Objectifs pédagogiques
A l’issue de cette formation, vous serez capable de :
- Décrire les principaux concepts et approches de l’Intelligence Artificielle (IA) pour les assurances
- Identifier les enjeux et les bénéfices de l’IA pour le secteur de l’assurance
- Expliquer les applications de l’IA : estimations, identification de fraudes, traitement de la donnée…
- Explorer des cas pratiques et résoudre des problèmes réels à l’aide de l’IA
- Mettre en oeuvre un programme IA dans le secteur des assurances et mutuelles.
Programme
Les enjeux de l’IA dans le secteur des assurances
- Présentation générale de l’Intelligence Artificielle (IA)
- Tour d’horizon des applications et des enjeux de l’IA dans le secteur des assurances
- Compréhension des tenants et aboutissants d’un projet IA au sein d’une entreprise
- Comment mettre en oeuvre une gouvernance projet IA : formation, leadership, data…
- Comprendre les impacts humains, métiers et techniques
- Les dimensions clés d’un projet ou d’une transformation IA dans le milieu des assurances
- Comprendre les impacts sur les clients, la relation client et les produits
- Intégrer les dimensions clés d’un projet ou d’une transformation IA
- Vue d’ensemble des différentes réglementations, normes et méthodes pour intégrer l’IA dans son entité (ISO 23894, ISO 42001, standards…)
Cas d’usages spécifiques dans le secteur de l’assurance et des mutuelles
- Vue d’ensemble des cas d’usages applicables dans le milieu des assurances
- Etat de l’art de l’IA en France et à l’étranger
- Analyse prédictive et gestion des risques
- Gestion des estimations liées aux sinistres habitations / auto
- Identification des fraudes réglementaires et spécifiques usages
- Automatisation des processus métiers / techniques
- Traitement automatique des flux entrants (appels, mails, SMS, documents, contenus…)
- Intégration de l’IA dans la relation client (chatbot, voicebot, assistants IA…)
- Gestion automatique des flux d’indemnisations simples
- Prédictions métiers, analyse comportementale et création de valeur
- Analyse des données clients : insights, identification des besoins, identification des risques
- Différencier les besoins et outils pour l’IA axée client et l’IA axée collaborateur
- Tenants et aboutissants, risques, limites et gains
- Data Scoring, collecte de données, génération de contenu, récupération de données, vision, NLP, outils d’évaluation, gestion des recours, qualification partenaires…
Les partenaires et éditeurs existants
- Vue d’ensemble des partenaires IA potentiels
- Vue d’ensemble des éditeurs IA
- Annonces commerciales des éditeurs vs réalités techniques
- Vue d’ensemble des principales IA pouvant répondre aux besoins : capacités, coûts, délais, limites
Enjeux et bonnes pratiques
- Evaluer son programme IA
- Comprendre l’importance d’intégrer la data dans son programme IA
- Mettre en oeuvre une approche éthique
- Bonnes pratiques liées à la confidentialité et la sécurité des données
- Suivi et KPI (indicateurs de performances) propres au secteur de l’assurance
Exemples de travaux pratiques (à titre indicatif)
- Atelier de travail sur cas concrets en groupes
- Mettre en oeuvre des usages simples traités par IA (exemple : identification contenu photo pour le module « Intégration et Recherche »)
Le contenu de ce programme peut faire l’objet d’adaptation selon les niveaux, prérequis et besoins des apprenants.