IA physique : implications pour les gestionnaires de risques, assureurs et experts en sinistres

Comment l’IA physique transforme les opérations à travers les industries

L’intelligence artificielle physique (IA) transforme rapidement les environnements opérationnels dans les domaines de la logistique, de l’entreposage et du transport. Des systèmes d’entrepôt autonomes et des flottes de camions sans conducteur sont maintenant déployés à grande échelle, modifiant fondamentalement la manière dont les risques sont créés, concentrés et transférés. Cette évolution introduit un profil de risque mixte combinant actifs physiques, prise de décision par logiciel et interconnectivité à l’échelle du système.

La transition vers l’IA physique n’est pas spéculative; Elle est déjà mise en œuvre dans plusieurs secteurs, souvent par le biais de programmes de transformation pluriannuels.

Les grands détaillants et les compagnies de logistique transforment les centres de distribution en opérations autonomes. Le transport routier autonome est déjà testé et déployé dans des environnements réels. La robotique est introduite dans presque tous les secteurs de l’économie, particulièrement dans des secteurs comme l’exploitation minière, la fabrication, la distribution et la santé. Dans de nombreux cas, les organisations modernisent une installation, un seul emplacement ou système à la fois, en déplaçant graduellement leur exposition au risque à chaque transition.

Cette adoption progressive crée un défi unique : une seule organisation peut fonctionner simultanément dans des environnements traditionnels et autonomes, chacun avec des caractéristiques de risque très différentes. À mesure que plus d’installations se transforment, plus l’exposition se déplace vers des territoires inconnus.

Les systèmes d’entrepôt autonomes et la robotique d’usine évoluent au-delà des machines programmables traditionnelles avec des limites définies.

L’IA physique inclut de plus en plus l’IA agente et des robots autonomes pilotés par de grands modèles de langage. Ces systèmes sont conçus pour interpréter leur environnement, prendre des décisions et adapter leur comportement selon les conditions changeantes. Ils ne se contentent pas d’exécuter des instructions; Ils prennent, en fait, des décisions complexes dans des environnements dynamiques et évolutifs.

L’IA physique est déjà déployée à grande échelle dans la fabrication, l’entreposage et le transport. Les plateformes d’IA centralisées peuvent coordonner des centaines de robots autonomes au sein d’une seule opération, permettant des installations à plus haute densité, une production continue et une optimisation continue. Parallèlement, les technologies de camionnage autonome passent de programmes pilotes à un déploiement commercial, avec des véhicules autonomes opérant dans des corridors de fret désignés et accumulant des millions de kilomètres d’expérience opérationnelle. Les prévisions de l’industrie indiquent une expansion rapide de la flotte dans les années à venir.

Comment l’IA physique modifie les profils d’exposition au risque et de perte

L’adoption de l’IA physique modifie les risques de plusieurs façons cruciales :

• Les environnements autonomes condensent souvent plus d’opérations dans des espaces plus petits, augmentant la densité d’exposition.
• Des pannes d’équipements isolés aux événements à l’échelle du système touchant des installations ou des flottes entières
• De l’erreur humaine à la prise de décision algorithmique et autonome
• Des expositions traditionnelles d’entrepôt aux environnements d’actifs concentrés et à forte valeur ajoutée
• De l’exposition principalement à des blessures humaines à des dommages spécialisés à l’équipement et aux actifs

À mesure que ces actifs deviennent plus coûteux et plus sûrs, le profil de risque évolue. Dans certaines régions, la fréquence des pertes diminue, mais lorsque des incidents surviennent, ils sont plus graves, prennent plus de temps à restaurer, impliquent des enquêtes de subrogation plus complexes et entraînent une interruption d’activité significativement plus élevée ainsi qu’une exposition accrue à des dépenses.

Comment les réclamations et la responsabilité évoluent dans les environnements autonomes

À mesure que l’IA physique brouille la frontière entre les systèmes physiques et numériques, l’enquête sur les réclamations doit évoluer en conséquence. Déterminer la cause de la perte nécessite maintenant plus qu’une simple inspection physique. 

