Transformation numérique : Trois exemples d'utilisation de l'IA pour la banque et l'assurance

Le secteur bancaire est particulièrement concurrentiel : entre les banques traditionnelles, les banques en ligne et désormais les néobanques, la concurrence est vaste et entraîne la nécessité de se démarquer. Afin de rester compétitives, les entreprises doivent offrir un service de qualité et adapté aux besoins de chaque client. L'IA est donc principalement utilisée dans l'optique de personnaliser les conseils aux clients et d'accroître la productivité en interne, en augmentant la pertinence des décisions des collaborateurs. D'après l'enquête de l'ACPR sur la transformation numérique du secteur banque et assurance, publiée en janvier dernier, 83% des acteurs interrogés estiment que l'IA va profondément transformer les processus internes et la relation client.

L'automatisation des tâches administratives

En 2019, l'entreprise Golem.ai a interrogé les acteurs de la banque et de l'assurance pour comprendre les enjeux que l'IA représentent dans le secteur bancaire. Selon cette enquête, l’application de l’IA la plus rentable est l’analyse automatisée de documents (94 %) devant la génération automatisée de réponses et de documents (82,5 %), les chatbots et l’analyse des données pour proposer des services personnalisés (71,9 %). En effet, les technologies d'IA tels que les chatbots, les algorithmes prédictifs et solutions de machine learning facilitent la prise de décision du conseiller, le ciblage et le scoring client mais aussi la gestion des portefeuilles ou encore le trading automatisé. L’utilisation des outils d’IA en bancassurance a donc des impacts importants, notamment en ce qui concerne les missions du banquier, car plusieurs d'entre elles peuvent être automatisées au profit de celles à plus forte valeur ajoutée. 

À l’heure actuelle, l’automatisation du secteur se limite à certaines tâches : FAQ dynamique, recommandations d’actions commerciales à destination des conseillers grâce aux CRM, analyse et réponses automatiques aux mails… L’objectif principal est de réduire le temps passé au traitement de certains dossiers comme les déclarations de vol ou de perte de cartes, les déclarations de sinistres et l’analyse des situations de dommages. Grâce au machine learning, des systèmes spécialisés sont capables de contrôler et de traiter les documents de manière complètement sécurisée. 

Le chatbot, un optimisateur en relation client

À l'ère du “tout numérique”, les clients comptent beaucoup sur la transparence, l’immédiateté et la réactivité lorsqu'il s'agit d'avoir recours à un service. La digitalisation du secteur a notamment pour but d'optimiser l'expérience du client. Grâce au traitement et à l'automatisation de certaines tâches, elle réduit considérablement leur délai de traitement. Consultation du solde, gestion des comptes, modification de contrat, prise de rendez-vous… Aujourd'hui, les clients n’ont plus nécessairement besoin de se rendre à la banque pour réaliser toutes ces démarches. Un simple chatbot sur le site web ou l’application mobile permettent de les effectuer à distance. À titre d'exemple, l'agent virtuel (chatbot) d’Orange Bank, répond aux questions des clients ou, à défaut, les met en relation avec un conseiller bancaire. Il traiterait en moyenne 17 000 conversations par semaine, avec un taux de compréhension des questions posées de 85 %.

L’IA fait donc très bien le lien entre le client et l’entreprise : elle se sert dans sa base de données et devient un véritable outil au service du conseiller. Son objectif est double : améliorer le service client et renforcer l'efficacité opérationnelle en interne. Grâce aux différentes informations mises en lumière par l’IA, les conseillers disposent d’indicateurs précis et peuvent offrir un service de qualité, en personnalisant les offres et les tarifs.

La plupart du temps, les banques et assurances font appel à des prestataires externes pour leurs solutions d'IA. Leur choix se porte alors vers les grands acteurs du numérique à l'image d'IBM, qui a développé le système cognitif Watson pour Generali, Crédit Mutuel et Orange Bank. Mais les sociétés peuvent également compter sur les Fintech et Assurtech, des start-ups qui développent des solutions financières en s'appuyant sur les nouvelles technologies. 

Faire face à l'explosion du nombre de données

Si les clients cherchent une expérience personnalisée, ils sont également de plus en plus vigilants en ce qui concerne l'utilisation de leurs données. Depuis le 1er avril 2022, le décret n° 2022-34 du 17 janvier 2022 relatif au démarchage téléphonique en assurance est entré en vigueur. Il précise notamment les modalités d’enregistrement des conversations, de protection des clients et prospects dans le secteur de la banque et assurance. Désormais, une conversation téléphonique doit être conservée deux ans et ne doit pas être modifiée durant cette période, sauf si le client refuse l'appel téléphonique ou qu'aucun contrat n'est signé dans un délai d'un mois, suite à une proposition commerciale.

 « Les distributeurs s’assurent que l’enregistrement et la conservation des communications téléphoniques sont effectués dans des conditions garantissant leur intégrité et leur sécurité. Ils veillent également à leur caractère exploitable, ce qui implique que ces communications puissent être écoutées, copiées et exportées sans que leur enregistrement original ne puisse être modifié ou effacé, même lorsque le contrat n’est plus en vigueur à la suite notamment d’une renonciation ou d’une résiliation », précise le décret.

Pour faire face à ces nouvelles contraintes et volumes de données à venir, l’IA se révèle donc très utile. En effet, les technologies telles que le machine learning offrent une réponse au défi de la recrudescence des données, qui ne cesse d'augmenter selon une tendance qui ne semble pas s’inverser. En outre, le traitement du langage naturel, l'une des disciplines du ML, permet à certains systèmes spécialisés de comprendre le sens d'un texte. Ils peuvent donc apporter une preuve de conformité des échanges basée sur de nombreux critères : consentement à l’enregistrement, date et heure de l’appel et la protection des données personnelles, etc. 

Grâce à un traitement des informations en amont par l’IA, les chargés de clientèle pourront avoir une expertise encore plus poussée de leurs dossiers. La mise en place d'outils numériques représente donc un enjeu commercial majeur, d’autant plus qu’ils permettent aux professionnels de prendre les décisions qui satisferont au maximum les attentes des clients.