L'intelligence artificielle au service de la détection de la fraude à l'assurance

Fraude à l’assurance : définition

D’après l’Agence pour la Lutte contre la Fraude à l’Assurance (ALFA), la fraude à l’assurance est un acte intentionnel visant à obtenir indûment un profit d’un contrat d’assurance, qui peut être réalisé par une personne morale ou physique.

Cette notion englobe donc une grande diversité de situations, allant de la souscription du contrat d’assurance à la déclaration de sinistre. Pour la fraude à l’assurance auto, par exemple, il peut s’agir de demandes d’indemnisation effectuées par des “passagers fantômes” ou de blessures fictives suite à un accident de la route. Mais la fraude concerne tous les types d’assurances, qu’elles soient souscrites par des particuliers ou des entreprises : assurance habitation, assurance santé, assurance maladie…

Les conséquences de la fraude à l’assurance

En 2018, l’ALFA a identifié 432 millions d’euros de fraude en IARD et 68 millions d’euros en assurance de personnes, soit un total de 500 millions d’euros en France. Selon Insurance Europe, la fédération européenne de l’assurance et de la réassurance, la fraude représenterait jusqu’à 10 % de toutes les dépenses liées aux sinistres en Europe.

Un coût non négligeable pour les assureurs, mais aussi pour les clients (particuliers ou entreprises). En effet, les fausses réclamations et les enquêtes sur les fraudes présumées entraînent une augmentation des primes pour les assurés honnêtes. Qui plus est, la fraude a un impact sur la capacité des assureurs à traiter rapidement les réclamations légitimes, ce qui nuit à la qualité de leurs services.

Pour les professionnels de l’assurance, enquêter sur les tentatives de fraude tout en prenant en charge rapidement les sinistres authentiques est particulièrement complexe. C’est pourquoi ils doivent s’appuyer sur des nouvelles technologies de détection, plus rapides et plus performantes.

Les bénéfices de l’intelligence artificielle pour la détection de la fraude à l’assurance

Les systèmes utilisés traditionnellement par les assureurs pour identifier les fraudes atteignent aujourd’hui leurs limites, et ce pour plusieurs raisons. D’abord, parce qu’ils se cantonnent à des schémas de fraudes identifiés en amont par une analyse humaine. Mais aussi parce que les compagnies d’assurance sont confrontées à d’importants volumes de données peu structurées.

Toutefois, le Big Data et les solutions d’intelligence artificielle, basées sur l’apprentissage automatique (machine learning) et l’apprentissage profond (deep learning), devraient changer la donne au cours des prochaines années. Elles présentent en effet plusieurs avantages, à commencer par leur capacité à détecter des fraudes inconnues auparavant, même à partir de données non structurées.

Ces modèles basés sur l’IA devraient aussi réduire la proportion de faux positifs, à savoir les réclamations considérées à tort comme frauduleuses. Un important levier d’économie pour les compagnies d’assurance, qui consacrent beaucoup de temps et de ressources pour enquêter sur chaque cas suspect.

Pour plus d’efficacité, les professionnels des assurances devront néanmoins enrichir leurs bases de données et agréger la data issue de différents systèmes d’information. Ils augmenteront ainsi le potentiel de détection des fraudes de l’intelligence artificielle, avec de meilleurs résultats à la clé.

Comment mettre l’IA au service de la lutte contre la fraude ?

Malgré ses atouts, l’intelligence artificielle ne doit pas être perçue comme une solution miracle face aux risques de fraude. En effet, l’opacité des diagnostics issus du machine learning et du deep learning pose question. Dans le cadre d’une procédure judiciaire, notamment, ils doivent obligatoirement être complétés par une investigation réalisée par l’assureur lui-même.

Si l’impact positif de l’IA sur le traitement de la data est indéniable, elle ne se substituera donc pas aux agents de contrôle (du moins, pas dans un futur proche). En revanche, elle leur simplifiera la tâche et leur permettra de repérer plus rapidement les cas suspects qui nécessitent une investigation approfondie.

De nouvelles pistes d’utilisation de l’IA

Par exemple, des technologies combinant IA et reconnaissance vocale permettent d’ores et déjà d’estimer la crédibilité des réclamations adressées aux compagnies d’assurance, en analysant le langage naturel et les émotions exprimées par le demandeur.

Autre cas d’usage : les assureurs pourraient utiliser des systèmes d’apprentissage automatique pour exploiter des flux de données issus des réseaux sociaux ou des sites de vente en ligne, afin de détecter des indices de fraude. Il s’agirait, par exemple, de rechercher sur eBay ou Leboncoin des objets qui ont été déclarés comme volés.

Vers une mise en commun des données des assureurs ?

Enfin, l’avenir passera certainement par une mise en commun des ressources de la filière de l’assurance. La création d’une plateforme mutuelle de lutte contre la fraude, le risque cyber et le blanchiment, constitue une piste intéressante.

Toutefois, cela implique que tous les acteurs “jouent le jeu” en partageant leurs informations respectives et en centralisant cette data dans un espace commun. Sans oublier les considérations liées à la sécurité des données.

Grâce à cette base de données élargie, la capacité de diagnostic de l’intelligence artificielle s’améliorerait considérablement. De plus, la mutualisation des ressources entraînerait une meilleure répartition des coûts de la lutte contre la fraude à l’assurance, mais aussi une baisse du coût marginal lié à l’identification des cas suspects.

Dans les prochaines années, l’intelligence artificielle jouera à n’en pas douter un rôle central dans l’optimisation des dispositifs de détection de la fraude à l’assurance. Néanmoins, pour réussir l’intégration de l’IA dans leurs dispositifs internes, les assureurs devront s’appuyer sur une solution logicielle performante et interconnectée à leur écosystème IT.