Les systèmes autonomes introduisent de nouveaux défis en matière de réclamations, notamment :

• Investigations de défaillance, origine et cause à travers des systèmes interconnectés
• Augmentation de la valeur des actifs et besoins spécialisés (main-d’œuvre qualifiée) et en restauration d’équipements
• Analyse d’incidents basée sur les données nécessitant des journaux système et une révision de la télémétrie
• Délais d’interruption d’activité accrus en raison du remplacement des délais de livraison des produits et de la validation et du recalibrage ou reséquençage du système.
• Une exposition accrue aux interruptions d’activité à mesure que l’automatisation réduit les coûts d’exploitation et favorise des marges bénéficiaires plus élevées.
• La perte ou les dommages de flottes entières d’équipements automatisés et de systèmes opérationnels.

Les enquêtes sur les réclamations nécessitent de plus en plus une expertise multidisciplinaire, incluant l’ingénierie robotique judiciaire, l’analyse avancée de données et l’évaluation des logiciels agents.

La responsabilité du transport routier autonome évolue rapidement, passant d’une responsabilité centrée sur le conducteur à une responsabilité partagée entre les fabricants, les développeurs d’IA et les exploitants de flottes. La capture de données en temps réel améliore la reconstruction des incidents, mais introduit une complexité supplémentaire pour déterminer la causalité et la responsabilité en cas de défaillance du système.

Les modèles d’assurance s’adaptent pour inclure une couverture mixte couvrant la responsabilité automobile, la responsabilité du fait fait et le risque cybernétique (piratage de véhicules).

Élan réglementaire et avenir des systèmes autonomes

Depuis 2017, le département des Transports des États-Unis et les principales entreprises de transport autonome se concentrent sur une priorité commune : la sécurité. Cela a été la priorité numéro un pour le gouvernement, les propriétaires, les exploitants, les consommateurs et tous les autres conducteurs sur la route. C’est compréhensible étant donné qu’il y a environ 500 000 accidents de véhicules par année impliquant des camions. De 2021 à 2023, les accidents de gros camions ont causé plus de 15 000 décès. Cependant, selon le DOT, plus de 90% des accidents sont causés par une erreur humaine. À ce jour, les premières données opérationnelles suggèrent que les technologies de conduite autonome pourraient réduire les accidents, les blessures et les décès.

La loi H.R. 4661 – AMERICA DRIVES propose un cadre fédéral pour le transport commercial autonome, incluant l’exploitation de véhicules de niveau 4 et 5 sans conducteurs humains à travers les frontières des États. Les cadres fédéraux proposés et les discussions réglementaires en cours pourraient permettre un déploiement interétatique plus large du transport routier autonome, bien que l’adoption au niveau des États demeure inégale et continue d’évoluer. Plusieurs États (dont l’Arizona, le Texas, le Nevada, la Floride, l’Oklahoma et l’Ohio) soutiennent déjà les essais et des programmes pilotes limités, offrant une expérience opérationnelle précieuse à mesure que la technologie mûrit.

Ce que les assureurs et les experts devraient faire maintenant

L’adoption rapide de l’IA physique oblige les assureurs et les experts en sinistres à s’adapter dès aujourd’hui.

Alors que l’IA physique continue d’évoluer, les organisations ne peuvent pas attendre une adoption complète pour agir. Plusieurs étapes peuvent les aider à mieux les positionner pour cette transition :

• Mise à jour des modèles de souscription et analyse de chaque risque lors du renouvellement
• Mise à jour de l’implémentation actuelle de l’IA physique par l’assuré pour refléter les risques au niveau du système et l’interconnexion de l’IA physique
• Réévaluation des structures de couverture pour l’interruption d’activité et les actifs de grande valeur
• Développement ou mise à jour des capacités de réclamations multidisciplinaires
• Surveillance des évolutions réglementaires affectant les opérations autonomes

Les organisations qui s’adaptent de manière proactive seront mieux placées pour gérer les expositions émergentes et maintenir la défendabilité des réclamations.

Se préparer à un paysage de risque plus complexe et axé sur le système

L’IA physique représente un changement fondamental des environnements à risque linéaires traditionnels vers des systèmes complexes et adaptatifs. Les événements de perte sont de plus en plus influencés par la façon dont les systèmes interprètent, décident et interagissent à grande échelle. Pour les assureurs et les experts en sinistres, le succès dépendra de la capacité à évaluer à la fois les dimensions physiques et numériques des sinistres, à développer une expertise multidisciplinaire et à répondre efficacement à un paysage de risque de plus en plus interconnecté, automatisé et axé sur les données.

Sources citées :

https://www.fmcsa.dot.gov/safety/data-and-statistics/large-truck-and-bus-crash-facts
https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813717.pdf