{"id":28163,"date":"2026-05-18T04:00:00","date_gmt":"2026-05-18T02:00:00","guid":{"rendered":"https:\/\/www.thebrokernews.ch\/?p=28163"},"modified":"2026-05-11T15:27:01","modified_gmt":"2026-05-11T13:27:01","slug":"predictive-ai-modele-donnees-a-strategie","status":"publish","type":"post","link":"https:\/\/www.thebrokernews.ch\/fr\/predictive-ai-modele-donnees-a-strategie\/","title":{"rendered":"Predictive AI : du mod\u00e8le de donn\u00e9es \u00e0 la strat\u00e9gie commerciale"},"content":{"rendered":"
IA pr\u00e9dictive : Dan Goldenblatt de Pecan.ai affirme qu'en Europe, le caract\u00e8re explicatif des mod\u00e8les pr\u00e9dictifs est crucial.<\/span><\/div>\n\n

L’intelligence artificielle promet aux entreprises plus qu’une simple automatisation : elle doit rendre les d\u00e9cisions commerciales plus pr\u00e9visibles. Les plateformes d’analyse pr\u00e9dictive permettent d\u00e9sormais aux d\u00e9partements sp\u00e9cialis\u00e9s de faire des pr\u00e9visions concr\u00e8tes \u00e0 partir de donn\u00e9es, sans connaissances approfondies en programmation. Mais o\u00f9 en est cette \u00e9volution et quel est le r\u00f4le de l’Europe sur ce march\u00e9 ? <\/strong><\/p>\n\n

Fond\u00e9e en 2018 \u00e0 Tel Aviv, Pecan.ai<\/a> d\u00e9veloppe une plateforme d’analyse pr\u00e9dictive \u00e0 bas code destin\u00e9e \u00e0 aider les \u00e9quipes commerciales et de donn\u00e9es \u00e0 faire des pr\u00e9visions plus rapidement r\u00e9alisables \u00e0 partir de donn\u00e9es existantes. La technologie est utilis\u00e9e, entre autres, pour pr\u00e9dire l’attrition des clients, la vente incitative, les conversions et les sinistres, ainsi que pour optimiser les efforts de marketing et mieux planifier les tendances de la demande. <\/p>\n\n

Dans un entretien accord\u00e9 \u00e0 thebrokernews<\/em> , Dan Goldenblatt<\/a> (directeur g\u00e9n\u00e9ral, EMEA & APAC chez Pecan.ai) explique comment les entreprises utilisent aujourd’hui l’IA pr\u00e9dictive dans la pratique, quels sont les d\u00e9fis de la mise en \u0153uvre et pourquoi les entreprises europ\u00e9ennes en particulier ont un grand potentiel pour int\u00e9grer davantage les d\u00e9cisions bas\u00e9es sur les donn\u00e9es dans leurs processus d’affaires.<\/p>\n\n

Dan, Pecan.ai se d\u00e9veloppe rapidement en Europe. Quelles diff\u00e9rences voyez-vous entre les entreprises europ\u00e9ennes et am\u00e9ricaines lorsqu’il s’agit d’utiliser l’analyse pr\u00e9dictive ? <\/strong><\/h6>\n\n

Il existe un grand int\u00e9r\u00eat des deux c\u00f4t\u00e9s de l’Atlantique. Les principales diff\u00e9rences peuvent \u00eatre regroup\u00e9es en trois domaines : La r\u00e9glementation, la strat\u00e9gie en mati\u00e8re de donn\u00e9es et la philosophie du risque. <\/p>\n\n

R\u00e9glementation<\/strong><\/p>\n\n

En Europe, le caract\u00e8re explicatif des mod\u00e8les pr\u00e9dictifs est crucial. C’est particuli\u00e8rement important lorsqu’il s’agit d’utiliser l’IA pour la gestion des sinistres, mais aussi pour pr\u00e9dire quel client va partir ou quel client est le plus susceptible de faire l’objet d’une vente incitative. \u00c0 cet \u00e9gard, l’IA de Pecan offre un tr\u00e8s haut niveau d’explicabilit\u00e9 et de transparence, avec l’avantage suppl\u00e9mentaire de permettre \u00e0 des \u00e9quipes non sp\u00e9cialis\u00e9es en science des donn\u00e9es de cr\u00e9er des mod\u00e8les. <\/p>\n\n

