L'IA dans les assurances : L'IA OCR dans l'input management | Mise à jour 2024

Dans les assurances, la numérisation des processus via des systèmes d'input management n'est plus une nouveauté. Ces systèmes prennent en charge le traitement du courrier entrant jusqu'à l'archivage. L'objectif principal est de préparer des données structurées qui seront ensuite transmises aux systèmes suivants, comme par exemple un système ERP. Cependant, ces outils sont souvent vieillissants et très coûteux.

Gestion des entrées guidée par l'IA grâce à l'OCR et au NLP

Une extension de l'input management par la combinaison de différentes solutions d'intelligence artificielle (IA) comme la reconnaissance automatique de texte (OCR) et le traitement de texte (PNL) est aujourd'hui déjà utilisé pour plus de 62 % des interactions clients dans les compagnies d'assurance [1]. Le site OCR intelligent utilise l'indexation et l'extraction de champs de texte ou de sections entières de texte dans les documents ou les e-mails et augmente la précision des approches basées sur des règles de 6 % à 93 %. De plus, les compagnies d'assurance gagnent du temps en utilisant des solutions d'automatisation intelligentes telles que l'hyperautomatisation.

Comment fonctionne l'AI OCR ?

Traitement automatisé des documents avec les technologies OCR

OCR AI

Figure 1 : Traitement automatisé des documents à l'aide des technologies OCR

Le déroulement d'un traitement automatisé de documents avec OCR est illustré dans la figure 1. En général, ils suivent tous la même structure :

  1. Entrée

    L'entrée de données (le document) est extraite d'une base de données, d'un des systèmes frontaux comme un bot de traitement automatisé robotisé, d'un e-mail ou autre. Autres Fournisseurs Low-Code et No-Code vous trouverez dans notre article suivant.

  2. Prétraitement

    Les fichiers sont prétraités afin d'être traités indépendamment du type de fichier, de la qualité de la numérisation et du nombre de pages.

  3. détection intelligente

    La technologie de classification automatique des documents basée sur les neurones permet de trier les documents par type (par exemple, permis de conduire, relevé bancaire, formulaire fiscal, contrat, facture) et par sous-catégories définies par l'utilisateur (par exemple, factures du fournisseur A, factures du fournisseur B) en identifiant le contenu du texte et les modèles d'images.

  4. Attribution et catégorisation

    La machine neuronale de classification définit un type de document et sélectionne une définition de document correcte pour la suite du traitement du contenu.

  5. Extraction de données spécialisées

    Après la reconnaissance de certains champs, le texte structuré ou semi-structuré est extrait du document et exporté vers le système cible.

Si elle le souhaite ou si elle en a besoin, l'IA-OCR permet une vérification humaine en définissant un seuil de confiance. Ce feedback humain aide l'IA à apprendre en permanence. Le feedback humain, également appelé Human-in-the-Loop, peut être utilisé de manière flexible et individuelle par le biais de la Validation de documents UI être intégré dans chaque processus. Si un seuil défini n'est pas atteint, une vérification manuelle est effectuée avant que les données ne soient exportées vers le système cible. La sortie finale de ce processus peut être un fichier XML, JSON, CSV, XLSX/XLS, TXT ou HOCR.

Étendue des fonctions de l'Input Management

1. courrier postal

Le courrier entrant est réceptionné par les logisticiens postaux concernés.

2. tri des lettres

Les lettres reçues sont triées selon le critère "ouvrir" ou "ne pas ouvrir".

3. ouverture de la lettre

Les lettres classées "ouvrir" sont ouvertes. Pour ce faire, on utilise généralement des technologies d'ouverture de lettres.

4. tri fin

Le domaine du tri fin regroupe toutes les activités de tri et de préparation pour la numérisation ultérieure du courrier. En font partie le tri selon, par exemple, les formats spéciaux, les mandants, les types et sous-types de processus, mais aussi la préparation de la numérisation : dégrafage, préparation de pages individuelles, lissage, insertion d'intercalaires ou application de codes-barres pour la séparation des processus/documents.

