Avant la pandémie de COVID-19, le McKinsey Global Institute estimait que l’intelligence artificielle et l’analytique avancée (AA)1 pourrait créer 1,1 billion de dollars de valeur pour le secteur de l’assurance, ce qui représente près de 17 % des revenus mondiaux totaux actuels du secteur.
L’importance de l’AA est susceptible d’augmenter dans l’environnement post-crise. En effet, de nombreuses personnes s’attendent à utiliser davantage les services numériques à la suite du COVID-19, et des entreprises telles que les banques exigeront des capacités numériques plus avancées et intégrées de la part de leurs partenaires d’assurance. La flexibilité et la rapidité seront essentielles dans le processus d’adaptation à la prochaine normalité, tout comme la capacité à prendre des mesures audacieuses soutenues par une solide compréhension du risque. Pour les assureurs, accélérer leur parcours de transformation AA sera la clé du succès.
Bien que de nombreuses compagnies d’assurance aient beaucoup investi dans la capacité des AA au cours des dernières années, le degré d’avancement des AA varie considérablement d’un marché à l’autre. Pour mieux comprendre le marché en Italie, nous avons interrogé les dirigeants de dix des plus grands acteurs italiens de l’assurance en mesurant les primes émises brutes (GWP). Cette taille d’échantillon est trop petite pour être exhaustivement représentative de l’industrie, mais les entreprises interrogées représentent environ 60 % du GWP et fournissent donc une bonne indication des progrès à ce jour ainsi que des principaux défis.
Les principaux assureurs italiens privilégient les investissements dans l’analyse avancée
Dans l’ensemble, les dirigeants que nous avons interrogés ont fait des progrès significatifs dans l’intégration des AA au sein de leurs organisations au cours des dernières années et sont donc bien placés pour accélérer leur parcours de transformation. Lorsqu’on leur a demandé de décrire leur position actuelle dans leurs parcours respectifs, neuf sur dix ont déclaré avoir au moins atteint le point de capture de valeur à grande échelle, sept ont un pipeline de cas d’utilisation AA (dont plusieurs sont déjà déployés à grande échelle), un utilise AA pour la plupart des décisions, et on se considère comme une organisation axée sur l’analyse.
Ainsi, les AA restent une priorité clé pour l’avenir. Six des dix répondants ont classé les AA parmi leurs trois principales priorités stratégiques, et neuf ont reconnu la nécessité d’accélérer leurs efforts en matière d’AA. Les assureurs italiens continuent d’investir de manière significative pour s’assurer que les progrès ne s’enlisent pas ; quatre des dix ont dépensé plus d’un million d’euros en AA en 2019, et six des neuf qui ont répondu aux questions sur les budgets futurs prévoient de dépenser plus d’un million d’euros chaque année des cycles budgétaires 2020-22 (quatre prévoient de dépenser entre 3 et 8 millions d’euros par an).
Les cas d’utilisation d’analyses avancées discrètes stimulent l’adoption dans toutes les fonctions
Les progrès ont été les plus rapides en matière de souscription et de tarification, mais la majorité des entreprises sont encore en train de développer les outils et les ressources nécessaires pour intégrer pleinement les AA dans leurs modèles commerciaux et leurs opérations. La moitié des assureurs interrogés poursuivent une approche d’intégration basée sur les cas d’utilisation, les AA étant initialement déployés sur deux ou trois cas d’utilisation, puis mis à l’échelle progressivement, plutôt que de se concentrer sur une transformation complète ou de travailler de manière séquentielle par domaine d’activité. AA est maintenant utilisé dans un large éventail de cas d’utilisation (Figure 1). Cependant, l’étendue de la mise en œuvre varie considérablement; neuf des dix assureurs utilisent AA pour une meilleure protection contre la fraude, mais seuls deux assureurs l’utilisent pour une tarification à vie et un pour se diriger vers des fournisseurs privilégiés.
