Créer une stratégie d’intégration de l’intelligence artificielle de A à Z

Créer une stratégie d’intégration de l’intelligence artificielle de A à Z

    alt txt

    properties.trackTitle

    properties.trackSubtitle

    Au début des années 1990, l’intelligence artificielle (IA) était considérée comme une solution à la recherche d’un problème. Trente ans plus tard, l’IA est une discipline courante qui touche presque tous les aspects de notre vie. Pour les assureurs d’aujourd’hui, ignorer le potentiel de l’IA les expose au risque de perdre du terrain par rapport à leurs concurrents. Pourtant, beaucoup ont de la difficulté à établir une stratégie IA gagnante.

    Pour réaliser la promesse de l’IA, il est essentiel de créer un lien clair entre la valeur pour l’entreprise et les capacités en matière d’intelligence artificielle. Après avoir établi la valeur commerciale, de nombreux assureurs ont encore de la difficulté à faire passer les projets d’IA de l’étape de la validation de principe à la production. Les chefs des systèmes d’information, les experts en TI et les dirigeants d’entreprise doivent répondre à plusieurs questions, notamment : où commencer? Quels sont nos objectifs précis? De quels talents avons-nous besoin? Et devrions-nous acheter ou construire?

    Dans le secteur de l’assurance, les capacités d’IA les plus couramment déployées comprennent l’analyse prédictive, la classification et le traitement du langage naturel. Ces techniques couvrent les domaines interreliés et parfois déroutants de l’apprentissage automatique et de l’apprentissage profond. Elles peuvent être utilisées pour résoudre des problèmes précis, aussi appelés cas d’utilisation. Parmi les exemples de cas d’utilisation pertinents pour le secteur de l’assurance, mentionnons le marketing axé sur les proposants potentiels, l’accélération et l’automatisation de la sélection des risques, la prévision des fausses déclarations et la gestion de l’exposition au risque.

    Qu’est-ce que l’intelligence artificielle?

    Une définition simple est qu’il s’agit d’un écosystème d’algorithmes – ou de « recettes » – qui accomplit des tâches normalement associées à l’intelligence humaine. L’intelligence artificielle comprend de nombreux sous-domaines, allant de l’apprentissage automatique au traitement du langage naturel –, chacun étant composé de son propre ensemble spécialisé d’algorithmes.

    L’élaboration d’une stratégie IA gagnante comporte cinq étapes importantes :

    1. Créer une vision d’entreprise et un ensemble d’objectifs clairs

    La première étape consiste à formuler une vision claire de l’entreprise ou du service et un ensemble correspondant d’objectifs opérationnels qui tireront parti de l’IA.

    Par exemple, disons que la vision de la Compagnie d’assurance vie ABC est d’accroître ses ventes d’assurance maladies graves. Elle prévoit d’atteindre cet objectif en utilisant l’IA pour cibler ses offres en fonction des besoins des clients individuels. Pour ce faire, il faut établir un ensemble d’objectifs précis suffisamment détaillés pour pouvoir les mesurer de façon empirique. Parmi les exemples, mentionnons un taux de réponse de 80 % des clients au marketing, une augmentation de 50 % des ventes et une réduction de 30 % des processus manuels – des objectifs mesurables qui, ensemble, contribuent à faire progresser la vision de l’entreprise.

    2. Définir un ensemble de cas d’utilisation et évaluer les avantages commerciaux attendus pour chacun

    La prochaine étape pour déployer une stratégie IA efficace consiste à élaborer les cas d’utilisation précis auxquels l’IA sera appliquée afin d’obtenir les résultats souhaités. C’est à ce stade que la stratégie IA prend réellement forme, alors que les dirigeants déterminent comment l’entreprise utilisera l’IA et quels en seront les avantages attendus.

    La définition du cas d’utilisation commence par un processus d’idéation, souvent au moyen d’ateliers avec les utilisateurs, pour définir clairement les occasions d’affaires précises que l’entreprise espère saisir grâce à l’utilisation de l’IA. Ensuite, en gardant à l’esprit le cas d’utilisation, les dirigeants en déterminent les avantages commerciaux attendus et mettent au point un prototype de solution pour prouver ces avantages et en évaluer l’incidence sur les processus actuels.

    3. Déterminer les données et l’infrastructure nécessaires pour soutenir les cas d’utilisation

    Une fois les cas d’utilisation bien définis, la prochaine étape cruciale consiste à déterminer la source et le type de données nécessaires pour les soutenir, ainsi que l’infrastructure technique requise pour recueillir, peaufiner, analyser et modéliser ces données.

    Les entreprises peuvent choisir de construire cette infrastructure à l’interne, de l’acheter entièrement dans le nuage ou de choisir un hybride des deux. Étant donné la maturité des services infonuagiques offerts, la plupart des entreprises choisissent actuellement une approche hybride qui permet une certaine personnalisation tout en facilitant leur mise en œuvre rapide.

