Par Adam Fisher, responsable des données
Il ne s'agit pas exactement d'un secret commercial ; toute personne ayant déjà déposé une demande d'assurance ou de prestations sait qu'il faut remplir beaucoup de formulaires et de documents.
Le contenu de ces documents, associé aux notes de l'examinateur ou de l'expert désigné, constitue les éléments constitutifs d'un dossier de demande d'indemnisation. Pour les spécialistes des données comme moi, ces informations se traduisent par des milliers de points de données qui peuvent être analysés et utilisés pour identifier des tendances et générer des rapports.
Ces dernières années, les fournisseurs de systèmes d'information de gestion des risques (SIGR) et d'autres acteurs du secteur de l'assurance ont utilisé des données structurées - qui sont clairement définies, généralement quantitatives et peuvent être manipulées avec précision - pour alimenter des tableaux de bord automatisés et mesurer les résultats. En revanche, les données non structurées - comme les documents scannés, les messages électroniques et les notes libres - sont essentiellement qualitatives et sont restées une ressource largement inexploitée du point de vue du système de gestion des sinistres en raison du temps et des efforts nécessaires pour en extraire des informations. Enfin, jusqu'à aujourd'hui.
La PNL : la nouvelle frontière
Le traitement du langage naturel (TLN) est une application de l'intelligence artificielle dans laquelle les ordinateurs "lisent" et interprètent les informations numériques, de la même manière qu'une personne le ferait. L'utilisation du TAL peut aller du traitement de texte de base à l'apprentissage automatique qui permet aux ordinateurs de déduire le sens du langage humain.
La technologie de la PNL a un potentiel énorme pour apporter une plus grande efficacité et une meilleure compréhension des différents aspects de la gestion des sinistres. J'aimerais mettre en lumière quelques applications de la PNL pour illustrer la manière dont cette technologie peut améliorer notre efficacité opérationnelle et les soins que nous apportons à nos clients, à leurs employés et à leurs clients.
Automatisation de la réception des demandes d'indemnisation
Certains clients américains de Sedgwick déclarent les nouvelles demandes d'indemnisation des accidents du travail par le biais d'une adresse électronique dédiée. Une équipe de collègues surveille cette boîte aux lettres et saisit manuellement tous les détails de la demande dans notre système d'admission. En fonction du nombre de demandes reçues dans la boîte aux lettres un jour donné, les demandes peuvent rester dans la file d'attente pendant plusieurs heures.
Nous avons commencé à mettre en œuvre un programme qui utilise la PNL pour transformer complètement ce processus. Pour notre client pilote, nous avons appliqué l'automatisation des processus robotiques (RPA) pour surveiller le trafic entrant dans la boîte aux lettres. Lorsqu'un nouveau message arrive, un "bot" enregistre les fichiers joints et les télécharge sur notre plateforme smart.ly. Le robot utilise le NLP pour lire les documents et extrait automatiquement 93 éléments d'information nécessaires pour lancer la procédure de demande d'indemnisation. Nous avons entraîné notre système à accepter un large éventail de formats de documents et à faire correspondre les informations intégrées aux champs appropriés dans les paires étiquette/valeur avec un niveau de précision extraordinaire.
Une fois que le système a validé les données extraites, une nouvelle demande est créée - le tout en moins d'une minute et sans intervention humaine ! L'utilisation de la PNL dans le cadre de ce projet pilote a permis de réduire considérablement les délais de traitement des demandes, ce qui signifie que nous pouvons affecter plus rapidement des examinateurs à l'assistance aux travailleurs blessés ou malades à la suite d'accidents du travail. Nous avons l'intention d'étendre cette solution à d'autres clients dans les mois à venir.
Possibilités de subrogation
Chez Sedgwick, une partie de notre rôle consiste à enquêter sur les circonstances entourant un sinistre et à identifier qui est responsable de sa couverture. Souvent, il s'agit de notre client, parfois d'un tiers. Dans les cas où notre client a payé un sinistre et que nous déterminons que quelqu'un d'autre est le responsable, nous nous efforçons de récupérer l'argent par le biais de la subrogation.
Les clients sont, bien sûr, toujours satisfaits lorsque ces coûts peuvent être récupérés à juste titre ; cependant, l'identification des réclamations pour lesquelles la subrogation est justifiée peut s'avérer difficile. Nous disposons d'une excellente équipe de spécialistes expérimentés qui examinent attentivement les demandes d'indemnisation afin d'identifier les possibilités de recouvrement, mais la responsabilité des tiers n'est pas toujours indiquée de manière explicite.
Afin de mieux aider nos clients à identifier les sinistres qui peuvent faire l'objet d'une subrogation, nous développons un modèle informatisé qui, à l'aide du NLP et de l'apprentissage automatique, peut examiner les notes et les documents relatifs aux sinistres à la recherche d'indices linguistiques de la responsabilité d'un tiers. Nous avons construit le modèle pour rechercher des références qui peuvent suggérer une autre partie responsable, comme les dysfonctionnements de produits, les morsures de chien et les collisions par l'arrière. Il s'agit des mêmes indices que ceux recherchés par nos spécialistes professionnels, sauf qu'un ordinateur peut lire beaucoup plus de texte en beaucoup moins de temps. Les tests préliminaires montrent que le modèle est plus de 70 % aussi efficace qu'un humain pour identifier les sinistres qui méritent un examen plus approfondi en vue d'une subrogation.
Ce que l'avenir nous réserve
Ce ne sont là que deux des nombreuses façons dont la technologie NLP peut apporter de la valeur et améliorer la gestion des sinistres. Nous explorons en permanence de nouvelles possibilités d'exploiter nos données non structurées (y compris plus de 4 milliards de notes dans notre système principal pour les sinistres de dommages et d'absences professionnelles aux États-Unis !
Comme le montrent ces exemples, l'objectif de la technologie n'est pas d'éliminer l'implication humaine, mais plutôt d'automatiser les aspects banals du processus afin que les professionnels talentueux et attentionnés puissent mieux faire ce qu'ils font le mieux. L'utilisation de la PNL pour l'accueil permettra à nos collègues de concentrer leur énergie sur les aspects stratégiques et empathiques du service à la clientèle. De même, notre modèle de subrogation PNL ne remplacera jamais nos experts en recouvrement. Il est conçu comme un outil supplémentaire qui aide les clients à maximiser les opportunités de subrogation et à attribuer équitablement la responsabilité des pertes. L'utilisation du NLP pour scanner rapidement des milliers de documents et de notes nous permettra de mieux utiliser les compétences d'investigation de nos spécialistes du recouvrement et de poursuivre des opportunités plus intéressantes.
La technologie continue d'évoluer, et les scientifiques des données parlent progressivement plus de compréhension du langage naturel que de traitement ; cependant, l'élément humain des sinistres est là pour rester. Chez Sedgwick, notre conviction que "l'attention compte" signifie que nous aurons toujours des collègues compétents et compatissants prêts à apporter leur aide en cas d'imprévu.
> En savoir plus - Découvrez l'expérience numérique de Sedgwick, axée sur les personnes, la technologie et les données.