Le marché mondial de l'intelligence artificielle (IA) dans le secteur de l'assurance devrait atteindre 150 milliards de dollars d'ici 2028, avec une croissance annuelle composée (TCAC) estimée à 32.7%, une croissance exponentielle qui témoigne d'une transformation radicale. Ce changement profond affecte tous les aspects de l'industrie de l'assurance, de la souscription à la gestion des sinistres, en passant par l'expérience client et le développement de nouveaux produits d'assurance. Les assureurs sont confrontés à des défis considérables, notamment la complexité croissante des produits d'assurance, la lutte contre la fraude à l'assurance, la maîtrise des coûts opérationnels élevés et l'amélioration de la satisfaction des clients. L'intelligence artificielle offre des solutions pour l'évaluation des risques et la tarification.
L'intelligence artificielle offre une solution prometteuse pour surmonter ces obstacles, en transformant le paysage de l'assurance. Elle permet d'optimiser les processus internes, d'améliorer la précision de la gestion des risques d'assurance, de personnaliser l'expérience client grâce à des recommandations individualisées et de créer de nouvelles sources de revenus. L'intégration de l'IA ne se limite pas à l'automatisation des tâches répétitives; elle représente une refonte complète des modèles d'affaires traditionnels de l'assurance. Les compagnies d'assurance qui adoptent l'IA sont mieux positionnées pour prospérer dans un marché de l'assurance en constante évolution, en tirant parti de l'analyse prédictive et de l'automatisation des processus.
Comprendre les fondamentaux de l'ia dans l'assurance
L'intelligence artificielle, appliquée au domaine de l'assurance, englobe un ensemble de technologies de pointe qui permettent aux machines d'imiter les fonctions cognitives humaines et d'optimiser les opérations d'assurance. Cela inclut le Machine Learning (ML), qui permet aux systèmes d'apprendre à partir de données sans être explicitement programmés, ce qui améliore la détection de la fraude; le Deep Learning, une forme avancée de ML qui utilise des réseaux neuronaux artificiels pour analyser des ensembles de données complexes, et facilite l'évaluation des risques d'assurance; le Natural Language Processing (NLP), qui permet aux machines de comprendre et de traiter le langage humain, et améliore le service client grâce aux chatbots; et la Computer Vision, qui permet aux machines de "voir" et d'interpréter des images, ce qui accélère l'évaluation des dommages. Un exemple simple d'application de ces technologies est un système qui utilise la Computer Vision pour évaluer les dommages d'un véhicule à partir de photos prises après un accident, accélérant ainsi le processus de réclamation.
L'efficacité de l'IA dans l'assurance repose sur l'exploitation de vastes quantités de données structurées et non structurées. Ces données peuvent provenir de diverses sources, telles que les informations sur les clients (âge, sexe, historique de santé, habitudes de conduite, etc.), les historiques de sinistres (type de sinistre, montant des indemnités, localisation, etc.), les données collectées par les capteurs de l'Internet des objets (IoT) (données de télématique automobile, données de capteurs de sécurité domestique, données de wearables, etc.), et les données démographiques (revenu, niveau d'éducation, emplacement géographique, etc.). Ces données sont ensuite utilisées pour alimenter les algorithmes d'IA, qui peuvent apprendre à identifier les tendances, à prédire les risques, à personnaliser les offres et à automatiser les processus d'assurance. L'analyse de ces données permet une tarification plus précise et une meilleure gestion des risques.
Cas d'utilisation courants de l'IA dans l'assurance
- Souscription & tarification: Évaluation des risques, tarification personnalisée basée sur le profil de risque individuel.
- Gestion des sinistres: Détection de la fraude à l'assurance, automatisation des processus de réclamation, évaluation des dommages grâce à la vision par ordinateur.
- Expérience client: Chatbots pour un service client 24/7, recommandations personnalisées de produits d'assurance, service proactif basé sur les besoins des clients.
- Marketing & ventes: Ciblage précis des prospects, création de leads qualifiés grâce à l'analyse prédictive, optimisation des campagnes marketing.
