Comment CCR recourt à l'intelligence artificielle dans sa souscription

Un traité de réassurance compte généralement une trentaine de pages et recèle des centaines d’informations sous des formats très différents : texte, photos, scan… « Il était humainement impossible de prendre en compte la totalité des informations disponibles dans nos process de tarification et de souscription », explique Laurent Montador, directeur général adjoint du groupe CCR, le groupe de réassurance publique Caisse centrale de réassurance.

L’intelligence artificielle change la donne. Les techniques de lecture automatisée et d’analyse sémantique permettent aux équipes de souscription d’aller plus loin dans l’examen d’un dossier et d’avoir « une approche exhaustive des informations dont ils disposent », explique Aurélien Couloumy, head of data science de Reacfin, le cabinet de conseil en actuariat qui a accompagné CCR dans son projet.

Jusqu’à présent, les souscripteurs s’appuyaient sur une trentaine de critères péniblement collectés dans leur masse de documentation. Les techniques d’analyse automatisée leur en font remonter trois fois plus en quelques secondes. Avec 90 critères, les souscripteurs possèdent une vision plus précise du risque. « Une fois qu’on y a goûté, on n’imagine pas revenir en arrière », commente Laurent Montador, qui est maintenant convaincu que ces outils fondent « une nouvelle approche du métier ».

Il ne s’agit pas de gagner en productivité, mais en qualité : le travail de collecte des critères est chronophage, répétitif et fastidieux pour les souscripteurs. Automatiser cette étape permet de libérer du temps d’analyse pour renforcer la qualité de jugement : « C’est un outil d’aide à la décision très puissant », poursuit Laurent Montador. Il se révèle aussi très souple : « Nous avons commencé par l’utiliser sur des documents très normés, tels que les arrêtés ministériels de catastrophe naturelle, explique Jérôme Isenbart, chief risk officer et chief actuary chez CCR Re, la filiale de réassurance de marché. Puis nous sommes passés à des documents moins normés : des contrats ou des traités de réassurance, par exemple. Cela fonctionne très bien ! »

Le réassureur CCR envisage donc d’élargir le champ d’application de cette méthode d’analyse. « En comparant des photos satellites aux images prises par un drone juste après une catastrophe naturelle, on pourrait avoir rapidement une vision assez précise des dégâts », explique Laurent Montador. « Collecter des informations, les structurer puis les valoriser est un procédé très générique qui peut s’appliquer à peu près à tous les métiers », complète Aurélien Couloumy. Notamment les métiers à haute densité d’information : le juridique et la conformité, la comptabilité et la gestion, l’audit interne, la gestion des risques…

La boîte à outils de Reacfin

• « Afin de garantir la pérennité et la transparence de nos projets, nous avons toujours privilégié les technologies open source », explique Aurélien Couloumy, responsable data science chez Reacfin en détaillant les outils déployés dans le cadre du projet CCR.
• Langage de programmation : Python, « incontournable pour les traitements à grande échelle »
• Traitement des données : une suite de bibliothèques Python pour l’extraction des données, avec le système de reconnaissance de caractères Tesseract pour analyser les documents scannés
• Conception des modèles : méthodes statistiques d’apprentissage supervisé et non supervisé produites par la bibliothèque TensorFlow
• Applicatif : développé avec la technologie Docker et un système d’API et de frameworks Flask et Vue.js.

Sélectionné pour vous

Assurance voyage : l’assurtech Koala revendique la rentabilité

Le middle office est au cœur de la transformation de l’assurance

L'assurtech de la semaine : Citalid, un accompagnement en risque cyber