Il a créé et lancé une plateforme de marché du crédit réglementée par la FINMA, a surmonté la crise du COVID en tant que fondateur d’une fintech et se consacre désormais à ce qui l’avait initialement inspiré dans son mémoire de master : l’utilisation de l’intelligence artificielle dans les secteurs des services financiers et de l’assurance. Ghassen Benhadjsalah est actuaire et ingénieur en intelligence artificielle, cofondateur d’inncivio et l’une des figures de proue à la croisée des mathématiques, de la technologie et du risque d’assurance.thebrokernews s’est entretenu avec lui à l’occasion de la première interview d’un actuaire réalisée par la plateforme.
Les actuaires sont les architectes invisibles du secteur de l’assurance. Ils calculent le coût des risques, la probabilité de survenance des sinistres et le montant des réserves qu’un assureur doit constituer pour rester solvable à l’avenir. Ghassen Benhadjsalah est l’un d’entre eux, mais il n’est pas du genre à rester discrètement en retrait à faire des calculs. Son parcours professionnel l’a conduit de l’Université de Lausanne à plusieurs start-ups, avant de le mener à son poste actuel chez inncivio, où il travaille avec Anna Raafat et Fernando Felix à l’intégration d’une évaluation des risques en temps réel, basée sur l’IA, dans les plateformes d’assurance et de trading.
PourTheBrokerNews, c’est une bonne occasion d’en savoir plus sur son point de vue concernant un secteur en pleine transition. Pour moi, ces deux disciplines ont toujours été étroitement liées. Toutes deux relèvent du domaine quantitatif, et dans chacune d’elles, il faut prendre des décisions en respectant certaines contraintes. Un ingénieur doit réfléchir, concevoir et mettre au point des solutions avec des ressources limitées. C’est ce qui définit un ingénieur : on dispose rarement d’un temps illimité, d’un budget illimité ou de conditions parfaites. Il faut comprendre le problème, concevoir une solution et s’assurer qu’elle fonctionne dans la réalité.
Monsieur Benhadjsalah, vous êtes à la fois actuaire et ingénieur. C’est une combinaison rare. Comment en êtes-vous arrivé là, et qu’est-ce qui vous a fasciné dans la science actuarielle ?
Un actuaire est confronté à un défi similaire, mais dans le domaine des risques. Il doit quantifier les incertitudes à partir d’un volume limité de données. Il ne dispose jamais d’une vision parfaite de l’avenir, mais doit néanmoins prendre des décisions responsables : quelle est la probabilité qu’un événement se produise, quelle pourrait être sa gravité, de quel capital a-t-on besoin et comment évaluer ce risque ?
Cette combinaison m’a fasciné. L’ingénierie m’a donné les outils nécessaires pour développer des systèmes, tandis que l’actuariat m’a fourni le cadre permettant de comprendre les incertitudes et leurs conséquences financières. J’ai consacré la majeure partie de ma carrière à rapprocher ces deux univers. À l’époque, nous n’utilisions pas le terme « IA » dans le sens où on l’entend aujourd’hui. Nous avions plutôt tendance à parler d’apprentissage automatique, d’apprentissage statistique et de modèles prédictifs. Mais l’idée fondamentale restait la même : pouvons-nous utiliser les données pour identifier des tendances qu’un être humain aurait du mal à reconnaître ?
Votre mémoire de master, que vous avez rédigé il y a plus de 15 ans, portait sur l’utilisation de l’intelligence artificielle pour la détection des fraudes dans le secteur des assurances. Qu’est-ce qui vous a poussé à l’écrire à l’époque, et n’étiez-vous pas un peu en avance sur votre temps ?
La détection de la fraude dans le secteur de l’assurance s’imposait comme un sujet évident, car l’assurance a toujours été une activité fondée sur les données. Les déclarations de sinistre, les profils des clients, l’historique des comportements, les anomalies et les réseaux relationnels : tous ces éléments contiennent des indices. La difficulté réside dans le fait que la fraude n’est pas toujours évidente. Souvent, elle se manifeste par une tendance subtile observable à travers de nombreuses variables plutôt que par un signe avant-coureur clair. Je souhaitais savoir si des algorithmes pouvaient aider les assureurs à identifier plus rapidement et avec plus de précision les cas suspects, non pas pour se substituer au jugement humain, mais pour établir des priorités quant aux domaines sur lesquels l’expertise humaine devrait se concentrer.
