Comment Golem.ai exploite l’IA pour diminuer drastiquement les coûts d’investissement dans l’assurance

Née en 2016, la startup Golem.ai compte aujourd’hui 30 salariés. Elle prévoit toutefois de doubler ses effectifs au cours de l’année prochaine, notamment afin de soutenir son internationalisation et la distribution de ses solutions. Spécialisée dans l’application de l’intelligence artificielle à l’analyse du langage, Golem.ai propose ainsi aux banques et compagnies d’assurance, qui représentent le tiers de son chiffre d’affaires, d’automatiser des tâches reposant sur l’analyse de documents.

L’IA intervient pour structurer la donnée texte

 Il s’agira par exemple de la réponse automatique aux appels d’offres. Dans l’assurance, cette automatisation porte aussi sur l’analyse de rapports d’expertise médicale. La solution extraira les critères nécessaires aux conseillers pour définir le niveau d’indemnisation de l’assuré et accélérer ce processus.

“Golem.ai fait de la codification (…) Comme avec un Stabilo qui surlignerait des passages particuliers, notre IA va codifier des passages (…) Ce traitement permettra ensuite dans le processus métier l’automatisation du traitement du document. De manière générale, nos IA vont structurer cette donnée qu’est le texte pour automatiser un flux“, explique son fondateur et président, Thomas Solignac.

Dans l’assurance, la startup s’adresse ainsi notamment aux gestionnaires d’indemnisation, mais éventuellement aussi le département audit. Un assureur de la place réalise actuellement des tests de cette application d’analyse des rapports d’expertise médicale. En décembre 2020, le pilote mobilisait cinq utilisateurs. “Le plan de déploiement sur l’année prochaine est assez important. Il concernera plusieurs centaines de personnes. Et nous sommes en discussion avec une quinzaine d’assureurs pour le déployer chez eux“, déclare le dirigeant.

De l’intelligence artificielle explicable pour la prise de décision

 Golem.ai menait par ailleurs des projets autour des assistants personnels ou de l’analyse des réseaux sociaux pour le compte d’assureurs français. Elle a cependant choisi depuis de se “focaliser” sur l’analyse de document au travers de son offre DocuChecker.

L’objectif : aider ses clients à extraire des informations dans des documents. “Notre valeur ajoutée en termes d’explicabilité et de non-captation des données des entreprises y est démultipliée. Quand vous prenez une décision sur l’indemnisation ou sur un fournisseur, le fait de pouvoir justifier cette décision est indispensable“, argue Célia Doreau, directrice marketing de l’éditeur.

L’intelligence artificielle ne se substitue pas à l’humain dans la prise de décision, ce que peut leur interdire la régulation. Golem.ai affirme ainsi sa différenciation avec d’autres technologies d’IA comme le machine learning et les réseaux de neurones. Les algorithmes de la startup ne nécessitent en effet pas de phases d’apprentissage avec de grands volumes de données.

Pour son président, c’est la garantie de la confidentialité des données, en particulier lorsqu’il s’agit de données de santé comme dans le cas des rapports d’expertise médicale. “Golem ne capte aucune données de ses clients pour être configuré. Vous pouvez dès lors utiliser de l’intelligence artificielle dans le domaine des décisions médicales.“

Une réponse à l’explosion des actes administratifs, automatisables

La start-up souhaite donc se démarquer face à des approches qualifiées de boîte noire. Celles-ci tiennent de “la reproduction statistique. Et c’est un problème. Une telle reproduction ne légitime pas bien une prise de décision. Cela nous parle juste du passé et peut reposer sur un biais“, défend Thomas Solignac.

Par opposition, Golem.ai revendique des algorithmes “parfaitement transparents” ou boîte blanche. La différence, c’est un résultat qui s’accompagnerait systématiquement d’une explication “humainement compréhensible“. Or, au regard des régulateurs de la banque et de l’assurance, ces algorithmes présentent donc un avantage.

Cela n’empêche pas cependant nombre d’assureurs de développer une expertise interne autour du machine learning et du deep learning. C’est notamment le cas en matière de détection de la fraude, ou pour la gestion de la clientèle via des voicebots ou de la segmentation marketing.

Les résultats opérationnels ne sont pas au niveau promis par l’IA, considère cependant Célia Doreau. “L’intelligence artificielle n’a pas été réfléchie comme pouvant être au service des collaborateurs dans les métiers sur tous les actes administratifs, en croissance exponentielle en raison des obligations de conformité“.

Pour apporter un “réel service” aux métiers de l’assurance, le secteur doit donc revoir son approche, suggère Golem.ai. Ses dirigeants encouragent ainsi les entreprises à “se pencher sur les points de douleur des métiers“.

Les assureurs négligent les “points de douleur” des métiers

L’intelligence artificielle promettrait dès lors “de diminuer drastiquement les coûts d’investissement légaux, incompressibles, des banques et des assurances. Or ces coûts créent une distorsion de concurrence par rapport aux assureurs dématérialisés, aux intermédiaires, etc.“

Des assureurs n’ignorent pas les bénéfices potentiels de l’IA sur ce volet du traitement du langage. Certains, à l’image de la Maif avec Mélusine, développent même leurs propres outils open source. Ils souhaitent de cette façon conserver la maîtrise d’un domaine jugé stratégique. Pour Golem.ai, la concurrence se situe donc également au sein des entreprises elles-mêmes.

“On ne peut pas avoir aujourd’hui le niveau de qualité, de connaissance et de précision que vous auriez avec un prestataire externe (…) Le langage peut donner à tort l’impression d’être un domaine sur lequel on peut bricoler, prendre un peu d’open source, etc. (…) Mais si vous voulez des solutions industrialisables, qui apportent de la valeur avec des taux de fiabilité au moins équivalents à celui d’un humain, c’est difficile à faire en interne“, rétorque Thomas Solignac. 

La directrice marketing reconnaît cependant que la concurrence interne est une réalité. En réaction, Golem.ai revendique un déploiement de sa solution en 2 à 10 jours. Elle estime en outre que les assureurs emploieraient mieux leurs data scientists, une ressource précieuse, à d’autres cas d’usage de l’intelligence artificielle. “Le langage n’est pas un sujet de data science“, juge-t-elle.

“Je me garderais bien de contester le point de vue de mes prospects“, concède Célia Doreau, avec diplomatie. “S’ils préfèrent le faire en interne, en général je les rappelle six mois plus tard pour savoir où ils en sont, et ils finissent par acheter“, conclut-elle cependant.