Optimisation de la gestion des risques et de la souscription avec l'IA
L'intelligence artificielle révolutionne la gestion des risques dans le secteur de l'assurance en permettant une analyse prédictive plus précise, une meilleure segmentation des risques et une souscription personnalisée et dynamique. Elle offre aux assureurs la capacité d'anticiper les risques avec une plus grande certitude, de réduire les pertes et d'adapter leurs offres d'assurance en conséquence. Cette transformation est essentielle pour rester compétitif dans un environnement en constante évolution, où les risques sont de plus en plus complexes et imprévisibles. L'IA permet aussi de mieux comprendre et gérer les risques cybernétiques qui sont devenus une préoccupation majeure pour les entreprises.
Les modèles traditionnels d'évaluation des risques, basés sur des données historiques limitées et des hypothèses simplificatrices, sont de plus en plus dépassés face aux nouveaux types de risques. L'IA, en revanche, peut analyser des ensembles de données massifs et complexes, intégrant des variables auparavant négligées, comme les données provenant des réseaux sociaux et les données environnementales. Cette capacité permet de mieux comprendre les facteurs qui influencent les risques, d'identifier les signaux faibles et d'établir des prédictions plus fiables, ce qui se traduit par une meilleure gestion des risques pour les assureurs et des primes plus justes pour les clients. L'IA permet également d'améliorer la conformité réglementaire et de réduire les coûts opérationnels.
Analyse prédictive améliorée grâce à l'IA
L'IA utilise des algorithmes sophistiqués pour analyser des données variées et identifier des schémas qui seraient impossibles à détecter pour un analyste humain. Par exemple, en assurance crédit, l'IA peut évaluer le risque de défaut de paiement d'une entreprise en analysant ses données financières, son historique de crédit, les tendances du marché, les informations provenant des médias sociaux et les données macroéconomiques. Les modèles prédictifs d'IA peuvent également intégrer des données environnementales, telles que les niveaux de pollution, les prévisions de changements climatiques, les données relatives aux catastrophes naturelles et les données géospatiales, pour évaluer les risques liés aux catastrophes naturelles et aux événements climatiques extrêmes. Par exemple, une compagnie d'assurance pourrait utiliser l'IA pour déterminer le risque d'inondation d'une propriété en analysant les données météorologiques historiques, les données topographiques, les données de construction et les données relatives aux infrastructures de drainage.
Le secteur de l'assurance a subi des pertes de 210 milliards de dollars en 2020 en raison de catastrophes naturelles, et l'IA peut jouer un rôle essentiel dans la réduction de ces pertes futures. L'utilisation de l'IA permet d'anticiper les risques avec une plus grande précision et d'adapter les stratégies de gestion des risques en conséquence, ce qui peut se traduire par des économies considérables pour les assureurs et une meilleure protection pour les clients. Les algorithmes d'IA peuvent également être utilisés pour optimiser la gestion des portefeuilles d'assurance et pour identifier les zones géographiques les plus exposées aux risques.
Souscription personnalisée et dynamique avec l'IA
L'IA permet une tarification plus précise et adaptée à chaque profil de risque, en utilisant des techniques de modélisation avancées et des algorithmes de Machine Learning. L'assurance automobile basée sur le comportement de conduite (UBI - Usage-Based Insurance), qui représente un marché de 100 milliards de dollars, est un exemple concret de cette personnalisation. Grâce à des capteurs installés dans les véhicules ou à des applications mobiles, les assureurs collectent des données sur le comportement de conduite des clients (vitesse, freinage, accélération, heures de conduite, etc.). Ces données sont ensuite analysées par l'IA pour évaluer le risque de chaque conducteur et ajuster la prime d'assurance en conséquence. Il est même possible d'envisager des produits d'assurance ultra-personnalisés, qui s'adaptent en temps réel aux besoins spécifiques et évolutifs de chaque client. Par exemple, une assurance voyage pourrait automatiquement ajuster sa couverture en fonction des conditions météorologiques à destination, des alertes de sécurité émises par les autorités locales, des retards de vol et des données relatives à la santé du voyageur.