Avec le recul, c’était sans doute encore trop tôt. Mais pour moi, il était évident que les services financiers et l’assurance finiraient par s’appuyer beaucoup davantage sur les données. La technologie n’était pas aussi avancée qu’aujourd’hui, mais la tendance se dessinait déjà clairement. Je dirais qu’un actuaire aide le marché à attribuer un prix et une structure aux incertitudes.
Les actuaires sont souvent considérés comme les architectes méconnus du risque. Comment expliqueriez-vous à un profane en quoi consiste réellement le métier d’actuaire ?
L’assurance existe parce que les particuliers et les entreprises sont exposés à des risques qu’ils ne peuvent assumer seuls : maladie, accidents, longévité, catastrophes naturelles, interruptions d’activité, et bien d’autres encore. Le métier d’un actuaire consiste à estimer la fréquence à laquelle ces événements sont susceptibles de se produire, leur ampleur potentielle, ainsi que les montants qu’il convient de collecter ou de mettre de côté pour garantir que les engagements puissent continuer à être honorés à l’avenir.
En termes simples : un actuaire traduit l’incertitude en chiffres qui permettent aux entreprises de prendre des décisions responsables. Il ne s’agit pas uniquement de la tarification des assurances. Il est également question de solvabilité, de capital, d’équité, de viabilité à long terme et de confiance. Les meilleurs actuaires ne sont pas seulement des mathématiciens. Ils comprennent le comportement humain, la réglementation, les modèles économiques et les limites des modèles. Ce dernier point est très important : un bon actuaire sait que le modèle n’est qu’un outil, et non la vérité. Le plus grand défi consistait à prendre une décision de crédit en temps réel tout en continuant à gérer les risques de manière responsable. Dans un contexte de « payez plus tard », le client s’attend à une réponse immédiate. Le commerçant souhaite un processus de paiement fluide. Mais l’entreprise doit tout de même déterminer si elle prend un risque de crédit acceptable avec cette transaction. Un processus qui prend des heures, voire des jours, n’est pas envisageable. La décision doit être prise immédiatement.
Ils ont rejoint Swissbilling, désormais connu sous le nom de Cembra Pay, où nous avons développé le modèle d’IA destiné à l’évaluation en temps réel du risque de crédit. Quel a été le plus grand défi rencontré au cours de ce processus ?
Il s’agissait là d’une première application parfaite de l’IA. En fin de compte, la création d’un modèle d’IA consiste à prédire des résultats à l’aide d’une approche mathématique. Dans ce cas précis, l’événement que nous avons modélisé était le défaut de paiement : le client final reçoit les marchandises, mais se trouve ensuite dans l’impossibilité ou refuse de régler la facture.
Ce qui rendait la situation intéressante, c’est que le secteur disposait déjà d’un accès à des données très complètes. Nous pouvions accéder à une mine d’informations en temps réel et les utiliser pour prendre de meilleures décisions. À l’époque, de nombreuses entreprises s’appuyaient encore sur des arbres de décision, des règles statiques et des modèles relativement rigides. Nous envisagions déjà l’apprentissage automatique comme un moyen d’évaluer les risques de manière plus dynamique.
L’autre défi résidait dans le fait que le modèle n’existait pas sous forme de feuille de calcul. Il devait fonctionner au sein d’une véritable entreprise, avec de vrais clients, de vrais commerçants, de vraies pertes et une réelle pression pour se développer. C’est là que ma formation d’ingénieur s’est avérée utile. C’est une chose de concevoir un modèle ; c’en est une autre de le faire fonctionner dans la pratique. Un fondateur de fintech traditionnel commence souvent par le produit, le marché et les opportunités de croissance. Un actuaire prend également en compte ces aspects, mais se pose immédiatement les questions suivantes : où se cache le risque ? Que se passe-t-il en cas de ralentissement économique ? Quelles hypothèses formulons-nous ? Les incitations sont-elles alignées ? Que se passe-t-il si le modèle est erroné ?
