Comment Shift Technology aide Generali à détecter la fraude sur les dommages aux biens

Generali, assureur implanté dans l’Hexagone depuis 1832, et Shift Technology, start-up spécialisée dans la détection de la fraude à l’assurance depuis 2014, ont entamé une collaboration autour de la lutte contre la fraude. Après un premier rendez-vous manqué autour de la branche automobile, pour laquelle Generali France a finalement décidé de s’appuyer sur ses propres ressources, c’est la branche dommages aux biens qui a choisi de se lancer dans un projet d’amélioration avec la start-up. L’assurance multirisque habitation, immeuble et commerce, sur laquelle porte la détection, représente environ 107 000 sinistres par an sur 125 000 sinistres dommages aux biens. Aujourd’hui, l’assureur annonce un taux de fraudes avérées de 0,7% mais ambitionne, grâce à l’aide de Shift, de rejoindre les acteurs les plus performants du marché qui atteignent des taux de 2 à 3%.

Enrichissement de données brutes

Pour ce faire, Generali France va s’appuyer sur la solution Force, en mesure d’analyser quelques 3 000 sinistres par jour. “Nous avons engagé la première phase qui est celle de l’amélioration de la qualification et vers la fin du 1er trimestre 2020, nous entamerons l’optimisation de la transformation de la détection“, explique Thierry Cassagneres, directeur sinistres Iard de Generali France. Cette première phase passe par la construction du modèle, avec la récupération de jeux de données historiques provenant de l’assureur mais aussi de l’industrie et l’organisation d’ateliers. “Le chef de projet et les datas scientists de Shift font du mapping de données et appliquent des scénarios de fraude, en lien avec les métiers pour spécifier la pertinence des détections“, détaille Benoît Legros, directeur commercial de Shift Technology en France. 

La valeur ajoutée de la solution réside dans cette capacité à combiner analyse statistique de grande ampleur, algorithmes de machine learning, traitement du langage naturel et enrichissement des données brutes de l’assureur (issues des contrats, des sinistres et des justificatifs associés, d’informations financières, de rapports d’expertise, etc.). Dans le respect de la réglementation, la start-up exploite des données provenant de bases de données externes : données gouvernementales (démographiques, sociétés…), web (Google par exemple), imagerie aérienne, géolocalisation, météo, voire dans certains cas les antécédents judiciaires, déclarations de faillite, jugements, adresses IP, données de comptes sociaux, etc. Ce type de croisements peut être décisif. “Par exemple, on s’aperçoit souvent qu’à la suite d’un coup de vent, on a un volume de sinistres supplémentaires imprévu“, indique Thierry Cassagneres. L’analyse de l’imagerie aérienne et le recoupement avec des données météorologiques peuvent ainsi permettre d’identifier un assuré qui tenterait de profiter de cet épisode afin de bénéficier d’une indemnisation pour un toit endommagé par le passé. 

Score de suspicion

La solution de Shift va faire remonter des alertes aux gestionnaires en les assortissant d’un score de suspicion, lui-même étayé par un faisceau d’indices. “Notre objectif via la détection est aussi de réussir à fournir aux gestionnaires de sinistres et anti-fraude sufisamment d’indices et de pistes pour la suite des investigations si elles sont nécessaires“, note Benoît Legros. L’automatisation de la détection a également un autre avantage ; celui d’écarter plus rapidement le faux positif, c’est-à-dire une fausse alerte sur une demande légitime. Sur la branche dommages aux biens, ce taux de faux positif est estimé à 89%, un niveau particulièrement élevé. Les bénéfices sont également à rechercher du côté d’une accélération du délai de traitement des dossiers grâce à une détection en “temps réel” des anomalies individuelles, les réseaux de fraude prenant plus de temps à combattre. 

A l’heure actuelle, le dispositif, qui n’en est qu’à ses débuts, est encore perfectible car le taux de pertinence dans la détection – défini comme le ratio entre le nombre d’alertes déclarées suspicieuses par le gestionnaire de fraudes et le nombre d’alertes soumises par Force – est évalué à seulement 20% par Generali France. L’objectif est d’atteindre les 70% à horizon 3 ans. Par la suite, l’un des KPIs essentiels sera d’améliorer le taux de transformation, c’est-à-dire pouvoir convertir un dossier suspicieux en fraude avérée. Ce taux s’établit à 30% aujourd’hui, avec des gains financiers déjà estimés à 500 000 euros. Les “économies” réalisées grâce au dispositif, autrement dit les indemnisations non versées pour des dossiers frauduleux, sont attendues à 2 millions d’euros par an. Avec des “économies” sur les branches dommages et auto d’environ 8 millions d’euros au total actuellement, l’objectif est un doublement de ce montant d’ici trois ans. Generali France ne communique pas le budget de ce projet mais évoque un “investissement significatif“, avec des coûts d’implémentation, une facturation en fonction des volumes et le renforcement prévisible des équipes dédiées au traitement des alertes.