Dans le monde méticuleux de l’actuariat, où la rigueur statistique et l’acuité commerciale convergent pour évaluer les risques et prévoir les résultats financiers, une évolution silencieuse est en cours. Cette évolution est motivée par les capacités nuancées de l’intelligence artificielle générative (IA générative), une branche de l’IA qui a progressivement gagné en reconnaissance au sein de l’industrie.
Qu’est-ce que l’intelligence artificielle générative?
Parmi les diverses technologies génératives, la principale avancée concerne la capacité des modèles d’apprentissage automatique à générer des réponses en langage naturel qui ressemblent beaucoup à celles produites par les humains, ce qui les rend souvent presque impossibles à distinguer.
Pour les actuaires qui doivent composer avec de vastes quantités de données non structurées, l’IA générative représente un moyen prometteur pour transformer les données en renseignements exploitables, de manière à améliorer la précision et l’efficacité de leur travail.
Bien que l’IA générative englobe un large éventail de techniques et d’applications, les grands modèles de langage (GML) représentent une percée dans le domaine.
Qu’est-ce qu’un grand modèle de langage?
Les GML sont au cœur de l’IA générative. Ces modèles s’inscrivent dans le cadre de deux principaux types de réseaux antagonistes génératifs/d’IA générative, qui excellent dans la création d’images, de textes et de traductions, et de GML en tant que tels. Les GML sont spécialement conçus pour comprendre les relations statistiques entre les mots et les phrases, ce qui leur permet de produire un texte à la fois cohérent et grammaticalement correct.
Ces modèles s’appuient sur de vastes ensembles de données, ce qui les rend très efficaces pour imiter la communication humaine. Cette capacité fournit aux actuaires et à d’autres professionnels des outils puissants pour gérer et analyser efficacement des données complexes.
Un aspect critique du fonctionnement de ces modèles est la segmentation en unités, un processus essentiel à l’analyse de textes et à l’apprentissage automatique. La segmentation en unités permet de diviser les données textuelles non structurées en petites unités, ou jetons, en attribuant à chacune un indice numérique, de manière à simplifier la façon dont les modèles comprennent et traitent le langage.
Combler le fossé : l’apprentissage automatique traditionnel et l’IA générative
Le paysage de l’IA se caractérise par l’apprentissage automatique traditionnel, avec ses modèles discriminatifs de classification et de prévision des résultats, et par l’IA générative, qui favorise l’innovation en créant de toutes nouvelles données. La distinction entre les modèles discriminatifs et génératifs est essentielle. Les modèles discriminatifs excellent dans les tâches de classification et de prévision, ce qui les rend adaptés aux applications analytiques. En revanche, les modèles génératifs sont inégalés dans leur capacité de créer et d’innover, ce qui les rend idéaux pour les tâches nécessitant la création de nouveau contenu.
Quelles sont les tendances courantes en matière de solutions d’IA générative dans le secteur des services financiers?
Dans le monde dynamique des services financiers, l’IA générative est une force de transformation qui propose des capacités avancées permettant de redéfinir les normes de l’industrie. Voici quelques-unes des incidences de l’IA générative :
Recherche sémantique
Améliorer les capacités de gestion et de recherche dans les grands ensembles de données des institutions financières. Cela comprend :
- La gestion et l’organisation des documents : analyser le contenu des documents, catégoriser des documents, générer des noms de fichiers descriptifs et organiser des documents en fonction de leur priorité, de leur contenu et de leur pertinence;
- L’extraction des connaissances et la réponse aux questions : répondre rapidement aux demandes de renseignements sur les politiques, les dossiers de demande, les documents réglementaires, etc.
Présentation de résumés
Les outils d’IA générative permettent de résumer rapidement des rapports financiers et des communications complexes, afin d’aider les professionnels à saisir les points essentiels et à prendre des décisions éclairées sans devoir examiner attentivement des données exhaustives.
- Résumés de documents et de dossiers : résumer des dossiers de demande, des études de cas, des rapports d’inspection, des rapports d’évaluation, des documents médicaux, des trousses de demande et des documents réglementaires.
- Résumés de conversations et de communications : résumer diverses formes de communication comme des appels, des courriels et des interactions par clavardage.
Génération de nouveau contenu
La capacité de l’IA à générer du contenu personnalisé (communications avec les clients, conseils financiers, etc.) révolutionne l’interaction avec les clients et les services-conseils en finance :
- Génération de correspondance automatisée : rédiger des courriels de suivi, des lettres sur l’état d’avancement, des lettres de position de couverture, des dossiers de demande de subrogation et des lettres de contestation.
- Analyse et formulation de recommandations : analyser des dossiers, des détails sur une police, des interactions antérieures et des lignes directrices afin de formuler des recommandations en ce qui a trait aux prochaines étapes, à la détermination de la couverture et aux occasions de vente croisée et incitative.
