Accueil > Assurance > Services aux assureurs > Comment les assureurs industrialisent la lutte contre la fraude grâce à l’IAComment les assureurs industrialisent la lutte contre la fraude grâce à l’IALes assureurs français s’engagent progressivement dans une démarche d’industrialisation de la lutte contre la fraude, notamment grâce à la maturité des techniques d’intelligence artificielle et à l’arrivée sur le marché de nouveaux acteurs aux offres plus agiles. Par Aude Fredouelle. Publié le 31 août 2018 à 14h50 - Mis à jour le 11 décembre 2020 à 18h26 Ressources En France, l’Alfa (Agence pour la lutte contre la fraude à l’assurance) estime que la fraude touche 15% des sinistres payés par les assureurs ou 5% des primes perçues, soit environ 2 à 2,5 milliards d’euros par an. Environ 300 millions d’euros seulement seraient détectés et récupérés par les assureurs.Apports de l’IALes progrès réalisés en intelligence artificielle ces dernières années ouvrent des perspectives aux assureurs pour lutter plus efficacement contre la fraude. “Les acteurs financiers doivent passer d’un système à base de règles qui ne sont que la réplication de cas de fraude déjà connus à des systèmes auto-apprenants à base de machine learning et de deep learning, qui permettent de détecter des comportements cachés et non identifiés par l’humain”, indique Philippe Keraël, responsable analytics pour la fraude, le risque et la conformité de Capgemini.Recourir aux techniques d’apprentissage automatique (machine-learning, deep learning et cognitive computing, voir lexique) en complément du modèle déterministe (règles métiers) “vient améliorer la précision de la détection en identifiant les cas de fraude qui n’ont pas été identifiés grâce aux collaborateurs, aux processus ou aux règles de détection conçues par les assureurs”, ajoute Florence Giuliano, directrice de la stratégie contre la fraude pour la zone EMEA chez l’éditeur SAS.“Mais cela améliore également la productivité en systématisant les contrôles et permet de diminuer les fausses alertes, limitant la gêne pour le client et les coûts d’investigation”, poursuit-elle. Réduire les faux positifs vise en effet à éviter de bloquer des opérations qui ne sont en réalité pas frauduleuses, mais aussi de réaliser des économies en réduisant les effectifs dédiés à leur analyse. “Actuellement, les assureurs disposent parfois de plus de 2 000 ou 3 000 analystes pour gérer les faux positifs et enquêter sur les alertes”, décrit Philippe Kéraël.AutomatisationJusqu’ici, raconte Didier Alleaume, associé du cabinet CGI Consulting en charge des questions réglementaires et de gestion des risques, “la lutte contre la fraude était très artisanale, avec un mélange de solutions d’analyse comportementale et de règles de gestion ;… Cet article est reservé aux abonnés Déja abonné ? Connectez-vous Vous n’êtes pas encore inscrit ?Créez un compte pour tester notre offre gratuitement pendant 15 joursServices en ligne : études, analyses, bases de données et bien plus encoreBriefings quotidiens : actualités synthétiséesLettres hebdomadaires Nom Prénom Email Aude FredouelleAPIassurance dommagesassurance santécloudfraudeintelligence artificiellemachine learningpartenariatBesoin d’informations complémentaires ?Contactez le service d’études à la demande de mind Nom Prénom Nom Entreprise*Téléphone mobileE-mail* Demande* essentiels Vers une utilisation responsable de l’intelligence artificielle dans la financeLes nouveaux visages du KYCCrédit : la grande transformationLe cyber, un risque difficile à assureranalyses Finance embarquée : comment Swan opère son développement internationalApplis mobiles bancaires : le PFM se généralise mais reste embryonnaireLes fintech BtoC des banques, gouffres financiersComment Cryptio aide les entreprises du Web3 dans leur comptabilitédata La liste des PSAN enregistrés auprès de l'AMFLes offres des acteurs de la banque numériqueComment évolue le financement des fintech en France ?Cartographie de la fintech