    Par exemple, l’infrastructure comme service (IaaS) permet aux entreprises d’éviter d’héberger des services dans leurs locaux, bien qu’elles doivent quand même installer et gérer la plateforme d’IA. En revanche, la plateforme comme service (PaaS) coûte plus cher, mais elle offre aux entreprises des capacités complètes sans les maux de tête potentiels associés à sa gestion.

    4. Acquérir les talents appropriés et établir une gouvernance et un appétit pour le risque

    Pour élaborer une stratégie IA gagnante, il est en outre primordial de constituer la bonne équipe, établir la gouvernance appropriée pour mettre en œuvre et gérer la stratégie et veiller à ce qu’elle s’harmonise avec l’appétit pour le risque de l’entreprise.

    Constituer l’équipe

    Les services de TI traditionnels doivent souvent faire appel à de nouveaux talents pour mettre en place des pipelines d’AI. Le plus souvent, les nouveaux employés comprennent des ingénieurs de données qui possèdent des compétences en préparation de données et des ingénieurs des systèmes qui sont en mesure de mettre en place des algorithmes dans l’infrastructure technique de l’organisation. Nous avons également besoin d’experts en théorie et en modélisation qui peuvent intégrer l’IA de pointe à la stratégie ou aider l’entreprise à « concocter de nouvelles recettes secrètes ». Certaines entreprises ont accès à cette expertise par l’intermédiaire de partenariats stratégiques avec des établissements d’enseignement plutôt que par l’embauche à l’interne.

    Gouvernance et surveillance

    La meilleure façon d’assurer une gouvernance efficace est de mettre en place une structure de surveillance simple dirigée par un comité directeur exécutif ou CDE. Le CDE est responsable d’établir la vision, les principes et les lignes directrices en matière d’intelligence artificielle. Il supervise également le responsable de la conception et divers autres comités de travail. Le responsable de la conception évalue et approuve les nouveaux outils, algorithmes et services ajoutés à l’écosystème, tandis que les comités de travail se concentrent sur les activités quotidiennes – de l’élaboration des cas d’utilisation et des analyses de rentabilité à l’évaluation du rendement des systèmes d’IA. D’autres comités peuvent se pencher sur la légalité du produit, le risque, les préjugés et la conformité aux lois locales et fédérales, s’il y a lieu. Bien entendu, cette structure doit être adaptée à la taille et à la complexité de l’entreprise.

    Évaluation de l’appétit pour le risque

    En élaborant une stratégie IA, les entreprises doivent également tenir compte de leur appétit pour au moins quatre types de risques associés :

    • Risques juridiques liés au fait de ne pas s’adapter ou de ne pas se conformer à la nouvelle réglementation sur l’utilisation de l’IA.
    • Risques liés à la modélisation advenant des modèles incorrects ou mal utilisés.
    • Risque d’atteinte à la réputation découlant d’une activité liée à l’IA qui a une incidence négative sur les clients ou les parties prenantes.
    • Risque opérationnel lié à la défaillance ou à la perturbation des processus internes.

    5. Créer une feuille de route pratique avec des avantages immédiats, à moyen et à long terme

    Enfin, le succès est plus probable lorsque les entreprises créent une feuille de route pratique et progressive pour la mise en œuvre qui leur permet de tirer parti des réussites antérieures. Nous recommandons une feuille de route avec un échéancier de trois à cinq ans qui établit les priorités à court, moyen et long terme, ainsi que la séquence et la durée des étapes.

    Vous trouverez ci-dessous un modèle de cas d’utilisation pour la Compagnie d’assurance vie ABC qui reflète les étapes décrites ci-dessus. Veuillez noter que l’occasion est clairement définie et que la feuille de route des activités comporte des étapes simples qui s’appuient sur les capacités antérieures et sont conçues pour atteindre les objectifs du cas d’utilisation. Le modèle contient également les techniques d’IA en cause – des renseignements essentiels pour le service des TI – et le profil de risque du cas d’utilisation.

    Points à retenir

    Une stratégie IA gagnante commence par l’établissement d’une vision et d’objectifs clairs. Des cas d’utilisation clairement documentés sont essentiels et donneront vie à une stratégie IA, créant ainsi le lien important entre l’intelligence artificielle et les avantages pour l’entreprise.

    Même si la stratégie IA de chaque assureur est unique, le processus bien défini qui est décrit ci-dessus aidera chacun à élaborer une stratégie IA efficace – une stratégie qui contribue au succès de l’entreprise.

    Contacter l'auteur
    Lovell Hodge
    Lovell Hodge PhD
    Vice-président, données et intelligence
    Amérique du Nord (vie)