Au cours des dernières années, les assureurs ont mis en place des projets de transformation pour gagner en compétitivité. Le Ratio Combiné du marché IARD a gagné un point passant de 99% avant réassurance en 2014 à 98% en 2018 (source FFA). Cependant, l’équation économique sur la branche dommage a été principalement maintenue positive grâce aux produits financiers. Le solde financier est passé de 7.2% à 6.1% sur la même période. Avec des niveaux de taux d’intérêts négatifs, les assureurs dommages sont de nouveau challengés sur leur capacité à dégager de la marge.
L’optimisation du parcours de vente
La digitalisation du parcours de vente reste un axe majeur de création de valeur pour les acteurs. Au-delà de l’amélioration de l’expérience client, la digitalisation du parcours procure un véritable un gain de temps commercial grâce à une connaissance client plus exhaustive qui évite les relances d’informations manquantes ou les ressaisies d’informations lors du processus de souscription. A titre d’exemple, la technologie et l’augmentation des données disponible permettent aux assureurs de réduire considérablement le nombre de questions posés aux prospects par la simple connaissance de l’adresse d’habitation ou de la plaque d’immatriculation du véhicule.
Les solutions d’aide à la vente ont également bien évoluées intégrant des modèles de Machine Learning capable d’identifier les produits adaptés aux prospects avec la meilleure probabilité de concrétisation. Les solutions d’IA intègrent la fonctionnalité de reconnaissance de la voix pour tenter d’améliorer son usage auprès des commerciaux qui n’ont donc plus besoin de saisir les informations. A l’image de Zelros qui a intégré cette fonctionnalité pour assister en temps réel les conseillers dans l’objectif d’améliorer le taux de transformation et de multi-équipement. Cependant, on constate le déploiement de solution de Machine Learning encore très timide dans les réseaux de distribution physique notamment dû au fait que la solution IA s’est souvent insérée dans les parcours existant sans avoir repensé le parcours de vente client-conseiller-IA ?
La réduction des frais gestion
Avec un poids 8.5% des cotisations brutes, les frais de gestion des sinistres restent également une poche de gain potentiel majeur pour les acteurs. La mise en place de plan de réduction des coûts ces dernières années a débouché sur l’automatisation de certaines tâches répétitives via des solutions de RPA basique ce qui a tout même permis de dégager de la performance opérationnelle. L’utilisation de modèle de Machine Learning combiné aux solutions RPA devient aujourd’hui indispensable pour aller au-delà de la simple automatisation. Les modèles d’analyse du langage naturel ont énormément progressé et peuvent permettre aujourd’hui d’automatiser de bout en bout certains actes de gestion complexe.
La première étape de digitalisation des processus a permis aujourd’hui aux technologies de process mining de se démocratiser. En effet, la disponibilité des données en gestion permet de modéliser de bout en bout le traitement des sinistres. Ces solutions permettent une meilleure connaissance de la réalité du temps de traitement et des prises de correctifs plus personnalisé et ciblé. Grâce à ces solutions, les acteurs peuvent prédire que certains sinistres vont coûter plus cher en coût de gestion que l’indemnisation du sinistre.
L’usage du self-care
La délégation totale de certaines actions aux assurés est également un levier d’optimisation sous-utilisé. En effet, plusieurs acteurs ayant développés leur self-care constatent que le taux d’usage est limité notamment dû à la complexité de l’univers assurantiel, mais aussi à la pertinence souvent encore perfectible des assistances via chatbot ou callback. Beaucoup d’assurés ayant débuté une demande en ligne décrochent et poursuivent directement avec un gestionnaire. Ces décrochages peuvent être générer par un parcours selfcare inadapté avec une multiplication des solutions offertes : moteur de recherche, FAQ dynamique, chatbot … mais également par l’absence de réponse satisfaisante aux yeux des assurés. L’amélioration du self-care passe notamment par l’analyse de ces décrochages et la mise à jour continuent des réponses. Cette optimisation continue peut prendre différentes formes tel que l’analyse des réponses ayant obtenu un score en deçà d’un seuil de satisfaction, un volume de recherche par mots clés n’ayant obtenu aucun résultat …
Toutes ces technologies self-care, process mining, RPA et Machine Learning ne sont que des outils complémentaires et leur utilisation doit être adapté à l’objectif recherché. La démarche doit être penser dans sa globalité tourner sur le problème à résoudre ce qui optimisera l’usage et le ROI de la mise en œuvre.
Rhalid Bouakhris, Senior Consultant du pôle Institutions Financières
