Depuis le début de l'année 2023, l'IA générative est l’un des principaux sujets de conversation dans tous les secteurs d'activité et auprès du grand public. Elle captive les futuristes et les pragmatiques, qui vantent ses avantages ou s'inquiètent des risques qu’elle engendre. Car en effet, de nombreuses questions subsistent sur ce qu'elle est, ce qu'elle n'est pas, et l’opportunité qu’elle représente pour les entreprises désireuses de l'inscrire dans leurs plans technologiques. Nous nous sommes entretenus avec Eric Sibony, Cofondateur, Directeur Produit et Directeur Scientifique de Shift, pour connaître son point de vue sur cette technologie passionnante et ce qu'elle peut apporter au secteur de l'assurance.
Shift : Comment définiriez-vous l'IA générative pour quelqu'un qui n'est pas vraiment familier avec cette notion et comment fonctionne-t-elle ?
Eric Sibony : À la base, l'IA générative est un nouveau type de système, ou plus précisément de nouveaux types de modèles, conçus spécifiquement pour générer un résultat distinct à partir d’un même prompt – comprenez : un même message-guide, soit une même demande. Je me rends bien compte que ceci est une définition très circulaire : pour mieux comprendre, examinons de plus près son fonctionnement. Sachant que l'IA générative peut être utilisée pour produire toute une série de résultats, y compris de l'art ou de la musique, je me concentrerai ici principalement sur le texte.
Du point de vue de Shift Technology, ce nous intéresse le plus dans l'IA générative, c'est la façon dont elle est capable de traiter les textes, et en particulier le langage naturel. L'IA générative peut en effet traiter pratiquement n'importe quel type de texte auquel elle a accès. Elle est capable d'analyser des reportages ou des articles, des documents commerciaux ou juridiques, ou encore des résumés ou des rapports financiers. La liste est tout simplement trop longue pour être énumérée ici. Or, la quantité de textes que l'IA générative est en mesure d’ingérer s’avère plus importante encore. Les communautés scientifiques et technologiques impliquées dans sa création ont trouvé le moyen de permettre à ces modèles d'ingérer des quantités de données absolument astronomiques. On parle facilement de plusieurs milliards de points de données.
Ce qu’il y a de plus extraordinaire avec l'IA générative est qu'un modèle unique – par exemple le modèle GPT d'OpenAI ou le modèle LLaMA de META – est capable d'apprendre à partir de ces quantités massives de données. Bien que l'apprentissage automatique, principe fondamental de l'IA générative, soit utilisé dans le domaine de l'intelligence artificielle depuis des décennies, il n'avait encore jamais été appliqué à une telle échelle. Ces modèles ont appris et ont été entraînés sur des milliards et des milliards de sources de données.
Ce qui rend cette approche si intrigante, c'est qu'au moment du déploiement, on dispose d'un modèle qui a déjà été entraîné, et qui sait donc déjà comment faire un grand nombre de choses. C'est son point de départ, et c’est radicalement différent des approches plus traditionnelles de l’IA. Avec une approche standard basée sur l'apprentissage automatique, tout commence avec le problème qu’on cherche à résoudre. On rassemble un ensemble de données, et on entreprend de prédire quelque chose à propos de cet ensemble. Mais il s’agit d’abord d’étiqueter manuellement ses données. On obtient ainsi un ensemble de données étiquetées, une tendance et un algorithme liés au problème qu’on cherche à résoudre en particulier. Et pour chaque nouveau problème à résoudre, on répète le processus.
Avec l'IA générative, le système est capable d'accomplir un nombre pratiquement illimité de tâches. Et le plus formidable, c'est qu'il ne s'agit pas de tâches pour lesquelles il a été spécifiquement entraîné. Ces nouveaux grands modèles de langage (LLM) sont capables de répondre à n'importe quel type de question que nous leur posons, ou de solutionner n'importe quel problème. Vous pouvez vraiment leur demander n'importe quoi !
Shift : Quels sont les avantages que l'IA générative peut offrir au secteur de l'assurance ?
Eric Sibony : Avant d'aborder les spécificités de l'assurance, je pense à un exemple qui risque de résonner dans toutes les industries. L'IA générative s'avère déjà tout à fait apte à produire les premières ébauches de courriels et de correspondances, ainsi que d'autres communications écrites. Je crois que nous verrons bientôt cette capacité appliquée aux présentations et à d'autres formes de contenu. Si l'IA générative permet d’éliminer la partie la plus difficile de la communication – démarrer face à un écran vide – pour un grand nombre d’entre eux, les employés pourront consacrer leur temps à des activités qui génèrent davantage de valeur ajoutée pour l'entreprise. C'est l'une des véritables promesses de l'IA générative.
