Huit polices d’assurance, quinze heures de travail et, au final, la prise de conscience que personne ne résout ce problème. Jasmin Flori-Hess, ancienne banquière chez UBS, s’est appuyée sur cette expérience pour créer à Darwin (Australie) la start-up InsurTech Raindrop. Son « Insurance Ontology » décompose les libellés des polices d’assurance de manière à ce que les courtiers, les assureurs, les agents d’IA et les clients les comprennent tous de la même façon. Elle souhaite désormais implanter ce modèle en Suisse.
À l’origine, Jasmin Flori-Hess ne comptait rester que deux ans. En 2017, elle a quitté l’Australie avec sa famille pour s’installer en Suisse, afin que ses enfants découvrent leur héritage culturel européen, et a repris son poste chez UBS. Au bout de quatre ans et d’une pandémie, l’envie de voyager était trop forte : cinq mois de pause, un camping-car, l’Australie. C’est là-bas qu’elle a décidé de mettre enfin de l’ordre dans les huit contrats d’assurance de la famille. Au bout de quinze heures, elle avait certes établi un tableau récapitulatif, mais une question restait en suspens : pourquoi est-ce si absurdement difficile ?
Un ami du milieu des start-ups lui a conseillé de résoudre elle-même le problème. Elle est revenue avec un business plan, et il est devenu son premier investisseur providentiel. S’ensuivirent une validation du marché auprès d’assureurs et de courtiers, le groupe de travail sur la PNL (programmation neurolinguistique) dédié à l’assurance à la HWZ, un pitch à New York, puis un déménagement à Darwin en l’espace de huit semaines. C’est là-bas qu’elle a fondé Retja. Ce nom est un mot yolngu désignant la jungle parsemée de lianes de jasmin : essentielle à la vie et en même temps impressionnante, à l’image du monde de l’assurance.
La marque Raindrop incarne le distillat issu de ce dédale. Elle repose sur une ontologie propriétaire dédiée à l’assurance, qui décompose les conditions et les formulations d’assurance en petites unités structurées, puis les réassemble afin que les humains et les machines puissent les interpréter de manière cohérente. Ce qui était au départ une idée visant à aider les assureurs à comparer leurs offres s’est depuis transformé en bien plus. Les assureurs constatent que les agents d’IA ne parviennent pas à lire leurs fichiers PDF et que leurs produits restent donc invisibles sur ChatGPT et autres plateformes similaires. Raindrop est membre d’Insurtech Australia, d’InsurTech New York et, depuis peu, du Swiss InsurTech Hub. Nous avons discuté avec la fondatrice de la jungle, des données et du courage de se lancer dans la création d’entreprise sur le tard.
Madame Flori-Hess, un camping en Australie, huit polices d’assurance, quinze heures de travail. À quel moment ce désagrément s’est-il transformé en idée d’entreprise ?
La véritable révélation m’est venue quelque part entre Ningaloo et Mataranka. J’étais loin de tout, dans un calme absolu, avec une vue dégagée sur la Voie lactée. Et soudain, j’ai compris : le problème n’est pas que les compagnies d’assurance disposent de trop d’informations. Le problème, c’est que nous ne parvenons pas à en saisir rapidement et clairement la signification.
C’est de cette réflexion qu’est né Raindrop.
Cependant, le concept d’entreprise a pris de l’ampleur et a évolué à plusieurs reprises depuis lors. Ce qui a commencé par la volonté de faciliter la comparaison des assurances revêt aujourd’hui une dimension bien plus fondamentale : nous construisons une couche sémantique qui rend les connaissances en matière d’assurance compréhensibles et fiables, tant pour les humains que pour l’IA.
Vous n’aviez jamais créé d’entreprise ni travaillé dans le domaine des technologies. Qu’est-ce qui vous a néanmoins convaincue, et qu’est-ce qui vous a le plus surprise en tant que fondatrice ?