Détection et prévention de la fraude à l'assurance
La fraude à l'assurance représente un coût considérable pour l'industrie de l'assurance, estimé à plus de 80 milliards de dollars par an aux États-Unis seulement, et plus de 30 milliards d'euros en Europe. L'IA peut aider à lutter contre ce fléau en identifiant les schémas frauduleux, en prévenant les fraudes à l'assurance et en réduisant les pertes financières pour les assureurs. L'analyse comportementale, par exemple, peut être utilisée pour détecter les fraudes aux sinistres automobiles, aux sinistres habitation et aux sinistres santé. En analysant les données relatives aux déclarations de sinistres (descriptions des accidents, témoignages, photos, vidéos, etc.), les données relatives aux antécédents des clients et les données provenant de sources externes (réseaux sociaux, bases de données publiques, etc.), l'IA peut identifier les incohérences et les anomalies qui suggèrent une tentative de fraude. Les assureurs peuvent également comparer l'efficacité des différentes approches d'IA (Machine Learning vs Deep Learning) en matière de détection de la fraude, afin d'optimiser leurs stratégies de lutte contre la fraude.
- Analyse des données textuelles pour identifier les incohérences dans les déclarations de sinistres.
- Utilisation de la reconnaissance d'image pour détecter les fraudes liées aux dommages automobiles et aux dommages habitation.
- Analyse des réseaux sociaux pour identifier les liens entre les personnes impliquées dans des sinistres suspects.
Amélioration de l'expérience client et de l'engagement grâce à l'IA
L'intelligence artificielle améliore significativement l'expérience client et l'engagement dans le secteur de l'assurance en offrant des services plus personnalisés, plus rapides, plus transparents et plus accessibles. Elle permet aux assureurs de mieux comprendre les besoins de leurs clients, d'anticiper leurs attentes et d'y répondre de manière proactive. Cette approche axée sur le client est essentielle pour fidéliser la clientèle, attirer de nouveaux clients dans un marché concurrentiel et améliorer la satisfaction client, qui est un facteur clé de la rentabilité des assureurs.
Les clients d'aujourd'hui s'attendent à une expérience fluide et personnalisée, comparable à celle qu'ils reçoivent d'autres industries, telles que le commerce électronique, les services financiers ou les services de streaming. L'IA permet aux assureurs de répondre à ces attentes en offrant des services disponibles 24h/24, 7j/7, des recommandations personnalisées de produits d'assurance, une communication proactive basée sur les besoins des clients et des processus de réclamation simplifiés et accélérés. Cette transformation est en train de redéfinir la relation entre les assureurs et leurs clients, en la rendant plus interactive, plus personnalisée et plus axée sur la valeur ajoutée.
Chatbots et assistants virtuels pour un service client optimal
Les chatbots et les assistants virtuels sont de plus en plus utilisés par les compagnies d'assurance pour gérer les demandes des clients 24h/24, 7j/7 et améliorer l'accès à l'information. Un chatbot peut répondre aux questions sur les polices d'assurance, aider les clients à déclarer un sinistre, les orienter vers le service approprié, leur fournir des informations sur les garanties et les exclusions, et leur proposer des solutions personnalisées. Ces outils permettent de réduire les délais d'attente, d'améliorer la satisfaction client et de libérer les agents d'assurance pour des tâches plus complexes et à plus forte valeur ajoutée. L'avenir des assistants virtuels pourrait inclure la reconnaissance vocale émotionnelle, permettant ainsi une interaction plus empathique et personnalisée. L'IA pourrait analyser le ton de la voix du client, ses expressions faciales et son langage corporel pour détecter le stress ou la frustration, et adapter la réponse en conséquence.
Personnalisation des offres d'assurance et des communications marketing
L'IA permet de proposer des produits d'assurance et des services adaptés aux besoins individuels des clients, en utilisant des techniques de segmentation avancées et des algorithmes de recommandation personnalisés. Par exemple, une compagnie d'assurance peut utiliser les données démographiques, les antécédents, les préférences du client, son historique de navigation sur le site web et son activité sur les réseaux sociaux pour lui recommander des produits d'assurance spécifiques. L'IA peut également anticiper les besoins futurs des clients et leur proposer des solutions proactives. Par exemple, si un client prévoit de déménager, l'IA pourrait lui proposer une assurance habitation adaptée à sa nouvelle situation, en tenant compte de la superficie du logement, de sa localisation géographique et de la présence de risques spécifiques (inondation, cambriolage, etc.).
L'utilisation de l'IA peut augmenter les ventes de produits d'assurance de 15% et améliorer le taux de fidélisation des clients de 20%. L'IA permet également de réduire les coûts d'acquisition de clients et d'optimiser les campagnes marketing, en ciblant les prospects les plus susceptibles de souscrire un produit d'assurance.