Mais dans le chef des compagnies d'assurance, la génération de contenu risque de n'être qu'un début. Chaque jour, les professionnels de l'assurance doivent passer au peigne fin un grand nombre de documents afin d’extraire les éléments d'information spécifiques dont ils ont besoin pour effectuer leur travail. Ces documents peuvent concerner le processus de souscription, le processus d'indemnisation, le processus de renouvellement ou tout autre processus essentiel à l'exploitation d'une entreprise d'assurance.
Imaginez à présent qu'un gestionnaire de sinistres, par exemple, puisse simplement demander un résumé ciblé de tous les documents relatifs à un sinistre sur lequel il travaille. Ou mieux encore, si ces résumés pertinents attendaient les gestionnaires au moment où ceux-ci s'installent devant leur ordinateur pour commencer leur journée. Au lieu de consacrer des heures à lire les formulaires de déclaration, les notes d'experts, les rapports de police, les bulletins météorologiques ou d'autres documents connexes, ils pourraient passer directement à la partie la plus essentielle de leur fonction : décider de la suite à donner à tel ou tel sinistre dont ils sont saisis. Pour les assureurs, l'IA générative offre la promesse très réelle de fournir aux employés du secteur les informations dont ils ont besoin, quand ils en ont besoin, pour prendre les meilleures décisions possibles.
Shift : Lorsqu'on pense à l'IA générative, quels sont les défis potentiels dont le secteur de l'assurance doit être conscient et comment les relever ?
Eric Sibony : Comme je l'ai évoqué, les modèles d'IA générative sont capables d’ingérer des quantités incroyables de données et de produire des résultats convaincants. En même temps, ces résultats peuvent manquer de contexte, ou même contenir certaines erreurs, en fonction des sources de données utilisées. Cela a notamment été observé avec des solutions d'IA générative plus accessibles, par exemple à destination du grand public, qui utilisent internet pour produire des résultats.
Pour les assureurs qui étudient la façon dont l'IA générative pourrait profiter à leur organisation, je dirais que le premier grand défi se situe du côté des données. L'assurance est une activité nuancée. Elle a son propre langage. Elle a ses propres règles et réglementations. Les assureurs doivent donc faire preuve de diligence en ce qui concerne les informations que leur solution d'IA générative utilise pour produire des résultats. Attention, ce n'est pas parce que les modèles d'IA générative peuvent ingérer des milliards de sources de données qu'ils doivent le faire.
Il est primordial de comprendre ce qu’on souhaite obtenir au moment d’investir dans une IA générative, et quels processus on souhaite qu’elle soutienne. Un chatbot destiné aux assurés nécessite par exemple un ensemble de données différent de celui destiné aux candidats. Faire correspondre efficacement ses ensembles de données à ce qu’on essaye d'accomplir permettra d’éviter de nombreux maux de tête.
Shift : Comment Shift Technology aide-t-elle le secteur de l'assurance à adopter l'IA générative ?
Eric Sibony : Shift travaille avec les LLM depuis 2020, et nous sommes en passe d'intégrer le service Azure OpenAI dans nos solutions d'ici la fin du trimestre. Nous connaissons donc très bien les promesses et les défis potentiels associés à cette approche de l'IA. Comme nous l'avons vu, la véritable puissance de l'IA générative provient de sa capacité à analyser le langage naturel et à produire un résultat utilisable, dès sa sortie de la boîte. Cependant, comme l'IA générative manque de contexte, elle ne sait pas nécessairement si le résultat qu’elle produit est "bon" ou "mauvais" pour un prompt donné.
Quand il s'agit de rédiger la première version d'un courriel ou d'un mémo, ce n'est pas si important. Mais il en va tout autrement lorsque l’enjeu est d'aider un professionnel de l'assurance à prendre une décision sur la suite à donner à une demande d'indemnisation ou à une proposition d’assurance. C'est à ce moment-là que Shift intervient.
Tout d'abord, nous avons fait nos preuves dans l'application de l'intelligence artificielle aux défis spécifiques associés à la prise de décision tout au long du cycle de vie des polices et des sinistres. Nous sommes experts dans la création d'ensembles de données d'assurance nettoyés et cartographiés, prêts à être utilisés par des modèles d'IA générative. En outre, nous sommes en mesure de fournir le contexte du secteur assuranciel qui donne confiance dans les résultats produits par l'IA générative. Mais ce qui est peut-être le plus important, c'est que nous sommes non seulement experts dans la création d'ensembles de données d'assurance exceptionnels, mais aussi dans la création d'ensembles de données spécifiques aux besoins uniques de nos clients. Tous les assureurs ne sont pas identiques, il n'est donc pas logique d'offrir une approche unique de leurs données.
Pour plus d'informations sur la façon dont Shift peut aider les acteurs de l’assurance à adopter l'IA générative pour relever les défis auxquels ils sont confrontés, contactez-nous dès aujourd'hui.