Vous avez ensuite fondé votre propre plateforme de marché du crédit, baptisée Acredius, qui est réglementée par la FINMA par l’intermédiaire de l’organisme d’autorégulation PolyReg. En quoi la mentalité d’un actuaire diffère-t-elle de celle d’un fondateur traditionnel de fintech ?
Chez Acredius, nous mettions en relation des investisseurs avec des petites et moyennes entreprises à la recherche de financements. Cela signifiait que nous ne nous contentions pas de créer une place de marché ; nous devions également gérer les risques de crédit, les attentes des investisseurs, les obligations réglementaires et la question de la confiance.
La manière de penser d’un actuaire m’a aidé à ne pas me limiter au seul volume. Dans le secteur du crédit, la croissance peut s’avérer dangereuse si le risque n’est pas correctement appréhendé. Une plateforme peut sembler très prospère en période de conjoncture favorable, car des prêts y sont accordés, mais le véritable test intervient plus tard, lorsque les remboursements sont effectués… ou non.
Je dirais donc que la manière de penser d’un actuaire exige une certaine discipline. Cela n’entrave pas votre ambition, mais vous oblige à prendre en compte le revers de la médaille. La pandémie de COVID a été une expérience qui nous a vraiment ramenés à la réalité. On peut modéliser les risques de crédit, les probabilités de défaut, les scénarios macroéconomiques et les cas de crise. Mais parfois, le choc n’est pas seulement de nature économique, il est aussi politique et structurel. En Suisse, le marché a basculé presque du jour au lendemain lorsque le gouvernement a soudainement proposé des prêts sans intérêt aux entreprises.
La pandémie de COVID-19 a durement touché Acredius, lorsque le gouvernement a soudainement commencé à proposer des prêts sans intérêt. En tant qu’entrepreneur et spécialiste des risques, comment gérez-vous un risque que vous ne pouviez tout simplement pas modéliser ?
Pour une plateforme de prêt, il ne s’agit pas là d’une évolution concurrentielle classique. Cela modifie de fond en comble le volet « demande » de cette activité. Pourquoi une entreprise contracterait-elle des emprunts via une plateforme alors qu’elle peut obtenir gratuitement un financement garanti par l’État ?
En tant que spécialiste des risques, la leçon à retenir ici est que tous les risques ne peuvent pas être modélisés à l’aide de données historiques. Certains risques impliquent des changements de régime. Le monde dans lequel vous avez entraîné votre modèle n’est plus celui dans lequel vous évoluez.
En tant qu’entrepreneur, vous devez rapidement accepter la réalité. Vous ne pouvez pas vous attacher outre mesure à votre modèle économique ou à votre projet initial. Vous devez vous demander : qu’est-ce qui reste valable, qu’est-ce qui a changé de manière définitive, et que pouvons-nous faire avec les ressources et les connaissances dont nous disposons ?
Cela a été douloureux, mais cela a également renforcé l’une de mes convictions profondes : le risque n’est pas un ennemi. Le risque est une matière première. Le danger réside dans le fait de prétendre que les risques n’existent pas. inncivio est une infrastructure de génération de chiffre d’affaires basée sur des agents, destinée aux services financiers et à l’assurance. Nous aidons les plateformes à augmenter leur volume de transactions en hyper-personnalisant l’expérience transactionnelle de chaque utilisateur.
Aujourd’hui, vous êtes cofondateur d’inncivio, où vous intégrez l’intelligence artificielle et l’apprentissage automatique directement dans des plateformes d’assurance et de trading. En quoi consiste exactement l’activité de cette entreprise ?
Si l’on examine les 15 à 20 dernières années, l’accès aux produits financiers s’est considérablement élargi. Aujourd’hui, nous disposons d’un plus grand nombre de produits bancaires numériques, de produits de trading, de types de produits dérivés, de produits d’assurance, d’actifs numériques, et même de marchés prédictifs. Le nombre et la complexité des produits financiers ont explosé. Pourtant, la manière dont les utilisateurs interagissent avec ces produits est restée relativement rigide, standardisée et complexe. La plupart des plateformes continuent de proposer le même parcours utilisateur, les mêmes écrans et les mêmes explications à des utilisateurs très différents, alors même que ces derniers ont des niveaux de connaissances variables, des intentions différentes et des moments de confusion qui leur sont propres.
