For effective AI, insurance needs to get its data house in order

Pour une IA efficace, l'assurance doit organiser ses données

Un rapport d'Autorek, fournisseur de solutions d'IA pour l'industrie de l'assurance, décrit les freins opérationnels dans les processus internes des entreprises qui non seulement affectent l'efficacité globale, mais entravent également la mise en œuvre efficace de l'IA dans le secteur de l'assurance. Le rapport, intitulé Insurance Operations & Financial Transformation 2026, s'appuie sur une enquête menée auprès de 250 managers du secteur au Royaume-Uni et aux États-Unis.

Les réponses à l'enquête mettent en lumière des goulets d'étranglement interconnectés, notamment des processus de règlement lents et une fragmentation des données. Le rapport aborde également l'état actuel du déploiement de l'IA dans l'industrie. Les entreprises interrogées signalent des inefficacités structurelles persistantes :

• 14% des budgets opérationnels sont consacrés à la correction d'erreurs manuelles.
• 22% des répondants estiment que la complexité de la réconciliation est une cause significative d'augmentation des coûts.
• Environ 22% des répondants lient les inefficacités aux risques de gouvernance et d'audit.
• Près de la moitié des entreprises ont des cycles de règlement dépassant 60 jours.

Les volumes de transactions devraient augmenter d'environ 29% au cours des deux prochaines années, ce qui, selon le rapport, entraînera une augmentation correspondante des charges d'exploitation. Ce phénomène est attribué à la combinaison de la traitement manuel, des systèmes de données disparates et de la complexité transactionnelle qui caractérise les opérations d'assurance modernes.

Les auteurs du rapport soulignent qu'il existe un écart entre les attentes des répondants concernant ce que l'IA pourrait apporter et la mise en œuvre effective de la technologie sur le terrain. Le chiffre clé est que 82% des entreprises du secteur s'attendent à ce que l'IA domine l'industrie, mais seulement 14% des entreprises ont intégré l'IA de manière complète dans leurs opérations. Six pour cent des entreprises déclarent ne pas utiliser l'IA du tout.

Quelles sont les barrières à l'IA dans le secteur de l'assurance ?

Le rapport identifie l'intégration des systèmes hérités, la fragmentation des données et le manque d'expertise interne comme les principaux problèmes que les entreprises doivent résoudre pour mettre en œuvre l'IA. La question de la fragmentation des données affecte les cadres de gouvernance des données, rendant ces derniers également fragmentés. Les auteurs du rapport citent la complexité des états de données dans de nombreuses entreprises comme la principale raison pour laquelle les déploiements d'IA sont limités dans le secteur.

Les entreprises interrogées gèrent en moyenne 17 sources de données, et la majorité cite cela comme un problème, un problème qui se complique après des fusions et acquisitions. Les auteurs du rapport laissent entendre que l'IA pourrait avoir un impact positif sur les coûts et la scalabilité et pourrait résoudre certains des problèmes rencontrés par les entreprises concernant la correction des erreurs manuelles et les erreurs dans les processus de réconciliation.

Le rapport suggère que les décideurs pourraient cibler les processus de réconciliation comme un terrain d'expérimentation initial pour l'IA, étant donné qu'il s'agit d'un domaine structuré et basé sur des règles où l'automatisation peut produire rapidement des résultats positifs.

Toute forme d'automatisation, qu'elle soit basée sur l'IA ou déterministe, appliquée à une architecture fragmentée et à une couche de données fracturée, pourrait ne pas bien évoluer sans une augmentation des coûts. Le rapport met en avant le potentiel de l'IA pour structurer des sources de données fragmentées et suggère que les plateformes d'IA basées sur le cloud, par opposition aux solutions internes, pourraient être une réponse à cet égard.

Problèmes structurels

La dichotomie entre les processus de réconciliation (essentiellement des flux de travail structurés) et les sources de données disparates nécessitant un entretien manuel crée une complexité mesurable en termes de coûts et de délais. Cette situation persiste malgré une large prise de conscience des problèmes parmi les personnes interrogées.

Le rapport affirme que les entreprises qui réussissent à aborder ces problèmes à un niveau structurel élargiront l'écart de performance. La normalisation des données et la gouvernance précèdent l'automatisation scalable, et finalement, l'automatisation réduira les coûts de réconciliation. L'IA pourrait s'attaquer à la complexité des données fragmentées et des couches logicielles que l'automatisation basée sur des règles, comme la RPA (automatisation des processus robotiques), pourrait ne pas être en mesure de traiter économiquement.

Le rythme auquel les entreprises peuvent résoudre le problème de la fragmentation des données est dicté par la technologie héritée et les charges des opérations quotidiennes. L'étendue à laquelle le déploiement de l'IA pourrait se traduire par des gains de performance au-delà de la réduction des coûts n'est pas claire, mais si la réduction des coûts est un résultat suffisamment positif, alors aborder les problèmes structurels affectant le secteur de l'assurance constituerait une base solide pour une automatisation alimentée par l'IA.