Traduction et génération de code
Ces fonctionnalités de l’IA générative permettent de redéfinir les opérations financières transfrontalières et le développement de technologies financières en facilitant la traduction linguistique et en convertissant le langage naturel en code, éliminant ainsi les obstacles et accélérant le développement d’applications financières. Les cas d’utilisation comprennent :
- La génération de contenu technique : générer des récits d’utilisateurs, des cas d’essai et des données fictives à des fins d’essai;
- La génération de code : produire du code selon les énoncés de problème fournis.
Incidence de l’IA générative sur le secteur des services financiers
En adoptant ces fonctionnalités de l’IA générative, le secteur des services financiers est en mesure de relever certains défis associés aux processus manuels et à l’accessibilité des données, améliore son efficacité et favorise l’innovation.
Les dirigeants de l’ensemble du secteur croient que l’IA génératrice perturbera leur secteur d’activité, apportera de la valeur à leur entreprise et aura une incidence positive sur leur main-d’œuvre.
Comment l’IA générative peut-elle changer le travail des actuaires?
L’IA générative est sur le point de transformer le travail des actuaires, qui repose traditionnellement sur un mélange d’analyse statistique, d’acuité commerciale et d’intuition en matière d’évaluation des risques et de prévisions financières. Cette IA introduit des outils qui génèrent des données synthétiques à des fins novatrices, automatisant des tâches comme l’analyse de scénarios, la validation de modèles, la souscription, etc. Elle permet aux actuaires de tenir compte de résultats plus vastes et d’adapter les polices d’assurance en analysant en profondeur les facteurs de risque personnels.
De plus, l’IA générative permet de générer du contenu comme des rapports, ce qui permet de gagner du temps et d’assurer l’uniformité. Elle appuie également les actuaires dans le codage, même pour ceux qui ont des compétences limitées, et propose des outils d’apprentissage personnalisés.
Dans l’ensemble, l’IA générative améliore l’analyse actuarielle, l’innovation en matière de produits et l’efficacité opérationnelle, ce qui permet aux actuaires de se concentrer sur leurs rôles stratégiques et consultatifs, et d’ajouter une valeur accrue à leur organisation et à leurs clients.
Applications actuarielles : une nouvelle frontière
Dans le domaine de l’actuariat, l’IA générative révolutionne les processus traditionnels, permet de réaliser des gains d’efficience et présente de nouvelles capacités. Voici quelques cas d’utilisation clés dans lesquels l’IA générative a une incidence importante.
| Cas d’utilisation | Description | Avantages |
| Production de rapports d’analyse | L’IA générative automatise la création de contenu et de résumés narratifs pour les rapports, fournissant des renseignements sur les résultats techniques et les mesures financières. Elle peut rédiger des sections de notes actuarielles et financières dans des formats normalisés. | Produire efficacement des analyses éclairées et assurer une documentation cohérente et de grande qualité pour les rapports actuariels. |
| Validation de modèles actuariels | Un assistant virtuel en matière d’IA générative simplifie la compréhension des modèles et des techniques actuariels complexes, ce qui permet leur adoption plus rapide. Il fournit des explications concises, simule des scénarios et offre des possibilités d’apprentissage interactif. La détection des anomalies permet de détecter rapidement les incohérences. Cet outil simplifie non seulement le processus de validation, mais assure également la conformité aux normes les plus récentes, améliorant ainsi la prise de décisions et la gestion des risques avec un minimum d’efforts. | Rationaliser le processus de validation, réduire le temps et les efforts requis, assurer la fiabilité du modèle et la conformité aux normes, et améliorer la prise de décisions et la gestion des risques. |
| Automatisation des exécutions de modèles et des analyses de scénarios | Les agents de clavardage de l’IA automatisent les exécutions de modèles et les analyses de scénarios, simplifient les processus préalables à l’exécution des modèles comme l’agrégation et le filtrage des données, et lancent des moteurs de calcul aux fins de calculs actuariels. Cela facilite également le recoupement avec diverses sources de données. | Améliorer l’efficacité et la prise de décisions, dégager des ressources spécialisées pour des tâches de plus grande valeur. |
| Élaboration de modèle actuariel | L’IA générative aide à rédiger le code à partir d’invites de texte, à examiner et à déboguer le code, à suggérer des améliorations, à ajouter des commentaires aux fins de documentation, à créer des tests unitaires et de régression, et à convertir le code entre différents langages de programmation. Par exemple, elle peut convertir des fichiers Excel en code Python pour harmoniser des systèmes et améliorer les performances de calcul. | Optimiser l’élaboration et l’exécution de modèles, améliorer la production de codes, accélérer le développement, simplifier le transfert des connaissances et assurer une gestion complète des modèles de documentation. |