C’est précisément le problème auquel inncivio apporte une solution. Nous estimons que les produits financiers sont de plus en plus souvent développés sous une forme « brute » au niveau du produit lui-même, et que les plateformes ont alors besoin d’une couche intelligente pour personnaliser l’expérience transactionnelle de chaque utilisateur. C’est cette couche que nous fournissons.
Nous nous intégrons directement aux plateformes financières via une couche d’infrastructure allégée. Nous collectons des signaux comportementaux et contextuels anonymisés (par exemple, les moments où l’utilisateur hésite, l’étape à laquelle il se trouve, le produit qu’il consulte), puis nous fournissons une assistance contextuelle sous forme d’explications, de suggestions, d’infobulles, de vidéos ou d’appels à l’action.
L’objectif n’est pas de manipuler l’utilisateur. L’objectif est de réduire les frictions et d’améliorer la compréhension au moment même où cela compte le plus. Pour la plateforme, cela peut permettre d’augmenter le volume des transactions et de fidéliser les utilisateurs. Pour l’utilisateur, cela peut contribuer à faciliter la gestion de processus financiers complexes. Il est important que nous soyons directement intégrés au parcours d’exécution. Nous ne sommes pas un chatbot générique extérieur au produit. Nous sommes intégrés au cœur même du processus décisionnel. Oui, et je pense que ce conflit est salutaire.
Chez inncivio, vous occupez à la fois les fonctions d’actuaire et de stratège en intelligence artificielle. Ces deux points de vue entrent-ils parfois en conflit ?
Le stratège en IA souhaite agir rapidement, tester, tirer des enseignements et optimiser. L’actuaire pose les questions suivantes : quelles sont les hypothèses, quelles sont les conséquences imprévues, que se passe-t-il si le modèle est erroné, et comment mesurer précisément l’impact ?
Dans le secteur des services financiers, l’optimisation ne peut être considérée comme une tâche purement technique. Si un système d’IA influence le comportement des utilisateurs, il est essentiel de comprendre quel est son objectif d’optimisation. Est-ce qu’il aide l’utilisateur ? Améliore-t-il la rentabilité de la plateforme ? Est-il conforme à la réglementation ? Est-il suffisamment explicable ? Pourrait-il entraîner des distorsions ?
Ainsi, l’actuaire qui est en moi garantit la rigueur, tandis que le stratège en IA qui est en moi assure la rapidité et la volonté d’expérimenter. La clé réside dans la combinaison de ces deux aspects. L’IA sans rigueur en matière de gestion des risques peut s’avérer dangereuse. La discipline en matière de risque, sans innovation, peut perdre tout son sens. Le rôle a considérablement évolué. Il y a dix ans, de nombreux modèles actuariels étaient encore relativement traditionnels : modèles statistiques, méthodes de calcul des provisions, tables de taux et modèles de capital. Ceux-ci restent importants, mais le paysage des données a radicalement changé.
Comment le rôle de l’actuaire a-t-il évolué au cours des dix dernières années sous l’influence de l’intelligence artificielle et de l’apprentissage automatique, et quelle direction ce domaine est-il en train de prendre ?
Aujourd’hui, les actuaires ont accès à des données plus détaillées, à davantage d’indicateurs en temps réel et à des techniques de modélisation plus performantes. L’apprentissage automatique permet d’identifier des tendances que les méthodes traditionnelles pourraient ne pas détecter. L’IA générative peut faciliter la documentation, l’analyse de scénarios, la communication avec les clients et les processus internes.
Cependant, je ne pense pas que l’IA diminue l’importance des actuaires. Je pense qu’elle modifie ce qui fait la valeur d’un actuaire. L’actuaire de demain devra posséder de meilleures compétences techniques, être davantage orienté vers les produits et se sentir plus à l’aise pour travailler avec des data scientists et des ingénieurs. Pourtant, la compétence fondamentale de l’actuaire reste indispensable : la compréhension de l’incertitude, des incitations, des engagements à long terme et des conséquences de mauvaises décisions. Dans un monde où l’IA peut fournir des réponses très rapidement, le rôle de l’actuaire consistera de plus en plus à s’interroger sur la fiabilité, l’équité, la robustesse et la pertinence économique de ces réponses. Sur le plan technique, les possibilités sont aujourd’hui immenses, mais l’expression « évaluation des risques en temps réel » est parfois utilisée de manière trop vague.
