Une offre aussi variée que les besoins

Principe fondamental de la réassurance structurée, elle repose sur les besoins spécifiques de chaque assureur direct. « Nous partons toujours du problème spécifique d'un client et essayons d'y trouver une solution à l'aide de contrats de réassurance », explique Dr. Eike Meerbach, expert en réassurance structurée au sein du service central de gestion des souscriptions de Deutsche Rück. Afin de trouver des solutions adaptées, il est dès lors crucial pour le réassureur de comprendre précisément les besoins de ses clients et de travailler en très étroite collaboration avec eux.

L'offre de solutions structurées de réassurance sur le marché est très variée – aussi variée que les besoins de chaque assureur direct. Les éléments caractéristiques sont notamment une couverture dans le domaine des périodes de récurrence faibles (5 à 20 ans), la limitation des possibilités de profits et de pertes, un transfert de risques limité, mais suffisant, la durée pluriannuelle des contrats, ou encore l'agrégation des risques et les composantes d'autofinancement. Les couvertures sont généralement placées auprès d'un ou de quelques réassureurs, et non sur le marché général de la réassurance. Pour le réassureur, elles sont un moyen de fidéliser les clients et de se différencier dans un contexte de concurrence exacerbée, tout en présentant une volatilité des résultats globalement faible. Pour l'assureur primaire, ces solutions sont sur-mesure et attractives sur le plan économique.

Optimiser les exigences en matière de capital et réduire la volatilité des résultats

Au cours des dernières années, des formes standard de réassurance structurée se sont développées sur le marché, permettant aux assureurs primaires de résoudre des problèmes centraux. Le contrat structuré de ratio de solvabilité est certainement un classique. Adapté à chaque client, il permet de planifier les exigences en matière de capital de solvabilité, même sur plusieurs branches et/ou années. Les solutions structurées peuvent ainsi soutenir de manière ciblée les plans de croissance et le développement de nouveaux segments d'activité.

Les accords pluriannuels « Stop Loss »/AXL (excédent de sinistre annuel) constituent une autre forme bien établie. Ils réduisent la volatilité des résultats et sécurisent les projections, également sur plusieurs secteurs et, si nécessaire, sous forme de solutions par année civile. Les programmes dits Retention-Sub-Layer (sous-couche de rétention), qui font l'objet d'une demande accrue ces dernières années, en sont un exemple. Ils offrent une protection contre une fréquence accrue des sinistres en-dessous des priorités du programme de réassurance traditionnel, au sein d'une ou de plusieurs branches, et donc une protection de l'assureur direct en cas de relèvement des priorités du programme de réassurance traditionnel. Des couvertures rétrospectives sont également utilisées de manière ponctuelle pour gérer les exigences en matière de capital de solvabilité. Il s'agit de couvertures de réserves actuarielles, appelées « Adverse Development Cover » ou « Loss Portfolio Transfers », sur une base structurée.

Être joignable à tout moment, traiter efficacement les sinistres complexes, proposer des polices hautement personnalisées : les assureurs répondent à ces exigences de leurs clients grâce, notamment, à l'intelligence artificielle (IA). Au sein de celle-ci, l’apprentissage automatique traite principalement des données structurées et aide les assureurs depuis de nombreuses années. Il classe, reconnaît et évalue. L’utilisation de l’IA générative (GenAI) est plus récente : cette dernière crée du contenu nouveau à partir de données non structures, de manière totalement autonome. Contenu similaire à ce qu’elle a préalablement analysé. « L’IA générative n’implique pas seulement des modèles de langage », explique Ruben Wienigk, ingénieur en IA et automatisation chez Deutsche Rück. « Cette technologie peut être utilisée de diverses manières, même si elle ne fonctionne pas encore de manière aussi efficace dans tous les domaines. Le défi consiste à trouver des cas d’application pertinents et qui génèrent un retour sur investissement. »

Bases de données de connaissances

Un des cas d’application typiques concerne la gestion des connaissances. Les assureurs stockent leur savoir-faire interne dans des bases de données, qu’ils relient à une solution d’IA générative. Les collaborateurs peuvent alors, comme avec ChatGPT, poser des questions sur des sujets spécialisés et obtenir des réponses basées sur des ressources internes. « L’IA générative dresse un pont entre les données de l’entreprise accumulées d’une part, et les personnes qui en ont besoin dans leur travail quotidien et doivent les récupérer rapidement d’autre part », explique Robert Schnoeckel, responsable des nouvelles technologies chez Versicherungsforen Leipzig, un prestataire de services allemand de connaissances pour le secteur de l’assurance.