| Transcriptions intelligentes et résumés de réunions | Les outils de transcription de l’IA permettent d’enregistrer avec précision les réunions, de faire la distinction entre les différents locuteurs et de produire des résumés qui mettent en évidence les principaux points de discussion et mesures à prendre. | Gagner du temps, saisir des renseignements détaillés et améliorer la productivité lors des réunions. |
| Assistants d’apprentissage personnalisés | L’IA générative améliore l’apprentissage en proposant du contenu personnalisé, des questions interactives et une rétroaction automatisée sur les jeux-questionnaires et les exercices. Par exemple, elle peut être utilisée avec des logiciels comme AXIS pour créer un assistant virtuel personnalisé et aider les nouveaux subalternes à apprendre à utiliser un logiciel. De plus, un assistant virtuel peut interpréter les normes IFRS 17 et aider les nouveaux employés à bien saisir cette réglementation complexe. | Améliorer l’efficacité de l’apprentissage, offrir des expériences éducatives personnalisées et accélérer l’acquisition de connaissances. |
| Souscription améliorée | L’IA générative simplifie le processus de souscription en vérifiant l’uniformité des bases de données, en synthétisant les données pour des couvertures uniques et en proposant des cotes de risque relatives. Elle évalue également les nouveaux groupes pour les couvertures collectives. | Accroître l’efficacité de la souscription, améliorer l’évaluation des risques, réduire les erreurs manuelles et fournir de l’information en temps opportun pour une meilleure prise de décisions. |
| Gestion et analyse de données | L’IA générative prend en charge l’enrichissement, la manipulation, la validation et l’analyse automatisée des données, ainsi que la détection des anomalies. | Générer efficacement de grands volumes de données d’essai, répondre aux préoccupations en matière de protection de la vie privée au moyen d’ensembles de données synthétiques, améliorer les techniques d’analyse, gagner du temps, réduire les efforts manuels et assurer un formatage uniforme des données. |
Se lancer dans l’aventure de l’IA générative
À l’ère de la transformation numérique de la profession actuarielle, l’IA générative se démarque comme étant une innovation clé, offrant aux actuaires l’occasion d’améliorer considérablement leurs compétences analytiques et leur efficacité. Les actuaires doivent commencer par établir une base solide sur les principes de l’IA générative, et les cours et les ateliers offerts en ligne représentent des ressources idéales pour acquérir des connaissances et une expérience pratique.
Les actuaires peuvent explorer divers outils d’IA générative comme l’architecture GPT pour le traitement du langage ou des modèles de source ouverte comme Mistral ou Llama. Ces outils peuvent être intégrés de façon transparente aux flux de travail actuariels au moyen d’interfaces de programmation d’applications. Le lancement de projets à faible risque offre un environnement sûr dans lequel les actuaires peuvent faire l’expérience de l’IA générative et en évaluer l’efficacité par rapport aux méthodes conventionnelles.
Plus les actuaires se familiariseront avec l’IA générative, plus elle pourra être intégrée de façon transparente aux tâches quotidiennes, en vue d’automatiser les tâches courantes et d’améliorer l’analyse des données. Il est essentiel d’élaborer des pratiques exemplaires propres au domaine de l’actuariat en ce qui a trait à l’utilisation de l’IA générative.
Les actuaires ne devraient pas seulement se contenter d’utiliser l’IA générative; ils devraient jouer un rôle central dans sa mise en œuvre. Grâce à leur compréhension approfondie des données et des modèles d’assurance, les actuaires sont particulièrement bien placés pour s’assurer que l’IA générative est utilisée de façon efficace et responsable au sein de la profession.
À propos des auteurs
Simon Girard, FICA, est associé au sein du service d’assurance et d’actuariat-conseil chez Ernst et Young (EY) et dirige ce groupe au Canada. À titre d’associé, il sert des sociétés en Amérique du Nord et s’engage à innover et à faire progresser la profession actuarielle. Il parraine le développement de solutions d’analyse avancée adaptées à l’industrie de l’actuariat et des rentes pour l’industrie des assurances. Ses autres domaines d’intérêt comprennent le changement comptable (IFRS 17) et la transformation actuarielle et financière. Simon est aussi Fellow de la Society of Actuaries, et détient le titre d’analyste financier agréé.
Cem Unlubayrak est directeur principal du groupe de pratique actuarielle chez EY Canada. Avec plus de 10 ans d’expérience dans le secteur des assurances, il combine les compétences en ingénierie et en actuariat pour stimuler la transformation des assureurs. Il s’intéresse notamment à la mise en œuvre de l’IFRS 17, à l’élaboration de cas d’utilisation de grande valeur en intelligence artificielle, ainsi qu’à l’analyse et à la gestion des risques émergents.
Cet article présente l’opinion des auteurs et ne constitue pas un énoncé officiel de l’ICA.