Dans le secteur de l’assurance, on parle beaucoup de l’évaluation des risques en temps réel. Qu’est-ce qui est réellement possible d’un point de vue technique aujourd’hui, et qu’est-ce qui n’est encore que du jargon marketing ?
Il est possible d’utiliser des données en temps réel ou quasi-temps réel pour améliorer la prise de décision. Dans le secteur de l’assurance, cela peut concerner la souscription dynamique, la détection des fraudes, le tri des sinistres, les ajustements tarifaires, la prévention des risques ou le conseil à la clientèle. Dans le commerce de détail ou le secteur du crédit, cela peut signifier identifier les hésitations, la tolérance au risque, les problèmes d’adéquation ou les schémas comportementaux dès leur apparition.
D’un point de vue technique, les outils sont disponibles : API, flux d’événements, modèles d’apprentissage automatique, infrastructure cloud et interfaces d’IA embarquées. Les principaux défis ne résident généralement pas dans les algorithmes eux-mêmes, mais plutôt dans la qualité des données, les exigences réglementaires, l’explicabilité, l’intégration avec les systèmes existants et la préparation de l’organisation.
Le jargon du marketing repose sur l’idée que tout risque peut être parfaitement évalué en temps réel. Certains risques se développent lentement. D’autres nécessitent un contexte qui n’est pas disponible sous forme numérique. D’autres encore ne peuvent être prédits sur la base des comportements passés. Et certains signaux en temps réel sont brouillés ou trompeurs.
Je ferais donc la distinction suivante : l’évaluation des risques en temps réel est utile lorsqu’elle permet d’améliorer une décision précise au sein d’un processus spécifique. Elle relève du jargon lorsqu’elle est présentée comme une sorte de niveau « magique » permettant de cerner instantanément tous les risques. Je pense que ces deux affirmations sont vraies.
Les InsurTechs suisses ont souvent du mal à s’imposer sur la scène internationale. Êtes-vous d’accord avec cela, ou pensez-vous que le marché suisse est sous-estimé ?
Les InsurTechs et FinTechs suisses ont souvent plus de mal à se développer à l’international, car la Suisse est un marché relativement restreint. Bien qu’il soit possible de développer un produit performant, une entreprise peut ne pas atteindre la même envergure sur le marché national qu’une entreprise qui se lance aux États-Unis. La levée de fonds peut également s’avérer plus prudente, et les entreprises suisses mènent parfois une stratégie marketing moins agressive que leurs concurrents internationaux.
Par ailleurs, le marché suisse est sous-estimé. La Suisse dispose d’une expertise approfondie dans les domaines de l’assurance, de la banque, de la gestion des risques, de la réglementation et de la gestion d’actifs, ainsi que d’un savoir-faire technique. Si vous développez une solution qui fonctionne en Suisse – en particulier dans un environnement réglementé –, cela peut constituer un gage de crédibilité.
Le défi réside dans le fait que les entreprises suisses doivent commencer à penser à l’échelle mondiale plus tôt. La qualité est souvent au rendez-vous. Leur ambition et leur communication doivent être à la hauteur de ce niveau. Je pense que l’un des plus grands risques réside dans le fait que le secteur ne prépare pas son infrastructure à l’IA moderne.
En tant que personne qui travaille depuis des années à la croisée de l’assurance, de l’IA et de la technologie, quels sont, selon vous, les risques que le secteur ne parvient toujours pas à identifier ?
Le secteur de l’assurance dispose d’ensembles de données très volumineux, mais souvent d’une infrastructure de données très insuffisante. La manière dont les données sont collectées, structurées, nettoyées, mises en relation et rendues exploitables pour l’IA et l’apprentissage automatique reste à la traîne dans de nombreuses organisations. Il ne s’agit pas seulement d’un problème technique. Un changement de mentalité s’impose.