5. balayage

La numérisation consiste à convertir les documents analogiques sur papier en formats de fichiers numériques à l'aide de MFP, de scanners de bureau ou de scanners de production.

6. scannage mobile

Les applications mobiles permettent de numériser les documents papier du client ou du partenaire directement dans l'input management.

7. importation de fax

Lors de l'importation de fax, les fax sont directement repris du serveur de fax. De plus, une amélioration de l'image a lieu, par exemple dans le domaine de la compression et de la mise à l'échelle.

8. importation d'e-mails

L'importation d'e-mails permet d'importer des fichiers électroniques depuis des systèmes de messagerie (Exchange, Lotus Notes) dans l'Input Management.

9. préparation de l'e-mail

Les e-mails sont convertis de manière à ce que le corps de l'e-mail et les pièces jointes puissent être analysés séparément dans les étapes suivantes du processus. Souvent, il est également nécessaire de convertir les pièces jointes des e-mails dans un format lisible par une machine.

10. OCR, OMR, OBR

L'Optical Character Recognition (OCR) est une méthode de conversion de textes qui ne se présentent pas sous la forme de caractères lisibles par une machine, mais dans un format d'image, en une suite de caractères codés pouvant être traités par un ordinateur (information codée). De plus, la reconnaissance optique de marques (OMR) permet de reconnaître des marques (par ex. cases à cocher) et la reconnaissance optique de codes-barres (OBR) permet de reconnaître des codes-barres et des codes Datamatrix.

11. importation de sites web/portails/fichiers

L'importation de sites/portails web permet d'importer des fichiers électroniques dans l'Input Management à partir de pages Internet ou de portails Internet. L'importation de fichiers permet d'importer dans l'Input Management des fichiers électroniques provenant du système de fichiers.

12. messages vocaux

Les messages vocaux sont par exemple importés d'un système téléphonique dans l'Input Management.

13. de la voix au texte

Voice to Text permet de convertir des mots parlés en chaînes de caractères traitables.

14. classification

Attribution automatique d'un type de document ou d'une classe de document à un document numérisé.

15. extraction

Lecture automatique des champs de documents à partir de documents numérisés.

16. contrôle de plausibilité

Vérification tolérante aux erreurs des champs de documents saisis via l'extraction à l'aide de bases de données de référence.

17. enrichissement des données

Enrichissement des champs de documents extraits à l'aide de bases de données de référence.

18. correction manuelle

Les types de documents ou les champs de documents non reconnus dans la classification et l'extraction sont retravaillés manuellement et les données sont complétées.

19. traitement spécial & 1er niveau

Les données manquantes nécessaires à la poursuite du traitement sont obtenues manuellement en demandant des précisions. On parle de traitement de premier niveau, de traitement large ou de traitement simple lorsque des opérations commerciales simples sont traitées de manière exhaustive. Par exemple, le traitement d'un retour de marchandises, y compris la recherche d'adresse nécessaire, relève de ce domaine.

20. transfert de la boîte aux lettres électronique

Les métadonnées et le document sont transmis à la boîte aux lettres électronique pour la suite du traitement du dossier.

21. transfert des archives électroniques

Les métadonnées et le document sont transmis à l'archive électronique pour un archivage conforme aux exigences de la révision.

22. gestion des réponses aux e-mails

Les métadonnées, le document et l'e-mail dans son format d'origine sont transmis à un système de réponse automatisée aux e-mails. L'utilisation de la gestion des réponses aux e-mails permet de traiter et de répondre plus efficacement aux e-mails entrants, ce qui optimise la communication avec les clients et les partenaires.

Automatisation des processus avec l'hyperautomatisation dans l'assurance

Dans la perspective de la pandémie et de la crise économique qui en a résulté, il est devenu de plus en plus important d'optimiser et de stabiliser les processus dans les assurances. Grâce au développement de technologies d'automatisation telles que l'OCR, le RPA (Automatisation des processus robotiques) et l'IA, il en résulte des solutions d'automatisation des processus économiquement et technologiquement avancées - l'hyperautomatisation. L'objectif de nombreuses entreprises est d'améliorer la qualité du service ou d'augmenter le chiffre d'affaires et de rendre les processus existants encore plus robustes pour l'avenir numérique de l'entreprise. L'utilisation de l'hyperautomatisation permet d'automatiser les processus au-delà des applications standard basées sur des règles.

