SCOR forme ses agents à contredire leurs patrons

L’IA qui joue les trouble-fêtes en assurance

Ça fait cinq ans que Xavier Dubois, souscripteur chez SCOR, passe ses journées à analyser des risques pour des clients du monde entier. Son métier ? Décider si une entreprise mérite d’être assurée, à quel prix, avec quelles limites. Un boulot de finasseur, où il faut sentir les mensonges avant les autres. Sauf que les autres, maintenant, c’est aussi une IA. Et cette IA, il l’a dressée pour lui chercher des poux dans la tête.

Comment ? En lui donnant accès à ses propres rapports, ses conclusions, ses hypothèses. Et en lui demandant : « Est-ce que ça tient la route ? » Pas pour faire joli. Pour qu’elle lui pique ses failles. Résultat : sur 12 mois, l’outil a identifié 18 % de ses analyses comme potentiellement biaisées. Pas des erreurs grossières. Des détails. Des angles morts. Des « peut-être » qu’il avait balayés d’un revers de main parce que « bon, on verra plus tard ». Sauf que l’IA, elle, elle ne dit jamais « on verra plus tard ». Elle dit « non ».

Et ça, c’est nouveau.

Pourquoi l’assurance a peur de ses propres données

L’industrie de l’assurance repose sur un principe simple : plus vous avez de données, mieux vous gérez les risques. Sauf que les données, souvent, sont pourries. Incomplètes. Biaisées. Ou simplement mal interprétées. SCOR, c’est le champion du monde des réassurances : ils gèrent des milliards de dollars de risques pour des centaines de clients. Leur force ? Leur capacité à croiser des montagnes de chiffres pour trouver la faille qui fait tout basculer.

Sauf que les humains, même les meilleurs, ils ont des angles morts. Dubois en a un : il a tendance à surestimer les modèles qu’il connaît par cœur. « Si j’ai passé 10 ans sur les risques maritimes en Asie du Sud-Est, je vais intuitivement leur faire confiance. Même si les données fraîches disent le contraire », explique-t-il. Son IA, elle, n’a pas d’intuition. Elle a des règles. Et des règles qui lui disent : « Là, ton modèle est obsolète. Voici pourquoi. »

Le problème ? Les assureurs passent leur temps à se mentir à eux-mêmes.

Une étude de McKinsey en 2022 (source : Global Insurance Analytics Report) montrait que 63 % des décisions en souscription reposaient sur des données jugées « partiellement fiables » par leurs propres services. Partiellement fiables, ça veut dire « on sait que c’est merdique, mais on fait semblant de rien ». Dubois, lui, il a décidé de ne plus faire semblant. Son IA, c’est son miroir. Et ce miroir lui renvoie des trucs qu’il n’avait pas envie de voir.

Le jour où l’algorithme a sauvé 20 millions d’euros

Il y a six mois, un client sud-coréen lui a proposé un contrat sur des usines de puces électroniques. « Risque faible, marché stable, primes raisonnables », lui a-t-on dit. Dubois a passé trois jours à tout vérifier. Les chiffres collaient. Les audits aussi. Il a signé. Sauf que son agent conversationnel, lui, a grogné.

« Pourquoi les données météo des deux dernières années ne correspondent pas aux historiques climatiques de la région ? »

Dubois a regardé. Effectivement. Les températures maximales avaient augmenté de 1,8°C sur la zone en cinq ans. « Normal, c’est le réchauffement climatique », a-t-il pensé. Sauf que son IA a insisté : « Les modèles de risque incendie que vous utilisez datent de 2017. Or, depuis 2020, les feux de forêt dans cette région ont augmenté de 40 % en fréquence. »

Il a rechecké. Le client avait omis de mentionner que deux entrepôts de stockage de produits chimiques étaient situés à moins de 500 mètres des usines. « Un détail ? » Non. Un trou noir.

Résultat : SCOR aurait perdu 18 millions d’euros si le sinistre avait eu lieu. Au lieu de ça, ils ont annulé le contrat. Et le client a dû repasser par un autre réassureur, moins regardant.

« Mon IA ne fait pas que me challenger. Elle me force à me remettre en question sur des trucs que je connais par cœur », dit Dubois. « Et ça, c’est précieux. »

Le vrai problème : et si l’IA avait tort ?

Voilà le hic. Quand un humain se fait contredire, il peut toujours dire « Non, mais moi je sais de quoi je parle ». Quand une IA se plante, c’est plus compliqué. Parce que personne ne comprend vraiment comment elle arrive à ses conclusions. Dubois a ses limites : il ne peut pas expliquer à un client pourquoi son algorithme a rejeté son dossier. « C’est comme un médecin qui vous dit : ‘Je ne peux pas vous opérer, mon IA dit non.’ Vous lui faites confiance ou pas ? »

Chez SCOR, ils ont une solution : l’IA ne décide jamais seule. Elle propose. Elle alerte. Elle challenge. Mais c’est toujours un humain qui valide. « On ne veut pas d’une boîte noire qui prend des décisions à notre place », insiste Dubois. « On veut une boîte qui nous aide à éviter les boîtes noires des autres. »

Le vrai risque ? Que les assureurs finissent par trop faire confiance à leurs outils. Une étude de l’Autorité de Contrôle Prudentiel et de Résolution (ACPR) en 2023 (source : Rapport sur les risques systémiques dans l’assurance) montrait que 42 % des sociétés d’assurance européennes utilisaient des modèles d’IA sans audit indépendant. 42 %. Autant dire qu’ils jouent à la roulette russe avec leurs propres données.

Dubois, lui, il a pris le contre-pied. Son IA, c’est son chien de garde. Pas son boss.

Ce que ça change pour les autres métiers

L’assurance, c’est un secteur où la méfiance est une compétence. Mais dans d’autres domaines, les gens préfèrent encore se faire avoir par leurs propres certitudes. Les banquiers qui ignorent les signaux d’alerte dans leurs prêts. Les avocats qui surestiment leurs arguments. Les managers qui croient dur comme fer à leurs intuitions de « leader ».

L’IA de Dubois ne fait pas que détecter des erreurs. Elle démonte la confiance aveugle. Et ça, c’est une révolution.

Pas parce que c’est glamour. Pas parce que c’est nouveau. Mais parce que ça force les gens à admettre une vérité simple : personne n’est infaillible. Pas même ceux qui passent leur vie à analyser des risques.

Sauf que maintenant, ils ont un moyen de le prouver. Même quand ils n’ont pas envie d’y croire.