Le risque est que les entreprises appliquent un modèle d’IA générique à des données de mauvaise qualité et s’attendent à des résultats transformateurs. Les résultats seront alors génériques, incomplets ou décevants. Les gens observeront cela et diront : « L’IA n’est pas encore prête pour notre secteur », alors que le problème ne réside pas uniquement dans le modèle. Le problème réside dans l’infrastructure sous-jacente. Cela est dangereux, car cela risque d’entraîner un retard encore plus important pour le secteur. Pour être utile, l’IA a besoin de contexte, de structure et de données de haute qualité. Sans ces conditions préalables, même le meilleur modèle aura du mal à fonctionner.
C’est pourquoi les personnes possédant une double expertise sont de plus en plus recherchées : celles qui maîtrisent à la fois l’ingénierie des données et la technologie, mais aussi l’assurance, la finance et la gestion des risques. Vous devez être capable d’aborder la technologie avec le regard d’un actuaire et le secteur de l’assurance avec celui d’un technologue. C’est là que réside une grande partie de la valeur ajoutée. Mon conseil est le suivant : maîtrisez parfaitement les fondamentaux, mais ne vous arrêtez pas là. Vous devez également posséder des connaissances en mathématiques, en théorie des probabilités, en statistiques, en finance et en assurance. L’IA générative ne remplace pas ces bases. En réalité, elle les rend encore plus importantes, car vous devez être capable de reconnaître quand la machine se trompe.
Quels conseils donneriez-vous aux jeunes qui se destinent aujourd’hui à une carrière dans l’actuariat, notamment à l’heure de l’IA générative ?
J’encourage également les jeunes actuaires à s’intéresser à la programmation, à la science des données, à l’apprentissage automatique et à la réflexion axée sur les produits. Ne vous considérez pas simplement comme des personnes chargées de créer des rapports ou des modèles. Considérez-vous plutôt comme des personnes capables de contribuer à la mise en place de systèmes d’aide à la décision.
Les meilleures opportunités reviendront à ceux qui sauront jeter des ponts entre différents univers : la science actuarielle et l’IA, la réglementation et l’innovation, le monde des affaires et la technologie. Je vous recommande également ceci : restez curieux. L’IA va transformer de nombreux outils, mais la curiosité, le bon jugement et le sens des responsabilités continueront d’être des atouts précieux. La passion, sans aucun doute, et plus précisément, la passion pour la créativité.
Pour finir : vous avez cofondé ou fondé six entreprises. Qu’est-ce qui vous anime : le goût du risque ou la passion ?
J’aime créer des choses. J’apprécie cette sensation de faire naître quelque chose de rien : partir d’une idée, passer par une première version, pour aboutir à un produit, puis à une entreprise, et enfin à quelque chose que les clients utilisent réellement. C’est ce qui me procure le plus de joie.
J’aime également prendre mon destin en main. L’entrepreneuriat est difficile et parfois douloureux, mais il vous offre la possibilité de tracer votre propre chemin et de créer quelque chose qui reflète votre propre vision du monde.
Je ne suis pas attiré par le risque pour le simple plaisir de prendre des risques. Je ne pense pas que les entrepreneurs doivent glorifier l’incertitude. Mais je suis attiré par les problèmes où l’incertitude prévaut et où la technologie peut aider les gens à prendre de meilleures décisions. C’est le fil conducteur de toute ma carrière : la fraude à l’assurance, le risque de crédit, le crédit, le trading, le conseil financier et l’IA. Ce sont tous des domaines où les décisions sont complexes et comportent des risques réels.
Je dirais donc que ce n’est pas le risque qui me motive. Le risque est simplement la matière avec laquelle je travaille. C’est le processus créatif qui me motive.
C’est Binci Heeb qui a posé les questions.
Ghassen Benhadjsalah est un entrepreneur expérimenté dans le domaine des technologies, doté d’une formation universitaire en intelligence artificielle et en sciences actuarielles. Au fil des ans, il a fondé plusieurs start-ups, dont la plupart opèrent à la croisée de la fintech, de l’assurance et de l’intelligence artificielle. C’est un développeur passionné et un fondateur tenace et résilient, qui possède à la fois une expertise technique et commerciale.
Voir également : Comment inncivio utilise l’IA pour repenser les conseils personnalisés en fonction du contexte destinés au secteur des transactions
Recherche :
Sponsors :