Simplification et automatisation des processus d'assurance
L'IA automatise les tâches répétitives, réduit les délais de traitement et améliore la satisfaction client. L'automatisation du processus de déclaration de sinistre via une application mobile utilisant la reconnaissance d'image en est un bon exemple. Le client peut prendre des photos des dommages et les envoyer à la compagnie d'assurance, qui utilisera l'IA pour évaluer les dommages et déterminer le montant de l'indemnisation. L'IA peut également automatiser le processus de souscription d'une assurance, en vérifiant les informations fournies par le client, en évaluant les risques et en générant un contrat d'assurance personnalisé. L'impact de l'automatisation sur le taux de fidélisation des clients est un élément important à prendre en compte. Les clients sont plus susceptibles de rester fidèles à une compagnie d'assurance qui leur offre une expérience fluide et efficace.
- Automatisation de la vérification des documents d'assurance.
- Automatisation de l'évaluation des risques et de la tarification.
- Automatisation du paiement des sinistres.
Automatisation des processus de gestion des sinistres grâce à l'IA
L'automatisation des processus de gestion des sinistres représente l'une des applications les plus prometteuses de l'IA dans le secteur de l'assurance. Elle permet de réduire les coûts opérationnels, d'accélérer les délais de traitement des réclamations, d'améliorer la précision des évaluations des dommages et d'améliorer la satisfaction des clients. Cette transformation est essentielle pour améliorer l'efficacité opérationnelle des compagnies d'assurance, réduire les fraudes et offrir une meilleure expérience aux clients, en leur fournissant un service rapide, transparent et personnalisé.
Les processus traditionnels de gestion des sinistres sont souvent longs, complexes, coûteux et sujets aux erreurs humaines. L'IA peut automatiser de nombreuses tâches, telles que la collecte de données, l'évaluation des dommages, la détection de la fraude, la communication avec les experts et le paiement des indemnités. Cette automatisation permet de réduire les erreurs humaines, d'accélérer les délais de traitement, de libérer les employés pour des tâches plus complexes et à plus forte valeur ajoutée et d'améliorer la conformité réglementaire. L'IA permet également d'améliorer la communication avec les clients et de leur fournir des informations en temps réel sur l'état de leur réclamation.
Automatisation de la réclamation d'assurance
L'IA accélère et simplifie le processus de réclamation, de la notification du sinistre à l'indemnisation du client. L'utilisation de l'IA pour évaluer les dommages automobiles à partir de photos et de vidéos est un exemple concret de cette automatisation. Le client peut prendre des photos des dommages avec son smartphone et les envoyer à la compagnie d'assurance, qui utilisera l'IA et des algorithmes de Computer Vision pour évaluer les dommages et déterminer le montant de l'indemnisation. L'utilisation des drones et de l'IA pour l'évaluation des sinistres liés aux catastrophes naturelles est également une piste prometteuse. Les drones peuvent survoler les zones sinistrées, collecter des images et des vidéos en haute résolution, et transmettre ces données à des systèmes d'IA pour évaluer les dommages aux biens immobiliers et aux infrastructures.
Détection de la fraude à l'assurance grâce à l'IA
L'IA identifie les réclamations frauduleuses en analysant les données, les schémas et les anomalies. L'analyse du langage naturel (NLP) peut être utilisée pour détecter les incohérences dans les déclarations de sinistres. L'IA peut également analyser les données relatives aux antécédents du client, aux circonstances de l'accident, aux témoignages, aux données provenant des réseaux sociaux et aux données provenant de sources externes pour identifier les schémas frauduleux. L'IA peut, par exemple, analyser les données et détecter qu'un certain client a déclaré un nombre anormalement élevé de sinistres au cours des dernières années, ce qui pourrait indiquer une tentative de fraude. L'IA permet de réduire les fausses réclamations de 30% et d'économiser des millions d'euros chaque année.
Evaluation des dommages et indemnisation automatisée
L'IA estime la valeur des dommages et automatise le paiement des indemnités. L'utilisation d'algorithmes d'IA pour déterminer le coût des réparations automobiles est un exemple concret de cette automatisation. L'IA peut également être utilisée pour évaluer les dommages causés aux biens immobiliers, tels que les maisons et les bâtiments, en tenant compte de la superficie du logement, de sa localisation géographique, des matériaux de construction utilisés et des données relatives aux coûts de réparation. L'intégration de la blockchain pour une gestion plus transparente et sécurisée des sinistres est une piste à explorer. La blockchain pourrait être utilisée pour stocker les informations relatives aux sinistres de manière sécurisée et transparente, ce qui permettrait de réduire les risques de fraude, d'améliorer la confiance entre les assureurs et les clients et de simplifier le processus de paiement des indemnités. Le temps de traitement des réclamations peut être réduit de 50% grâce à l'automatisation des processus.
