L'IA pose des défis et offre des solutions alléchantes aux assureurs qui luttent contre la fraude

Les bureaux britanniques de Zurich Insurance Group (Zurich) ont reçu une réclamation d'assurance automobile d'un conducteur non assuré par Zurich. Le demandeur dit « tiers » a présenté une photo montrant un véhicule endommagé. Le demandeur dit qu'il s'agit de sa voiture. Mais l'image, avec le numéro d'immatriculation de la voiture, a été modifiée à l'aide de la technologie. Dans le bureau britannique de Zurich, un enquêteur remarque que quelque chose ne va pas tout à fait. Cela conduit à d'autres enquêtes, révélant finalement que l'image - avant qu'elle ne soit modifiée - n'était pas vraiment la voiture du demandeur. La photo avait été copiée à partir du site Web d'un chantier de récupération. Demande rejetée.

Ce n'est que l'une des tentatives les plus effrontées que Scott Clayton, responsable de la fraude aux réclamations chez Zurich UK, a vues ces derniers temps. Si elles ne sont pas détectées, des images modifiées comme celles-ci peuvent inciter les assureurs à payer une réclamation frauduleuse. De tels faux pourraient être soumis par des individus dans l'espoir d'exagérer une réclamation pour un peu plus d'argent. Dans un endroit plus sombre, les fraudeurs organisés ont de plus en plus les moyens, et les connaissances, d'utiliser des outils plus sophistiqués pour générer des faux « profonds », qui sont encore plus difficiles à repérer.

« Si vous aviez demandé à un ordinateur il y a quelques années de produire une image, cette image n'aurait pas été très convaincante. Mais en utilisant l'IA, les fausses images d'aujourd'hui peuvent être tout à fait crédibles », explique Clayton. « C'est là que le défi va. » Pour préserver la parité, les assureurs s'appuient également davantage sur une technologie sophistiquée pour les aider à détecter et à attraper les fraudeurs.

Les assureurs utilisent déjà des logiciels qui renvoient à des bases de données nationales, les aidant à repérer les réclamations potentielles en double que les tricheurs aspirants pourraient essayer de soumettre à plusieurs fournisseurs d'assurance. « Les fraudeurs ne sont pas fidèles à la marque », dit Clayton.

Aujourd'hui, l'équipe de Clayton, qui compte plus de 60 personnes, s'appuie sur « une approche à multiples facettes », dit Clayton. « Il ne s'agit pas seulement d'analyse de données, il ne s'agit pas seulement d'une méta-analyse – par exemple, l'analyse des métadonnées derrière les images, ou « l'empreinte numérique » – elle comprend un bon sentiment instinctif et instinct à l'ancienne. » Il y a plusieurs couches dont nous avons maintenant besoin, pour nous assurer que nous détectons autant que possible », explique Clayton.

Plus de 160 utilisations de l'IA

Zurich utilise déjà l'IA dans plus de 160 cas. Il s'agit notamment de l'aider à repérer les fraudes liées aux réclamations, en utilisant l'apprentissage automatique en mettant l'accent sur la détection des anomalies, combiné à un moteur traditionnel non basé sur des règles basées sur l'IA, selon Christian Westermann, chef de groupe de l'IA à Zurich.

Selon les besoins, une gamme de solutions technologiques peut être utilisée dans un pays particulier ou dans de nombreux pays. Outre les modèles de fraude avec des composants d'IA pour détecter la fraude, l'arsenal de Zurich comprend un système développé en interne déjà utilisé dans plusieurs pays, développé par Zurich Customer Active Management (ZCAM).

« Nous considérons qu'il est de notre devoir de savoir comment nous protéger contre les risques », déclare Aleksander Vidovic, PDG de ZCAM. « Par conséquent, nous nous protégeons contre les mauvais comportements et, ce faisant, nous sommes en mesure de servir nos clients précieux et honnêtes plus efficacement. L'IA nous aide à y parvenir.

Une course aux armements

La technologie de lutte contre la fraude est une industrie énorme et en croissance rapide. Compte tenu des montants en jeu, il n'est pas surprenant que les assureurs investissent des sommes importantes pour augmenter leur jeu afin de repérer la tromperie. Rien qu'au Royaume-Uni, les activités de Zurich ont indiqué qu'elles avaient empêché 78,5 millions de livres sterling de fausses réclamations , soit plus de 200 000 livres sterling par jour en une seule année en 2023.

En général, les personnes spécialisées dans la fraude à l'assurance estiment que jusqu'à un sur 10 réclamations d'assurances multirisques pourrait être frauduleuse. Heureusement, pour les assureurs, les méthodes de détection évoluent et l'IA les équipe de nouveaux modèles de détection des fraudes qui peuvent libérer les enquêteurs humains pour faire ce que les humains font mieux que les machines, à savoir suivre des cas individuels.

C'est également une bonne nouvelle pour le grand public. Une grande partie de l'argent que les fraudeurs gagnent indirectement provient des poches de clients honnêtes sous la forme de primes plus élevées. La Coalition américaine contre la fraude à l'assurance estime que l'impact économique de la fraude à l'assurance dans son pays d'origine s'élève à environ 1 000 USD par an - par personne. La fraude à l'assurance « vole au moins 308,6 milliards de dollars chaque année aux consommateurs américains », selon la Coalition, qui réunit les consommateurs, les assureurs et les agences gouvernementales.

