de garanties pour les assurés corporatifs considérés comme des 'acheteurs sophistiqués' », a déclaré Tom Davey, cofondateur et directeur de la finance litigieuse et de la société de conseil en assurance Factor Risk Management. Ainsi, il y a un besoin accru pour les entreprises de soulever elles-mêmes des questions et des préoccupations.

Selon Jeremy Stevens, directeur de l’unité d’affaires EMEA chez le fournisseur de services d’assurance Charles Taylor Group, les entreprises doivent s’assurer que leurs assureurs peuvent garantir la transparence dans leurs processus décisionnels en matière d’IA. Pour ce faire, a-t-il dit, « les entreprises peuvent demander des explications sur la manière dont ces modèles prennent des décisions affectant la tarification des primes, la souscription et la gestion des sinistres. » Les assureurs, à leur tour, « devraient fournir une documentation détaillée ou des rapports qui décrivent les facteurs et les données prises en compte par les modèles d’IA, car cela aidera les entreprises à comprendre la raison d’être derrière les décisions », a-t-il ajouté.

Les entreprises devraient s’assurer que leurs assureurs tiennent des traces d’audit complètes qui retracent le processus décisionnel des modèles d’IA afin d’assurer une pleine responsabilité. « Les assureurs doivent se conformer aux normes et règlements de l’industrie qui régissent l’IA en assurance », a déclaré Stevens. « Les entreprises peuvent demander des informations sur la manière dont l’assureur respecte les pratiques éthiques en IA et les directives réglementaires, donc les assureurs doivent s’assurer que leurs fonctions d’audit ne prennent pas de retard par rapport aux règlements. »

Les entreprises devraient aussi se demander si l’assureur évalue et surveille continuellement la performance des algorithmes d’IA, comment il prend des décisions précises, et s’il vérifie régulièrement les biais, erreurs ou changements dans les données qui pourraient influencer les décisions de souscription. D’autres étapes incluent la vérification que le système de souscription basé sur l’IA de l’assureur respecte diverses lois sur les données telles que la loi sur l’IA de l’Union européenne, le Règlement général sur la protection des données (RGPD) de l’UE, la Loi californienne sur la protection de la vie privée des consommateurs (CCPA) et la Loi américaine sur la portabilité et la responsabilité de l’assurance maladie (HIPAA), ainsi que diverses normes éthiques. Pour mieux traiter ces enjeux, les compagnies peuvent établir une relation de collaboration avec leur assureur. « Fournissez des commentaires sur les décisions et discutez de la façon dont elles s’alignent avec l’évaluation des risques de votre entreprise », a déclaré Stevens.

Il est aussi important de comprendre quel type de soutien technique les assureurs bénéficient s’ils utilisent des outils d’IA tiers. « La fréquence à laquelle leurs données sont capturées est importante, mais les assureurs devraient aussi s’efforcer de comprendre combien de temps il pourrait s’écouler avant que la prochaine mise à jour de la technologie soit disponible », a déclaré Purdy. « Ces changements futurs dans la collecte de données, les structures de données ou les versions technologiques vont-ils forcer des changements supplémentaires du côté de l’assureur pour continuer à utiliser efficacement ces technologies? Travailler à aligner les échéanciers de développement de ces fournisseurs avec ceux de l’assureur peut atténuer d’importants soucis à l’avenir. »

La sécurité des données est un autre point de préoccupation. Les experts avertissent que les entreprises pourraient risquer de rendre publiques les informations clés sur les risques si les assureurs utilisent ou partagent leurs données sur les systèmes d’IA — qui conservent souvent les droits sur la propriété intellectuelle de toute donnée saisie — lorsqu’ils entraînent les technologies d’IA pour améliorer leur souscription. Les entreprises doivent protéger activement leurs données de risque en maintenant la confidentialité, en les partageant de manière sélective et en appliquant les clauses contractuelles de protection des données, a indiqué Wood. Ils doivent aussi surveiller de près l’utilisation de ses données et vérifier quelles mesures de cybersécurité l’assureur a mises en place pour protéger les données contre d’éventuelles violations ou abus.

« Les entreprises devraient exiger des clartés sur la façon dont leurs données seront utilisées et s’assurer que leurs informations sont anonymisées avant d’être intégrées dans des ensembles de données plus vastes », a déclaré Wood. « Cela inclut la négociation d’accords qui restreignent l’utilisation de leurs données uniquement à des fins de souscription et non pour l’entraînement de modèles d’IA. Les assureurs, de leur côté, doivent respecter des réglementations strictes sur la protection des données et utiliser des mécanismes avancés de chiffrement et de contrôle d’accès pour prévenir toute utilisation non autorisée de données. »

Il a ajouté : « De plus, il devrait y avoir de la transparence concernant les pratiques de gestion des données. Des audits réguliers et des vérifications de conformité peuvent aider à maintenir la confiance et à s’assurer que les deux parties respectent les conditions convenues concernant l’utilisation des données et la vie privée. »