Extraction de documents

Dans une démarche d’automatisation des processus, l’IA générative peut traiter contextuellement des données non structurées issues d’e-mails, de PDF ou de scans. Par exemple, elle identifie les types de documents tels que les factures et les contrats, puis en extrait les informations pertinentes. Ce modus operandi réduit les erreurs et accélère les processus, ce qui représente un avantage considérable compte tenu du manque de personnel et de la pression exercées sur les coûts. « L’IA générative aide ainsi les collaborateurs à relever leurs défis quotidiens plus efficacement », explique Ruben Wienigk.

Modèles de risque

Les assureurs utilisent depuis longtemps des logiciels pour évaluer les risques. Cependant, l’IA générative fournit des informations plus précises, plus rapidement, grâce à la grande quantité de données qu’elle est capable de traiter en très peu de temps. Par exemple, elle peut accéder automatiquement à des sources externes telles que les données météorologiques, les croiser avec les données clients et les sinistres historiques, et in fine faire ressortir des schémas ou détecter des anomalies. « C’est une interaction classique entre les humains et l’IA générative, prévient Robert Schnoeckel. Les systèmes traitent d’énormes quantités de données et font des suggestions. Sur cette base, les analystes des risques évaluent, fixent leurs priorités et créent des offres sur-mesure. » Il est crucial que le collaborateur, en tant que partie intégrante du processus, examine activement et assume la responsabilité de la décision finale.

Systèmes de dialogue

Les agents conversationnels répondent aux questions 24h/24, réagissent de façon contextuelle et permettent une assistance rapide et sur-mesure. Les systèmes traitent eux-mêmes les questions courantes, ce qui permet aux collaborateurs de se concentrer sur les demandes plus complexes des clients, qui nécessitent pour leur part un jugement humain. La communication client est donc beaucoup plus automatisée avec l’IA générative. Cependant, Ruben Wienigk insiste sur le point suivant : « Dans la relation client, la proximité et la confiance comptent aussi. Certains clients ne veulent pas communiquer avec un agent conversationnel, mais avec une vraie personne. L’empathie est nécessaire, surtout en cas de réclamation. Et jusqu’à présent, seul le contact humain favorise cela. »

Reconnaissance d’image

Les outils de reconnaissance d’image de l’IA générative, par exemple, analysent des photos de voitures endommagées et évaluent instantanément la gravité des dégâts. Des outils avancés vont même plus loin en indiquant quelles réparations sont nécessaires, en calculant les coûts induits et en transférant automatiquement, jusqu’à un certain seuil, des sommes d’argent. Pour ce faire, les outils s’appuient sur d’énormes quantités de dommages déjà traités et de photos, avant d’en tirer des conclusions pertinentes. De cette manière, les collaborateurs en charge de la gestion des sinistres traitent les dossiers plus rapidement. « Le traitement des sinistres est l’un des principaux facteurs de coût pour les assureurs. Le levier pour réaliser des économies est énorme », assure Robert Schnoeckel.

Personnalisation

Les algorithmes d’intelligence artificielle sont déjà utilisés dans des produits d’assurance, tels que la télématique. Les outils d'IA évaluent en permanence les données provenant, par exemple, des voitures connectées, des maisons intelligentes ou des appareils portables. Ils simplifient considérablement le traitement de ces volumes de données. « Plutôt que se baser sur des hypothèses générales, comme par exemple le fait que les conducteurs inexpérimentés causeraient plus d’accidents que les conducteurs expérimentés, cela permet à un assureur de fixer le prix du risque réel, explique Ruben Wienigk. Ce procédé rend les produits plus justes et plus attrayants. »

L'IA elle-même n'est pas responsable, car elle n'a pas de personnalité juridique. Ce sont donc les humains qui doivent assumer la responsabilité. « Les drones pilotés par l'IA sont soumis aux mêmes principes que les véhicules à moteur ou les autres aéronefs : il existe une responsabilité stricte du propriétaire, indépendamment de toute faute », explique Anja Käfer-Rohrbach, directrice générale adjointe de la Fédération allemande des assurances (GDV). Cependant, les compagnies d’assurances pourraient demander des remboursements, et les juristes pourraient vérifier si le propriétaire est responsable ou si le drone était défectueux – le matériel, le logiciel ou les données d'entraînement. S'il est impossible de comprendre comment l'IA parvient à ses décisions, cette preuve est difficile à apporter. Les premières lois prennent davantage en compte les nouvelles technologies. Mais modifient-elles également les régimes de responsabilité ?