Je viens du domaine de la communication ainsi que de la gestion du changement et de la gestion de projet. Je ne viens ni du secteur technologique, ni du monde classique des start-ups. Ce qui m’a néanmoins convaincu, c’est un problème que j’ai constaté à maintes reprises : dans le secteur de l’assurance, bien des choses échouent non pas à cause d’un manque d’informations. Mais au fait que les gens interprètent différemment les mêmes termes et conditions.
Plus je me suis penché sur la question, plus cela m’est apparu clairement : il ne s’agit pas seulement d’un problème de communication. C’est un problème technologique structurel. Si les gens ne parviennent pas à interpréter de manière cohérente des conditions d’assurance complexes, comment l’IA pourrait-elle les traiter de manière fiable ?
C’est ce qui m’a convaincue que nous devions mettre en place ici quelque chose de fondamental. Une base fiable sur laquelle les humains et l’IA puissent comprendre le même sens.
En tant que fondatrice, j’ai surtout appris qu’il n’est pas nécessaire de tout savoir faire soi-même. Il faut poser les bonnes questions, s’entourer de personnes compétentes et être prêt à apprendre très rapidement.
Ce qui m’a le plus surprise, c’est à quel point la création d’entreprise est une question de persévérance. On change d’avis, on apprend des clients, on abandonne certaines idées et on les reconstruit. La technologie est importante. Mais en fin de compte, ce qui compte, ce sont les personnes, la confiance et la capacité à comprendre véritablement le véritable problème.
Au début, je pensais qu’il fallait avant tout avoir une vision. Aujourd’hui, je crois qu’il faut surtout être capable de porter un regard toujours neuf sur les choses et de faire évoluer sa propre idée, sans perdre de vue le problème.
RETJA est un mot yolngu, tandis que Raindrop symbolise une goutte de clarté. Que révèlent ces noms sur votre conception de l’assurance ?
Pour moi, cela symbolise le lien avec l’Australie et représente quelque chose qui va au-delà d’un simple nom d’entreprise à caractère purement technologique. L’assurance est, en fin de compte, quelque chose de très humain : il s’agit de confiance, de sécurité et d’une promesse pour le moment où quelque chose tournerait mal.
Raindrop est donc le prolongement de cette idée. Une simple goutte est petite, mais elle met quelque chose en mouvement. Et c’est exactement ce que nous souhaitons réaliser avec Raindrop : apporter une goutte de clarté dans un secteur souvent inutilement complexe et difficile à comprendre.
Car je pense que l’assurance ne doit pas devenir plus simple en omettant des éléments. Elle doit devenir plus compréhensible en rendant visible le sens qui se cache derrière les mots.
Pour moi, Raindrop incarne donc la clarté, la transparence et la confiance – ainsi que la conviction que les personnes et l’IA ne peuvent prendre de bonnes décisions en matière d’assurance que si elles comprennent véritablement la même chose.
Expliquez Raindrop à une personne sans connaissances techniques : que se passe-t-il au cours des sept minutes qui suivent le téléchargement d’un « Policy Wording » ?
Imaginez que vous remettiez à Raindrop un document d’assurance de 100 pages en lui disant : « Veuillez comprendre ce document. »
Au cours des premières minutes, Raindrop ne se contente pas de parcourir le document. Il le décompose en ses différents éléments et identifie ce dont il s’agit réellement : qu’est-ce qui est couvert ? Quelles sont les exclusions ? Quelles sont les conditions applicables ? Quels termes sont définis ? Et surtout : quels sont les liens entre ces informations ?
Le document d’origine se transforme alors en une carte structurée de son sens. Chaque affirmation reste ainsi traçable jusqu’à sa source d’origine.
Au bout d’environ sept minutes, nous ne disposons donc pas simplement d’un résumé du document. Nous disposons d’une version structurée et vérifiable du fonctionnement de ce contrat d’assurance.
