Intelligence Artificielle & Assurance : l’assurance habitation augmentée
Par Grégory ROLLAND et Guillaume JUDE
16/11/2021
Préambule
En plus de notre positionnement fort sur la chaîne de valeur Assurance, A CAPELLA Consulting vous propose un premier article dédié aux avancées de l’Intelligence Artificielle sur notre secteur. Au travers de cas d’usage imaginés sur la base de l’impact de l’IA appliqué à l’assurance, nous tenterons de définir l’assurance de demain. Notre expertise sur ce sujet d’innovation se développe progressivement, notamment avec le SMART LAB et des initiatives internes.
Aujourd’hui, les assureurs doivent capitaliser sur la quantité de données collectées et redéfinir leurs pratiques.
Encore faut-il pouvoir exploiter ces données afin d’en tirer un réel avantage concurrentiel.
En s’appuyant sur notre expertise métier, combinée à l’analyse des leviers technologiques redéfinissant l’assurance de demain, nous proposons le cas d’usage suivant : simulation virtuelle d’une prime d’assurance habitation.
Une expérience client augmentée
Le contexte est le suivant : une compagnie d’assurance souhaite personnaliser le parcours de simulation pour son offre habitation. Elle propose un service de prise de rendez-vous virtuel, qui permet aux assurés de réserver un créneau horaire afin de procéder à l’évaluation de la prime d’assurance du bien dans lequel elle se trouve.
Pour se connecter, l’assuré utilise l’application de la compagnie d’assurance via son smartphone ou l’application d’une Assurtech et renseigne tout d’abord l’usage du bien : résidence principale/secondaire, propriétaire non occupant. L’interlocuteur de l’assuré n’est pas un gestionnaire mais un bot. Cet agent conversationnel lui énonce les différentes étapes du parcours permettant d’obtenir un maximum de variables pour estimer le plus précisément possible un tarif.
En suivant les consignes du bot et en s’appuyant sur la capture vidéo de son smartphone, l’assuré transmet en direct les images de son bien : extérieur et intérieur.
Une meilleure exploitation de ses données
Avant même de commencer la simulation virtuelle, le bot a déjà récolté des premiers critères tarifant grâce à la géolocalisation de l’assuré et son zonier. Elle lui permet d’identifier si celui-ci se trouve dans une zone à risque d’incendie, inondable, à risque climatique ou propice aux actes de vandalisme. Grace à l’historique des sinistres passés dans la zone géographique, le bot est capable de dégager une tendance portant sur le potentiel de risque.
Dans un premier temps, l’algorithme du traitement de l’image (computer vision) permet de déterminer si la couverture et la toiture d’une maison sont en bon état, d’analyser les performances énergétiques de la construction et de détecter des zones de mauvaise répartition des masses de la construction. Ces variables constituent d’importants critères tarifant et impactent directement le risque de sinistre : dégâts des eaux, risques d’effondrements, déperditions d’énergies. Les sociétés HIPPO[1] aux Etats-Unis ou la société LUKO[2] en France exploitent déjà la reconnaissance satellite pour accélérer leur processus de souscription. L’analyse peut parfois être réalisée par des sociétés partenaires, comme CAPE ANALYTICS[3] ou ARTURO[4] qui sont spécialisées en analyse d’images par IA. Typiquement, ces sociétés exploitent des sources de données externes telles que des images satellites ou des photographies aériennes réalisées par avions ou drones. L’analyse des images permet par exemple de déterminer la présence ou non de dépendances, la superficie du terrain, la présence de cours d’eau ou d’usines à proximité.
Dans un second temps, l’assuré, transmet en direct l’aspect intérieur du bien immobilier (maison ou appartement) : nombre de pièces, surface totale, équipements, état des serrures, présence de cameras, détecteurs de mouvements, alarmes et autres.
A l’aide de la reconnaissance d’image des scorings sont établis pour définir une première estimation du bien sur la base des critères tarifant collectés : usage du bien, type de bien, zone géographique, risque de sinistralité, équipements, propreté/vétusté. L’analyse des équipements permettra en fin de parcours d’évaluer un montant de franchise pour la valeur de biens indépendants de la structure du bâtiment : meubles, électronique, électroménager, vêtements, vaisselle, objets de valeurs. Un montant de franchise préconisée est également proposé.
Un processus de souscription facilité
Une fois la visite virtuelle terminée, la compagnie transmet alors la simulation sous forme de devis à l’assuré via l’application. La souscription à des garanties complémentaires (upselling) intervient à ce moment : parking ou dépendance, protection juridique, dépannage serrurerie, remboursement à neuf des biens de moins de 5 ans, lutte contre les nuisibles et autres. Libre à lui ensuite de souscrire ou non à l’offre via la signature électronique directement sur son smartphone.
Conclusion
Concrètement, cette technologie remplacera à terme les formulaires et parcours clients traditionnels qui peuvent s’avérer chronophages. Plus rapide, plus précise, elle améliore la qualité de service proposée à l’aide d’une estimation immédiate de la prime pour son bien et une expérience utilisateur augmentée. Dans le cas d’une simulation non concluante, l’assureur aura également récolté de nouvelles données permettant l’entraînement de son algorithme d’intelligence artificielle (machine learning) et l’enregistrement du prospect dans son CRM pour une prise de contact ultérieure.
Le traitement de l’image, l’exploitation de données externes et client ouvrent une multitude de nouveaux cas d’usages au secteur pour améliorer l’efficience opérationnelle des processus assureurs et dynamiser leur expérience client.
__________
SOURCES
[3] AI Changing Home Insurance
[4] Arturo to Boost Digital Underwriting Processes