Nous nous efforçons de fournir aux personnes handicapées un accès égal à notre site Web. Si vous souhaitez des informations sur ce contenu, nous serons heureux de travailler avec vous. Veuillez nous envoyer un courriel à : McKinsey_Website_Accessibility@mckinsey.com
Les principaux défis à l’adoption sont le manque d’outils, de talents, de processus et d’intégration
Les principaux obstacles à l’adoption généralisée et complète des AA sont liés aux niveaux relativement faibles de maturité autour des principales capacités habilitantes des AA (Figure 2). Les dix entreprises ont adopté des outils de modélisation modernes tels que R et Python, ont été adoptés par les dix entreprises, mais des problèmes subsistent concernant l’opérationnalisation et l’embauche d’employés qualifiés. Six des dix cadres ont déclaré que le manque de ressources humaines est un problème clé, et seuls trois ont déclaré avoir des « silos spaghetti » sans intégration de données en place.
Nous nous efforçons de fournir aux personnes handicapées un accès égal à notre site Web. Si vous souhaitez des informations sur ce contenu, nous serons heureux de travailler avec vous. Veuillez nous envoyer un courriel à : McKinsey_Website_Accessibility@mckinsey.com
Un autre problème concerne l’architecture et la gouvernance des données. Le processus de développement en est encore à ses débuts, avec six acteurs travaillant toujours pour résoudre des problèmes tels que les systèmes cloisonnés et les données de mauvaise qualité. Les acteurs plus importants et plus établis doivent intégrer les nouvelles technologies dans les systèmes informatiques existants, ce qui peut imposer de sévères limitations à la vitesse à laquelle les nouveaux cas d’utilisation sont déployés. Cela les désavantage par rapport aux acteurs plus rapides et plus agiles, tels que les assureurs directs et les insurtechs. La réglementation est également un défi, car les régulateurs veulent comprendre comment les prix de l’assurance sont construits, et il est difficile de communiquer la logique des techniques d’apprentissage automatique. Il reste encore beaucoup à faire pour expliquer les techniques AA de manière non technique.
Enfin, il y a des problèmes liés à l’intégration des entreprises. De nombreux assureurs ont établi des centres d’excellence au sein de leurs organisations, mais ont eu du mal à se développer, ce qui limite leur capacité à créer de la valeur et à retenir les employés les plus recherchés. La technologie est en partie à blâmer, mais il existe également des problèmes culturels persistants, notamment la résistance à l’adoption des AA de la part des agents et des cadres intermédiaires. En fait, cinq assureurs ont cité les méthodes de travail inefficaces comme l’un de leurs principaux problèmes.
Ouvrir la voie à suivre dans la prochaine normalité
La pression pour réduire les coûts continuera de croître à mesure que l’impact économique total de la crise du COVID-19 deviendra clair, mais les principaux acteurs italiens de l’assurance doivent continuer à investir dans AA pour réussir dans un monde post-pandémique. Les assureurs pourraient, par exemple, poursuivre un modèle d’innovation ouverte en travaillant avec des insurtechs, des incubateurs de start-up et des universités pour renforcer leurs compétences techniques et rechercher de nouvelles opportunités.
Il sera également nécessaire de trouver les bons talents pour tirer pleinement parti des données que les assureurs possèdent déjà ; ils devront aller au-delà du simple recrutement de scientifiques des données pour faire appel à des ingénieurs de données, des architectes de données et des traducteurs commerciaux. Les assureurs devraient se concentrer sur la constitution d’une base d’ingénieurs de haut niveau, qui sont bien plus productifs que les développeurs moins expérimentés. Les universités commencent déjà à aider au recrutement et à la formation des talents. Une maîtrise en innovation en assurance, récemment lancée par Intesa Sanpaolo, Reale Mutua et les meilleures universités de Turin, pourrait servir de modèle pour davantage de partenariats à travers le pays.
L’une des principales leçons de la Grande Récession est que les entreprises qui agissent tôt et de manière décisive dans une crise réussissent mieux. Le besoin de données précises et opportunes n’a jamais été aussi grand, et la capacité d’utiliser les AA de manière flexible et rapide pourrait être une caractéristique distinctive dans la période de reprise après la crise actuelle. Les assureurs doivent canaliser leur engagement envers les progrès continus des AA vers une réflexion critique et systématique sur le développement des capacités clés et le séquençage de la mise à l’échelle des cas d’utilisation. Les entreprises qui le feront auront les meilleures chances de prospérer dans le monde d’après-crise.
1 L’intelligence artificielle est considérée comme un sous-ensemble de la technologie d’analyse avancée. Ainsi, lorsque nous mentionnons les assureurs utilisant des analyses avancées, l’IA fait implicitement partie de ces capacités.