Et c’est précisément là que réside la différence fondamentale : Raindrop ne cherche pas à résumer le texte de manière plus élégante. Nous rendons le sens qui se cache derrière ce texte exploitable tant pour les humains que pour l’IA.
Cela permet à un courtier de comparer plus rapidement, à un assureur de travailler de manière plus cohérente – et à une IA de se pencher enfin sur les conditions d’assurance en s’appuyant sur une base fiable.
Le cœur du système est votre ontologie d’assurance. En quoi se distingue-t-elle d’un modèle linguistique classique capable de lire des fichiers PDF, et comment vous assurez-vous que votre assistant Neptune ne « délire » pas ?
Un modèle linguistique classique est très performant pour comprendre le langage et formuler une réponse plausible à partir de celui-ci. Mais c’est précisément là que réside le problème dans le domaine des assurances : ce qui est plausible n’est pas automatiquement correct.
Notre ontologie de l’assurance est donc bien plus qu’un simple modèle linguistique. Elle présente de manière structurée la signification d’un contrat d’assurance : qu’est-ce qui est couvert, qu’est-ce qui est exclu, quelle définition s’applique, quelle condition est liée à quoi – et où cela figure-t-il exactement dans le document original ?
On peut se l’imaginer comme un traducteur. Le modèle linguistique comprend le langage. Notre ontologie veille à ce qu’il interprète correctement le langage de l’assurance et qu’il connaisse les relations entre les différentes clauses.
Avec Neptune (le roi des mers où sont recueillies toutes les gouttes de clarté), l’objectif n’est donc pas simplement de générer une réponse aussi intelligente que possible. Neptune ne doit dire que ce qui peut être déduit de la base de données sous-jacente et vérifiée. Les réponses restent traçables jusqu’à leur source et peuvent être recoupées avec le libellé original de la police.
Bien sûr, aucun système d’IA ne peut sérieusement promettre de ne jamais « halluciner ». Mais nous modifions l’architecture : nous ne nous appuyons pas sur le modèle linguistique comme source de connaissances. Le modèle sert d’interface : c’est Raindrop qui fournit le sens vérifié et les preuves qui le sous-tendent.
C’est précisément ce qui fait la différence entre « une IA capable de lire un PDF » et « une IA à laquelle on peut faire confiance pour prendre une décision en matière d’assurance ».
Vous dites qu’un même sinistre peut donner lieu à une réponse positive ou négative selon l’interprétation. Quelle est l’ampleur réelle du problème lié à l’incohérence des interprétations, et qui en souffre le plus ?
Le problème est plus complexe qu’il n’y paraît à première vue. En effet, un contrat d’assurance n’est pas un document où l’on répond simplement par « oui » ou par « non ». Souvent, la réponse à une demande d’indemnisation dépend de l’interaction entre plusieurs clauses, définitions, exclusions et conditions.
Prenons l’exemple de deux personnes chargées d’évaluer le même sinistre. Toutes deux lisent le même libellé de police, mais l’une d’elles interprète différemment une définition ou une exclusion. L’une dit : « C’est couvert. » L’autre répond : « Non, c’est exclu. » Chacune peut être convaincue d’avoir raison.
C’est précisément cette incohérence qui pose problème.
À mon sens, ce sont les clients qui en font les frais. Car pour eux, l’assurance est une promesse : si quelque chose arrive, ils veulent savoir s’ils sont protégés. Mais les courtiers et les assureurs en subissent également les conséquences – sous forme de demandes de précisions, de travail supplémentaire, de réclamations, de risques E&O, d’un traitement plus long des sinistres et, surtout, d’une perte de confiance.
Et voilà que l’IA entre en jeu. Si nous commençons à utiliser l’IA pour faciliter ou automatiser les décisions en matière d’assurance, ce problème prendra encore plus d’importance. En effet, une IA qui fournit des réponses différentes pour un même libellé de police d’assurance ne se contente pas d’accroître l’efficacité : elle amplifie également les incohérences.