Détection automatique des fraudes par l'IA dans les assurances

Le secteur de l'assurance est de plus en plus confronté à des cas de fraude qui causent chaque année des dommages se chiffrant en milliards. Selon la fédération allemande des assurances, 10 % des indemnités de sinistre versées en Allemagne sont imputables aux comptes des fraudeurs [2]. Pour mieux détecter les tentatives de fraude, il faut des solutions techniques qui puissent s'adapter en permanence aux nouvelles circonstances et aux nouveaux modèles de fraude et qui aillent au-delà des approches basées sur des règles de la gestion des entrées. En effet, le taux d'erreur y est élevé et des efforts manuels supplémentaires sont nécessaires. Grâce à l'IA et à l'OCR, les déclarations de sinistre peuvent être examinées pour détecter des modèles de contenu inhabituels et les anomalies peuvent être détectées automatiquement. L'utilisation de l'IA a permis de réaliser des économies potentielles de plus de 3,1 millions d'euros dans une compagnie d'assurance, pour un montant moyen de sinistres d'environ 3.000 € et la détection de 1.029 cas de fraude. 

L'IA dans les assurances individualise l'approche client

L'individualisation et la personnalisation font partie des méga-tendances des années 2020. Les solutions standard n'enthousiasment guère les clients et les exigences en matière d'approche individuelle des clients augmentent. Les assurances peuvent utiliser cette évolution comme une grande opportunité de cross-selling et d'up-selling en utilisant une solution basée sur l'IA comme support. Sur la base des informations clients, il est possible de générer automatiquement des e-mails individuels et d'améliorer durablement la qualité de la communication. Les textes générés automatiquement ne peuvent plus être distingués des textes rédigés manuellement et le taux de réponse passe d'environ 1,5 % à 35 %. L'application d'IA permet un apprentissage automatique grâce à de nouvelles entrées, comble les lacunes de connaissances et établit de nouvelles connexions de manière autonome. Les modèles linguistiques pré-entraînés, tels que GPT-3, sont de puissants générateurs de texte qui écrivent de manière autonome des textes cohérents et sont utilisés pour s'adresser avec succès aux clients [3]. 

Par L'IA dans les assurances Mieux comprendre les documents

Le transfert de documents d'assurance entre les compagnies d'assurance, les courtiers et d'autres partenaires est certes largement standardisé par la norme BiPRO 430, mais il n'est pas automatisé [4]. L'IA traite des données dans des millions de documents et aide les collaborateurs à trouver un potentiel de vente croisée dans les portefeuilles des clients et à économiser de l'argent lors de la négociation des contrats et de la gestion des entrées. Grâce à l'utilisation de l'IA, les contenus des documents peuvent être récupérés de manière structurée. Les étapes de travail telles que taper, renommer, classer et valider sont presque entièrement supprimées. Il est ainsi possible de traiter ces documents de manière purement numérique, de les enrichir de données de base connues et de les harmoniser entre les différents systèmes. Le logiciel d'IA apprend à comprendre et à structurer les informations contenues dans les documents 24 fois plus vite qu'un être humain. Les assurances bénéficient ainsi d'un traitement plus rapide et plus efficace de leurs documents.

Sources

[1] Capgemini Research Institute (2020). L'argent intelligent.

[2] Friedrich, S. (2018). Tu mens ! dans le magazine Positionen de GDV, numéro 3/2018, pages 24-26.

[3] Tan, B., Yang, Z., AI-Shedivat, M., Xing, E. P., & Hu, Z. (2020). Génération progressive de texte long. 

[4] BiPRO e.V. (2021). Norme 430. 

Photo d'Adrianna Calvo

"
"
Avatar de Florian Zyprian

Derniers articles