Les défis et les limites de l'ia dans l'assurance
Bien que l'IA offre de nombreux avantages au secteur de l'assurance, elle présente également des défis et des limites qu'il est important de prendre en compte pour une implémentation réussie et une adoption responsable. Ces défis incluent le risque de biais des données et de discrimination, les problèmes de confidentialité et de sécurité des données, la complexité de l'intégration des systèmes d'IA avec les systèmes existants, la résistance au changement de la part des employés et les besoins en compétences spécifiques pour développer, déployer et gérer les systèmes d'IA. Pour maximiser les avantages de l'IA et minimiser les risques, il est essentiel de surmonter ces obstacles et de mettre en place des stratégies appropriées.
L'adoption de l'IA dans l'assurance nécessite une approche responsable, éthique et transparente. Les assureurs doivent veiller à ce que les algorithmes d'IA soient justes, non discriminatoires, transparents, explicables et respectueux de la vie privée des clients. Ils doivent également investir dans la formation de leurs employés, en créant des programmes de formation spécifiques pour les préparer aux nouvelles compétences requises par l'IA. En relevant ces défis, les assureurs peuvent tirer pleinement parti du potentiel de l'IA, créer un secteur plus efficace, plus personnalisé et plus centré sur le client et renforcer la confiance des consommateurs dans l'assurance.
Biais des données et risque de discrimination
L'IA peut perpétuer ou amplifier les biais existants dans les données, conduisant à des décisions injustes, discriminatoires et non conformes aux réglementations en vigueur. Par exemple, les algorithmes de tarification pourraient discriminer certains groupes de population en se basant sur des critères tels que le sexe, l'origine ethnique ou le code postal. Il est donc essentiel de mettre en place des solutions pour atténuer les biais des données, telles que la data augmentation, les audits réguliers, les algorithmes explicables, la collecte de données diversifiées et la mise en place de mécanismes de contrôle et de supervision. La data augmentation consiste à créer de nouvelles données à partir des données existantes, afin de corriger les biais et d'améliorer la performance des algorithmes. Les audits réguliers permettent de vérifier que les algorithmes d'IA ne sont pas discriminatoires et qu'ils sont conformes aux réglementations en vigueur. Les algorithmes explicables permettent de comprendre comment l'IA prend ses décisions, ce qui facilite la détection et la correction des biais. La transparence des algorithmes est donc cruciale.
Confidentialité et sécurité des données sensibles
La collecte, le stockage et l'utilisation des données personnelles des clients présentent des risques importants pour la confidentialité et la sécurité des données sensibles. Une violation de données clients peut avoir des conséquences juridiques graves, nuire à la réputation de l'assureur et entraîner une perte de confiance de la part des clients. Il est donc essentiel de discuter de l'importance de l'éthique de l'IA, de la nécessité de réglementations claires en matière de protection des données personnelles (RGPD) et de la mise en place de mesures de sécurité robustes pour protéger les données personnelles des clients. Les assureurs doivent mettre en place des politiques de confidentialité claires et transparentes, obtenir le consentement des clients avant de collecter et d'utiliser leurs données personnelles, anonymiser les données lorsque cela est possible, utiliser des techniques de chiffrement pour protéger les données sensibles et mettre en place des procédures de réponse aux incidents de sécurité. L'investissement dans la cybersécurité est donc primordial.
Résistance au changement et besoins en compétences spécifiques
L'adoption de l'IA peut rencontrer une résistance au changement de la part des employés, qui peuvent craindre une perte d'emploi due à l'automatisation. Il est donc important d'explorer les stratégies de gestion du changement pour favoriser l'adoption de l'IA et minimiser la résistance. Les assureurs doivent investir dans la formation de leurs employés pour les préparer aux nouvelles compétences requises par l'IA, telles que la science des données, l'analyse statistique, le Machine Learning, le Natural Language Processing et la cybersécurité. Ils doivent également communiquer clairement les avantages de l'IA, rassurer les employés sur leur avenir professionnel et leur offrir des opportunités de développement professionnel. La création d'une culture d'innovation et d'apprentissage continu est essentielle pour faciliter l'adoption de l'IA et pour tirer pleinement parti de son potentiel.