Les clients honnêtes supportent non seulement le coût, mais ressentent parfois littéralement la douleur de la fraude à l'assurance. Par exemple, un dentiste du Wisconsin a intentionnellement cassé les dents des patients avec son exercice pour convaincre les assureurs de payer pour des couronnes dentaires. Et une fraude spectaculaire à l'assurance médicale en Californie, qui comprenait des millions de dollars en pots-de-feu illégaux, a conduit des patients innocents à intenter des poursuites alléguant que dans le cadre de l'escroquerie, des vis métalliques contrefaites ont été implantées dans leurs épines.

Lutte contre la fraude en Amérique du Nord

« La fraude nous touche tous », déclare Delpha DiGiacomo, responsable de la fraude pour Zurich Amérique du Nord, qui est également vice-président du comité des affaires gouvernementales de la Coalition contre la fraude. L'équipe d'environ 30 enquêteurs de DiGiacomo utilise une variété de technologies sophistiquées, mais s'appuie également sur ce qu'elle appelle des « bottes sur le terrain ». En fait, « le meilleur outil est toujours les enquêteurs réels », dit DiGiacomo.

« Je pourrais avoir toutes les métadonnées du monde », ajoute-t-elle. « Mais les métadonnées sont aussi quelque chose qui peut être falsifié devant les tribunaux. Ce qui est difficile à simuler, c'est l'histoire », dit DiGiacomo. « Vous avez vraiment besoin de connaître l'histoire derrière un cas de fraude. »

Par exemple, les enquêteurs de Zurich qui enquêtent sur un prétendu vol de matériaux de construction en Floride ont appris qu'une réclamation liée au vol de barres d'armature en acier s'est avérée proviennent d'une propriété résidentielle, où il n'y avait même pas assez d'espace pour stocker les barres d'armature qui auraient été volées. Au cours de l'enquête, l'équipe a également découvert que le demandeur avait eu du mal à rembourser un prêt et que la tentative de fraude à l'assurance visait à obtenir de l'argent afin que les prêteurs ne prennent pas possession de la maison des parents du demandeur. La demande a par la suite été retirée.

Embauche de scientifiques des données Allemagne

En Allemagne, Zurich a embauché des scientifiques des données dont les antécédents en physique et en réseaux neuronaux d'IA sont utiles dans le développement de logiciels de détection de fraude, explique Thorsten Hahn, responsable de la fraude aux réclamations chez Zurich Allemagne. Trois scientifiques des données de son équipe des réclamations travaillent, entre autres, sur des systèmes de formation pour ce que Hahn appelle « le traitement et l'analyse médico-légaux » des données sur les réclamations et des images numériques. En d'autres termes, vérifier l'authenticité et détecter les contrefaçons.

« Depuis l'introduction de l'IA dans la défense contre la fraude en 2022, nous avons déjà eu beaucoup de succès dans la détection de certains types d'anomalies et de fraude aux réclamations », explique Hahn.

Cela comprend un outil d'IA que Zurich Allemagne a développé pour détecter les modèles de fraude ou les anomalies en évaluant les données d'une réclamation. L'IA tire également des leçons des cas de fraude précédemment identifiés. Les images, lorsqu'elles sont soumises, sont examinées, y compris les métadonnées, pour voir si les « données sur les données » peuvent aider à vérifier l'authenticité.

L'IA de Zurich Allemagne peut même différencier les types de dommages aux véhicules - éraflures, égratignures ou bosses, par exemple. Ce faisant, son modèle peut examiner des images numériques pour aider à déterminer la probabilité qu'une voiture ait été réellement heurtée alors qu'elle était garée dans un parking - comme le client pourrait en attester - ou, si les dommages se sont effectivement produits lorsque le véhicule était en mouvement, dit Hahn.

Un cas récent où une IA a aidé à découvrir une fraude concernait une voiture très chère qui aurait été endommagée dans un lave-auto. L'image, cependant, ne correspondait pas à la description de ce qui s'est passé, ou ce qui se passerait normalement pendant le lavage. Grâce à une enquête plus approfondie, Zurich Allemagne a découvert que les dommages ne pouvaient pas réellement se produire dans un lave-auto.

« Les égratignures sur le capot ne correspondaient pas à celles d'un lave-auto », dit Hahn, ajoutant que la réclamation n'a pas été réglée. L'IA peut également évaluer l'âge d'une voiture endommagée grâce à l'analyse des données et à la détection des anomalies en calculant les probabilités dans les modèles de fraude, signalant les enquêteurs pour enquêter davantage, dit Hahn.
Malgré ces progrès, M. Hahn convient que les gens sont toujours la partie la plus importante de la capacité d'un assureur à détecter la fraude en matière de réclamations. « Si, en tant qu'enquêteur sur les réclamations, je parle à quelqu'un, je peux remarquer des choses qui seraient presque impossibles à détecter pour une IA. Les gens ont ce sentiment instinctif quand quelque chose ne semble pas correct », dit-il, ajoutant : « Il n'y a pas d'IA qui puisse dupliquer cela. »