Deux cas d’usage de l’IA générative en instance chez l’assureur Malakoff Humanis

Malgré ses doutes, Stéphane Barde, Chief Data & Digital Officer de l’assureur mutualiste Malakoff Humanis, prépare deux cas d’usage de l’IA générative qui présentent de vrais bénéfices dans le domaine juridique. La question se pose alors du rapport coût performance de l’IA lors de la sélection des bons composants.

Rédaction des notices contractuelles à la place des juristes

Le premier cas d’usage concerne les notices contractuelles rédigées par les juristes de l’assureur. Les paramètres des contrats sont transmis via des ERP. Il faut alors que les juristes de Malakoff Humanis les prennent et rédigent les contrats. Les notices contractuelles sont des addendum à ces contrats. Elles précisent de manière très chiffrée et indiscutable ce que Malakoff Humanis va devoir à ses clients.

Il fallait historiquement environ une demi-journée aux juristes pour rédiger une notice contractuelle. Avec l’IA générative, le temps de rédaction des notices contractuelles est réduit à rien. En pratique, l’assureur signe beaucoup de contrats. « Nous avons 400 000 entreprises couvertes en santé et prévoyance, donc ça fait beaucoup de contrats chaque année » pointe Stéphane Barde. L’IA générative change tout cela. « On a réduit ce temps-là à quasiment rien. On fait gagner du temps aux juristes. C’est surtout le temps humain. Ça [le cas d’usage} arrive en production » annonce Stéphane Barde.

Il faut toutefois toujours un humain dans la boucle de cette rédaction des notices. « Les juristes viennent vérifier que la qualité de ce qui a été produit est conforme » prévient le responsable. L’humain reste dans le processus comme expert qui valide le résultat. Les juristes se voient ainsi décharger de choses un petit peu fastidieuses.

Détecter les risques de plaintes des clients à partir des appels téléphoniques

Le deuxième cas d’usage concerne les réclamations potentielles des clients. Lors des appels téléphoniques sur les plateformes de Malakoff Humanis, ces conversations sont transcrites en texte, et l’assureur essaye d’exploiter ce texte pour comprendre si le client était content, pas content et quelle est la nature de la demande. De même, il veut savoir s’il y a des signaux faibles qui pourraient être exploités pour mieux conseiller et mieux accompagner le client.

Jusqu’à présent l’algorithme de prédiction des réclamations ne marchait pas. Christophe Barde reconnaît la difficulté à prédire s’il va y avoir une réclamation de la part du client à partir de ces échanges. « On n’arrive pas à prédire. Pour nous, c’est un sujet très important d’essayer de détecter si un dossier pourrait devenir une réclamation » dit-il. La prédiction était juste dans 15% à 20% des cas avant l’usage de l’IA générative. Ce qui est très mauvais. L’algorithme ne marchait pas.

L’IA générative transforme les résultats. « Depuis l’IA générative, la performance est de 90%. Donc, c’est assez monumental » s’exclame le Chief Data & Digital Officer.  Et c’est là que se pose la question du compromis à réaliser entre le coût d’une IA et sa performance. L’assureur a testé trois approches, « zéro shot », puis une évaluation « few shots » et enfin RAG (Génération Augmentée de Récupération). Le coût est alors de plus en plus élevé. Il faut savoir où placer le curseur entre le coût et la performance de l’algorithme.

Choisir une solution un peu moins performante mais beaucoup moins chère

« Nous avons trouvé qu’avec une architecture ‘few shots’, et des modèles en Open source, nous avions une performance à 80%, alors qu’avec notre architecture RAG, avec un modèle payant, qui coûte quand même un peu cher, la rentabilité baisse beaucoup » constate le responsable. « Nous sommes dans ces réflexions, où est le bon curseur et comment nous allons rendre l’outil viable avec un bon retour sur investissement en production ? » commente-t-il.

Ce cas d’usage fait face au même enjeu que tous les autres, c’est-à-dire qu’il marche en laboratoire, mais maintenant, ce que le responsable veut c’est l’intégrer dans les CRM (outils de Gestion de la relation client) de l’assureur pour que cela devienne vraiment actionnable. « Ça, ce n’est pas simple. C’est toujours la même histoire, intégrer cette matière-là dans des chaînes de téléphonie, le réintégrer dans le CRM, c’est un petit peu un défi. Mais ça, c’est un petit peu derrière nous parce qu’on l’a déjà traité depuis plusieurs années » veut-il rassurer.

Malakoff Humanis est un puissant assureur mutualiste. Il a réalisé en 2023 un chiffre d’affaires de près de 6,8 milliards d’euros, en augmentation de +5% par rapport à 2022. Son résultat net a progressé à 183 millions d’euros. L’assureur annonce 85% de clients satisfaits. Le groupe emploie 10 500 personnes en France. Il gère 9 millions de clients sur les contrats santé/prévoyance/épargne, 7 millions de cotisants Agirc Arrco et 6,3 millions de retraités.

.