L'avenir de l'assurance avec l'IA: perspectives et innovations
L'avenir de l'assurance est intrinsèquement lié à l'intelligence artificielle. L'IA ne se contente pas d'optimiser les processus existants, elle ouvre également la voie à de nouveaux modèles d'affaires, à de nouveaux produits d'assurance, à de nouvelles opportunités de revenus et à une transformation profonde de la relation entre les assureurs et leurs clients. L'assurance préventive, l'assurance embarquée, l'exploration de nouveaux marchés, l'assurance basée sur la blockchain et l'utilisation de l'IA pour améliorer l'inclusion financière sont autant de domaines où l'IA jouera un rôle de plus en plus important. Les investissements dans l'IA devraient atteindre 50 milliards de dollars d'ici 2025, ce qui témoigne de l'importance croissante de cette technologie.
Les assureurs qui adoptent l'IA sont mieux positionnés pour prospérer dans un marché en constante évolution, qui est caractérisé par une concurrence accrue, des clients plus exigeants, des risques plus complexes et des réglementations plus strictes. Ils peuvent offrir des services plus personnalisés, plus efficaces, plus transparents et plus adaptés aux besoins de leurs clients. L'IA permet également de créer un secteur plus inclusif et accessible, en offrant des produits et services adaptés aux populations à faible revenu, aux personnes handicapées et aux personnes vivant dans des zones rurales isolées.
L'assurance préventive grâce à l'IA et à l'IoT
L'assurance évolue d'une approche réactive (indemnisation après un sinistre) à une approche proactive (prévention des sinistres grâce à l'IA et à l'IoT). Les assureurs peuvent offrir des réductions aux clients qui utilisent des dispositifs connectés pour surveiller leur santé ou leur sécurité. Par exemple, une compagnie d'assurance pourrait offrir une réduction sur la prime d'assurance habitation aux clients qui installent un système de sécurité connecté, un détecteur de fuites d'eau ou un détecteur de fumée connecté. On peut imaginer un scénario futur où l'IA prédit et prévient les accidents avant qu'ils ne se produisent. Par exemple, l'IA pourrait analyser les données de circulation en temps réel, les données météorologiques et les données relatives aux véhicules pour avertir les conducteurs d'un risque d'accident à proximité, en leur recommandant d'adapter leur vitesse ou de changer de voie.
L'assurance embarquée (embedded insurance) pour une expérience client intégrée
L'assurance est intégrée directement dans d'autres produits et services (ex: assurance voyage intégrée à une réservation de vol, assurance pour les appareils électroniques intégrée à un achat en ligne, assurance pour les vélos intégrée à une application de location de vélos). L'assurance pour les appareils électroniques vendus en ligne est un exemple concret de cette tendance. Le client peut souscrire une assurance pour son appareil électronique au moment de l'achat, sans avoir à passer par une compagnie d'assurance traditionnelle. La valeur du marché de l'assurance embarquée devrait atteindre les 700 milliards de dollars d'ici à 2030, ce qui représente une opportunité considérable pour les assureurs qui souhaitent étendre leur portée et atteindre de nouveaux clients.
Nouvelles opportunités de revenus et modèles économiques innovants
L'IA permet de créer de nouveaux produits et services d'assurance, d'explorer de nouveaux marchés et de développer des modèles économiques innovants. L'assurance pour les véhicules autonomes en est un exemple. Les véhicules autonomes présentent des risques différents des véhicules traditionnels, ce qui nécessite des produits d'assurance spécifiques, qui tiennent compte de la responsabilité du constructeur, du propriétaire du véhicule et du système d'IA qui contrôle le véhicule. Il est également possible d'explorer l'impact de l'IA sur la démocratisation de l'assurance et son accessibilité aux populations à faible revenu. L'IA pourrait permettre de créer des produits d'assurance plus abordables, plus flexibles et plus adaptés aux besoins de ces populations, en utilisant des données alternatives pour évaluer les risques et en automatisant les processus de souscription et de réclamation.