C’est pourquoi, pour moi, la question décisive n’est pas : « L’IA est-elle capable de lire le libellé d’une police d’assurance ? » Elle en est capable.
La question décisive est la suivante : « Est-elle capable, pour un même contrat, de restituer de manière fiable le même sens aujourd’hui, demain et sur différents systèmes ? »
C’est précisément ce problème que nous souhaitons résoudre avec Raindrop.
Les assureurs constatent que les agents IA ne comprennent pas leurs documents et que leurs produits n’apparaissent pas sur ChatGPT et autres plateformes similaires. La visibilité dans l’IA va-t-elle devenir le nouveau enjeu commercial du secteur ?
Oui, tout à fait. Aujourd’hui, les assureurs se demandent : « Comment puis-je être trouvé sur Google ? » À l’avenir, la question sera : « Comment mon produit sera-t-il compris et recommandé par un agent IA ? »
En effet, il ne suffit pas que le libellé d’une police d’assurance soit disponible en ligne. L’IA doit être capable de comprendre correctement les garanties, les exclusions et les conditions.
La visibilité de l’IA devient ainsi un nouvel enjeu commercial – mais en réalité, il ne s’agit pas seulement de visibilité :
Les assureurs doivent être bien compris par les machines.
C’est précisément pour cela que Raindrop crée la couche de sens nécessaire.
Comment avez-vous acquis le vocabulaire et les connaissances complexes du domaine de l’assurance ?
Je n’ai pas acquis ces connaissances dans un manuel. J’ai cherché à m’entourer des bonnes personnes.
Nous travaillons avec des experts en assurance qui évoluent dans ce secteur depuis des décennies – des personnes qui ont rédigé des polices, développé des produits et évalué des sinistres, et qui comprennent comment les différents termes et clauses s’articulent réellement entre eux.
J’ai beaucoup appris de ces experts – et, parallèlement, nous avons commencé ensemble à structurer ces connaissances. Ce qui est particulièrement passionnant, c’est que ces personnes ne se contentent pas d’apporter leurs connaissances existantes, mais souhaitent participer activement à l’évolution future du secteur.
C’est ainsi que ma difficulté de compréhension initiale s’est peu à peu transformée en une vision commune de la manière dont la notion d’assurance peut être structurée.
Vous mettez votre propriété intellectuelle à disposition via le « white labeling » afin que « le secteur s’améliore ». C’est inhabituel pour une start-up. Comment protégez-vous malgré tout votre avance concurrentielle ?
Pour nous, le « white labeling » ne signifie pas que nous cédons notre propriété intellectuelle. Notre ontologie, nos structures de données et la logique proprement dite restent la propriété de Raindrop.
Notre avantage ne réside toutefois pas uniquement dans une fonctionnalité logicielle particulière. Il réside dans notre expertise en matière d’assurance, dans les liens entre les clauses et dans la manière dont nous structurons et développons en permanence cette expertise.
Et nous croyons qu’il en résultera un effet plus large : plus les assureurs seront nombreux à s’appuyer sur une base d’IA performante et fiable, et mieux les conditions d’assurance seront comprises, plus l’ensemble du secteur s’en portera mieux. Moins de malentendus, des décisions plus cohérentes et une meilleure expérience client profitent, en fin de compte, à tous.
Pour nous, cela ne constitue pas une contradiction.
Nous pouvons rendre cette technologie accessible au plus grand nombre tout en protégeant la propriété intellectuelle qui la sous-tend. Notre objectif n’est pas de contrôler les connaissances, mais de veiller à ce que l’assurance soit bien comprise.
La propriété intellectuelle reste en Australie, tandis que vous levez des capitaux séparément aux États-Unis et en Suisse. Pourquoi ce modèle, et quel rôle jouent les éventuelles démonstrations de faisabilité à New York ?