Ce qui va changer sur le plan juridique

Le 1er août 2024, le règlement « EU AI Act » est entré en vigueur. Le texte classe les systèmes d'IA par catégories de risque, prescrit la manière dont les entreprises peuvent les utiliser, et prévoit des amendes en cas d'infraction. « Le règlement détermine l'utilisation de l'IA, mais pas qui est responsable des dommages », signale Dr. Daniel Kassing, avocat spécialisé dans le droit des assurances et partenaire au sein du cabinet Clyde & Co Europe LLP.

Il en va autrement de la nouvelle directive européenne relative à la responsabilité du fait des produits défectueux, applicable depuis le 8 décembre 2024. Elle régit les demandes de dommages-intérêts des personnes physiques à l'encontre des fabricants ou d'autres acteurs économiques. Et, pour la première fois, elle apporte de la clarté : les logiciels et les systèmes d'intelligence artificielle sont expressément considérés comme des produits au sens de la responsabilité du fait des produits.

En outre, elle élargit le cercle des personnes pouvant être tenues responsables. À l'avenir, la responsabilité incombera, par exemple, aux prestataires de services de plateforme et de traitement des commandes, notamment lorsqu'un fabricant chinois n'est pas joignable. Les entreprises qui, jusqu'à présent, ne voyaient aucun risque en matière de responsabilité doivent désormais envisager de souscrire à une assurance responsabilité du fait des produits, explique la GDV. En outre, la directive facilite la présentation des preuves par les personnes lésées. Dans le cadre d'une procédure judiciaire, elles peuvent exiger que le fabricant divulgue des informations pertinentes. Celui-ci doit alors indiquer où se situe le défaut. Cela rend les processus plus longs et plus coûteux. « Il faut s'attendre à ce que les procès en dommages-intérêts contre les fabricants se multiplient et deviennent plus complexes, surtout durant les premières années », met en garde Daniel Kassing.

À l'origine, l'UE voulait également créer, par le biais d'une loi spécifique, des règles de responsabilité pour les utilisations de l'IA en dehors du droit de la responsabilité du fait des produits. « La question de savoir si les exploitants de certains systèmes d'IA devaient souscrire une assurance obligatoire, comme c’est le cas dans le domaine de la circulation routière, a également été abordée », poursuit l’avocat. En février 2025, la Commission européenne a toutefois mis fin au projet, faute de consensus. Reste à savoir si l’idée réapparaîtra. « Si ce n'est pas le cas, je peux imaginer qu’il y aura des discussions sur l'ajout de règles de responsabilité en matière d'IA aux lois existantes », estime Daniel Kassing.

Pourquoi les règles en vigueur fonctionnent-elles ?

La GDV part du principe que peu de choses changeront dans un premier temps, en dehors du droit de la responsabilité du fait des produits : « Même si l'IA est vécue comme quelque chose de tout à fait nouveau, cela fait longtemps que les logiciels aident les gens dans leur travail », rappelle Anja Käfer-Rohrbach. « Les cas d'IA peuvent être maîtrisés avec les règles de responsabilité existantes. »

A titre d’illustration, les dermatologues utilisent de longue date des outils d'IA pour le diagnostic, par exemple pour détecter le cancer de la peau. Dans le cas où ni le logiciel, ni le médecin, ne decèlent la tumeur, c'est généralement l'assurance responsabilité civile professionnelle de ce dernier qui paie dans un premier temps. Prenant la décision finale, il assume, de fait, la responsabilité. « L'IA est un outil sur lequel je ne peux pas me reposer aveuglément », met en garde Daniel Kassing.

Si le logiciel était défectueux, l'assurance peut, en revanche, se retourner contre le fabricant du dispositif médical. Le facteur déterminant reste le même : y a-t-il eu une erreur de traitement ou l'appareil est-il tombé en panne ? « En principe, toute personne responsable de dommages indépendamment de l'IA peut être tenue responsable », résume la GDV. « En règle générale, cela touche d'abord la personne que la victime peut poursuivre le plus facilement. »