Les entreprises ont aujourd’hui accès à des quantités extraordinaires de données de plus en plus précises. Pour les consultants en prévention du risque, ces données représentent une opportunité –plus de données = une meilleure compréhension– mais également un défi de taille. Pour y répondre, ces professionnels du risque s’appuient sur de nouveaux outils reposant sur l’intelligence artificielle (IA).
Plus productifs, plus efficaces
Une application particulièrement prometteuse de l’IA pour la prévention des risques implique la compréhension de texte automatisée. Des développeurs ont mis au point des algorithmes permettant de déterminer le sens exact d’un mot ou d’une phrase en fonction du contexte, mais également de reconnaître les relations entre différents faits ou caractéristiques.
En pratique, cela signifie que les ingénieurs du risque peuvent utiliser l’IA pour passer en revue, analyser et synthétiser le volume de documents disponibles sur les sites d’un client ou d’un prospect.
Mettons qu’色多多视频soit sollicité dans le cadre d’un programme d’assurance international en dommages pour une entreprise multinationale comptant plusieurs centaines de sites de production à travers le monde. Le souscripteur doit se tourner vers nos consultants en ingénierie du risque pour analyser le profil de risque du client et identifier les expositions de certains de ses sites. La documentation correspondant à ces dernières représente plusieurs milliers de pages de rapports individuels sur l’emplacement des sites, leur construction, leur gestion, leurs vulnérabilité aux catastrophes naturelles, etc.
Auparavant, nos consultants structuraient leur analyse autour d’un certain nombre d’hypothèses. Souvent, cela signifiait prioriser les sites les plus importants. Cependant, ces sites –en raison de leur valeur– bénéficient déjà souvent de programmes de gestion du risque. Ce sont les sites de plus petites tailles, en revanche, qui ne disposent pas toujours de systèmes de protection exhaustifs, alors qu’ils sont un maillon critique de la chaîne d’approvisionnement de l’entreprise.
Aujourd’hui, nos consultants démarrent leur travail en utilisant l’intelligence artificielle pour procéder à une première analyse de la documentation disponible. En se basant sur un certain nombre de paramètres, l’outil que nous avons développé permet de générer un rapport condensé soulignant les risques les plus importants par implantation ou par type de sites. Grâce à cette première analyse, les ingénieurs peuvent ensuite creuser différentes pistes et se pencher sur certaines expositions identifiées par l’outil.
Nos consultants réalisent plusieurs milliers de visites de sites par an. Celles-ci sont extrêmement utiles afin de bien comprendre les spécificités des sites de nos clients et suggérer des mesures de protection adaptées et pragmatiques. Ici aussi, une analyse contextuelle des données concernant les opérations de nos clients et leurs expositions nous aide à prioriser les sites où une visite physique aurait le plus d’intérêt.
En d’autres termes, l’IA nous aide à concentrer nos efforts et à améliorer notre productivité, ainsi qu’à émettre des recommandations mieux informées reposant sur davantage de données. En ligne avec notre approche de “payer to partner”, nous prenons avantage de ces avancées pour aider nos clients à mieux gérer leurs risques et à réduire leur sinistralité.
Plus prédictifs
Les avancées dans le domaine de l’IA nous permettent également d’ajouter une dimension probabilistique à nos estimations.
Aujourd’hui, la plupart des décisions en termes de gestion du risque et de souscription sont basées sur des estimations de pertes maximales –par exemple, le MFL ou maximum foreseeable loss. Il s’agit souvent de chiffres astronomiques, surtout lorsqu’on parle de méga-entrepôts abritant des inventaires dont la valeur est importante. Cependant, la probabilité qu’un sinistre engendre des pertes se rapprochant du MFL est très faible, en particulier si l’on prend en compte les systèmes de protection utilisés sur ces sites.
Si nous étions en mesure de produire des estimations plus précises de la probabilité de différents niveaux de pertes, les directeurs financiers et les risk managers pourraient imaginer des stratégies de prévention et de gestion du risque mieux adaptées et budgéter les pertes potentielles de manière plus réaliste.
L’assurance est l’un des seuls secteurs où les coûts de production –dans notre cas, les sinistres que nous payons– ne sont pas connus à l’avance. C’est la raison pour laquelle nous essayons toujours d’anticiper l’avenir. En utilisant des ordinateurs plus puissants et des applications toujours plus sophistiquées d’intelligence artificielle, nous sommes capables de mieux accompagner nos clients en prédisant différents événements avec plus de certitude.
Plus résilients
Étant donné l’étendue et la complexité des chaînes d’approvisionnement, identifier ses vulnérabilités et suivre l’évolution de ses réseaux de fournisseurs est de plus en plus difficile. De plus, il arrive souvent que plusieurs, voire toutes, les entreprises d’un secteur reposent sur les mêmes fournisseurs, en particulier pour des composants ou des matériaux ultraspécialisés. Cela veut dire que la disparition d’un de ces fournisseurs, pour une raison ou pour une autre, pourrait avoir un impact sur la chaîne de production de tout un secteur.
Une solution : un logiciel d’intelligence artificielle qui parcourt le web de manière continue pour récolter des nouvelles et des informations publiques sur les fournisseurs d’une entreprise, y compris ses fournisseurs périphériques qui ne produisent qu’un seul composant ou ingrédient.
Cette approche comporte deux avantages. D’abord, l’IA peut aider l’entreprise à identifier des expositions dont elle ne connaissait pas l’existence. Un constructeur automobile pourrait par exemple se rendre compte qu’il n’existe que deux usines dans le monde en mesure de produire le type de fibres utilisé pour fabriquer ses ceintures de sécurité et que ses concurrents dépendent, eux aussi, de ces deux usines.
Ce type de technologie peut également être utilisé pour alerter une entreprise d’une éventuelle disruption, avant qu’elle ne se produise. Dans ce cas, les données récoltées sur la chaîne d’approvisionnement de l’entreprise peuvent inclure une couverture en temps réel d’événements se produisant à différents endroits. Aussi, lorsqu’un ouragan de force majeure s’apprête à frapper, l’entreprise peut rapidement identifier les fournisseurs susceptibles d’être affectés et prendre des mesures pour minimiser l’impact d’un tel événement sur sa chaîne de production.
Martin Vinkenfluegel a plus de 30 ans d’expérience en prévention du risque dommages. Au cours de sa carrière, il a vécu dans cinq pays et travaillé dans plus de 40. Il est aujourd’hui basé à Zurich et peut être contacté à martin.vinkenfluegel@axaxl.com.