Il s’agit pour nous d’un choix délibéré. La propriété intellectuelle et le développement restent en Australie, car c’est ici que nous avons constitué notre équipe, développé notre savoir-faire et établi notre base technologique. Parallèlement, le problème que nous résolvons est d’envergure mondiale.
C’est pourquoi nous souhaitons également attirer des capitaux et des clients là où se trouvent les grands marchés de l’assurance. Les éventuelles « preuves de concept » à New York revêtent une importance particulière à nos yeux, car elles peuvent démontrer que le problème des interprétations divergentes des conditions d’assurance n’est pas un problème propre à l’Australie, mais un problème mondial.
Nous souhaitons ainsi obtenir une validation sur le marché international, tout en continuant à mobiliser des capitaux et l’expertise australiens.
Pour moi, c’est en fait là que réside la force de ce modèle :
Nous développons nos solutions en Australie, puis nous les validons et les déployons à l’international.
Vous menez actuellement des discussions avec des assureurs suisses, et certains préfèrent tout gérer en interne. Où voyez-vous les principales différences entre les marchés suisse et australien ?
Je vois moins une différence au niveau du problème qu’au niveau de l’approche.
L’Australie est un marché relativement pragmatique. On y est plutôt disposé à tester de nouvelles solutions avec des partenaires externes dès lors qu’elles apportent rapidement des avantages concrets.
En Suisse, je constate une attention accrue portée au contrôle, à la qualité et à l’autonomie à long terme. C’est pourquoi certains assureurs commencent par se demander : « Pouvons-nous développer cela nous-mêmes ? »
Mais cela ne constitue pas un obstacle pour nous. Au contraire : cela montre à quel point il est important de mettre au point une solution qui soit réellement fiable sur le plan technique et qui puisse s’intégrer dans les structures existantes.
Et au final, le problème fondamental est le même sur ces deux marchés : les connaissances en matière d’assurance sont complexes, et l’IA a besoin d’une base fiable pour pouvoir les exploiter.
Pour Raindrop, la Suisse constitue donc également un test important : si notre technologie y fait ses preuves face à ces exigences élevées en matière de qualité et de contrôle, cela constituera une solide validation à l’échelle mondiale.
Swiss InsurTech Hub et une intervention dans le cadre du CAS « Insurance Transformation with AI » à la HWZ : quel rôle jouent la recherche et les réseaux pour une jeune start-up InsurTech ?
Pour une jeune start-up InsurTech, la recherche et les réseaux revêtent une importance capitale – précisément parce que nous travaillons à la croisée de l’assurance et de l’IA.
Nous sommes capables de développer des technologies, mais nous souhaitons les associer aux meilleures connaissances en matière d’assurance et aux avancées scientifiques. Des initiatives telles que le Swiss InsurTech Hub ou mon intervention dans le cadre du CAS « Insurance Transformation with AI » à la HWZ nous permettent de rencontrer des personnes qui apportent des perspectives très variées.
Un éventuel financement de la recherche, par exemple par le biais du Fonds national, serait également très intéressant pour nous, car cela nous permettrait d’approfondir scientifiquement des questions qui concernent l’ensemble du secteur.
Par ailleurs, les réseaux ne se résument pas uniquement à des contacts ou à des clients.
Il s’agit de définir ensemble des normes et de parvenir à une compréhension commune d’une nouvelle technologie.
En ce qui concerne l’IA dans le secteur de l’assurance, je pense que personne ne peut y parvenir seul.
Vous créez votre entreprise à la fin de la quarantaine et vous vous retrouvez souvent face à des investisseurs nettement plus jeunes lors des présentations. L’expérience en matière de levée de fonds est-elle un atout ou un obstacle ?
Je la considère plutôt comme un atout. Je dispose de plus de 25 ans d’expérience professionnelle et personnelle, ce qui me confère la capacité d’analyser rapidement des situations complexes, de rassembler les gens et de penser à long terme.
Bien sûr, lors de mes levées de fonds, je me retrouve souvent face à des personnes nettement plus jeunes que moi et qui ont peut-être déjà créé plusieurs start-ups. Mais je ne vois pas cela comme une compétition. Je peux apprendre d’eux tout autant qu’ils peuvent peut-être tirer profit de mon expérience.
Et c’est peut-être justement là l’essentiel : créer une start-up n’est pas seulement une question d’âge. Il s’agit de comprendre véritablement un problème, de susciter l’enthousiasme des gens à son sujet et d’avoir la persévérance nécessaire pour le résoudre.
Vous soutenez tout particulièrement les jeunes femmes dans les secteurs des technologies et de l’assurance. Que conseillez-vous aux femmes qui souhaitent créer leur entreprise aujourd’hui ?
Mon conseil le plus important est le suivant : n’attendez pas de vous sentir « prêtes ». Je n’étais moi-même ni une technicienne, ni une créatrice d’entreprise au sens classique du terme. Si j’avais attendu d’avoir trouvé toutes les réponses, Raindrop n’aurait jamais vu le jour.
Cherchez des personnes qui savent faire ce que vous ne savez pas faire vous-mêmes. Construisez-vous un réseau solide et n’ayez pas peur de poser des questions. En tant que femme notamment, je pense que nous passons parfois trop de temps à essayer de tout maîtriser à la perfection avant d’oser nous lancer.
Et surtout : il n’est pas nécessaire d’être la personne la plus bruyante de la pièce. Il faut être convaincue du problème que l’on souhaite résoudre – et avoir le courage de se lancer.
Où en sera Raindrop dans trois ans, et quels changements doivent intervenir dans le secteur pour que les clients obtiennent plus souvent une réponse positive en cas de sinistre ?
D’ici trois ans, je souhaite que Raindrop devienne une référence internationale en matière de clarté et de fiabilité des informations sur l’assurance, tant pour les humains que pour l’IA – avec des clients partout dans le monde !
Et j’espère que cela nous permettra également de faire évoluer les choses dans le secteur : qu’un sinistre ne dépende plus de la personne qui interprète les termes d’une police d’assurance ni du système qui fournit la réponse.
Car « davantage de « oui » » n’est en réalité pas l’objectif. L’objectif, c’est davantage de « oui » justifiés – et davantage de « non » compréhensibles. Lorsqu’un sinistre est couvert, le client doit pouvoir être sûr qu’il sera effectivement reconnu comme tel. Et s’il n’est pas couvert, les raisons doivent être claires et transparentes.
Si Raindrop contribue à rendre les décisions en matière d’assurance plus cohérentes, plus transparentes et plus compréhensibles, alors nous aurons accompli un travail considérable en trois ans.
Les questions ont été posées par Binci Heeb.
Jasmin Flori-Hess est fondatrice et PDG de la start-up australienne Raindrop, spécialisée dans les technologies de l’assurance (InsurTech). Elle possède une longue expérience dans les domaines de la communication, de la gestion du changement et de la gestion de projets dans les secteurs de la finance et des technologies médicales. À ce titre, elle a accompagné des organisations internationales et travaillé à l’interface entre les personnes, la technologie et le changement. L’idée de Raindrop est née de sa propre expérience face à la complexité des conditions d’assurance. Ce qui a commencé par une frustration face à des polices difficiles à comprendre s’est transformé en une plateforme technologique qui structure les connaissances en matière d’assurance et les rend compréhensibles, cohérentes et transparentes, tant pour les personnes que pour l’IA. Aujourd’hui, Jasmin pilote le développement international de Raindrop et s’engage en faveur d’une utilisation responsable de l’IA ainsi que pour une plus grande présence des femmes dans les secteurs de la technologie et des start-ups.
À lire également : SIH : vérifier d’abord, remplacer ensuite
Recherche :
Sponsors :