Le march\u00e9 am\u00e9ricain est plus complexe en raison des diff\u00e9rences de r\u00e9glementation au niveau de l’\u00c9tat, d’un \u00c9tat \u00e0 l’autre. Cependant, d’apr\u00e8s nos observations, le march\u00e9 am\u00e9ricain se concentre davantage sur l’\u00e9quit\u00e9 et la non-discrimination que sur la piste d’audit technique requise en Europe. <\/p>\n\n

Strat\u00e9gie de donn\u00e9es<\/strong> <\/p>\n\n

L’UE est beaucoup plus stricte en ce qui concerne la protection de la vie priv\u00e9e et, par exemple, l’utilisation de donn\u00e9es non li\u00e9es \u00e0 l’assurance provenant de diff\u00e9rentes sources. En Europe, le consommateur doit donner son consentement explicite pour que ses donn\u00e9es soient utilis\u00e9es. Aux \u00c9tats-Unis, en revanche, les assureurs utilisent traditionnellement davantage de sources de donn\u00e9es tierces, et l’analyse pr\u00e9dictive est largement utilis\u00e9e pour permettre un marketing hyper-personnalis\u00e9 et une \u00e9valuation imm\u00e9diate des risques. <\/p>\n\n

Philosophie du risque<\/strong><\/p>\n\n

L’approche europ\u00e9enne est \u00ab\u00a0Predict-and-Prevent\u00a0\u00bb : en raison des restrictions r\u00e9glementaires sur l’\u00e9valuation des risques, les assureurs europ\u00e9ens utilisent l’analyse pr\u00e9dictive pour pr\u00e9venir les pertes. Ils utilisent les donn\u00e9es IoT et satellitaires pour avertir les clients des inondations ou des incendies avant qu’ils ne se produisent. L’approche am\u00e9ricaine, en revanche, est le \u00ab\u00a0Straight-Through Processing\u00a0\u00bb (STP), dans lequel les entreprises utilisent l’analyse pr\u00e9dictive pour \u00e9liminer compl\u00e8tement l’humain du processus, dans le but d’un traitement des sinistres et d’une \u00e9valuation des risques \u00ab\u00a0zero-touch\u00a0\u00bb. L’IA est utilis\u00e9e pour approuver une police en quelques secondes sur la base d’\u00e9normes pools de donn\u00e9es externes. <\/p>\n\n

De nombreuses entreprises europ\u00e9ennes disposent de grands ensembles de donn\u00e9es, mais sont encore relativement r\u00e9ticentes \u00e0 les utiliser. O\u00f9 voyez-vous actuellement le plus grand potentiel inexploit\u00e9 pour l’IA pr\u00e9dictive en Europe ? <\/strong><\/h6>\n\n

Premi\u00e8rement, le v\u00e9ritable potentiel ne r\u00e9side pas seulement dans la pr\u00e9diction de l’avenir, mais dans l’utilisation de ces pr\u00e9dictions pour r\u00e9duire fondamentalement le co\u00fbt du risque pour la soci\u00e9t\u00e9 et faire passer le secteur de l’assurance du statut de payeur r\u00e9actif \u00e0 celui de filet de s\u00e9curit\u00e9 proactif. Le projet de loi sur l’IA de l’UE est excellent pour une entreprise comme Pecan AI, car il exige des entreprises qu’elles utilisent des mod\u00e8les transparents et explicables, ce que Pecan fait de mani\u00e8re inh\u00e9rente. <\/p>\n\n

La Suisse est consid\u00e9r\u00e9e comme un march\u00e9 innovant, mais aussi r\u00e9glement\u00e9. Concr\u00e8tement, quelles opportunit\u00e9s voyez-vous pour l’analyse pr\u00e9dictive dans le secteur suisse de la finance et de l’assurance ? <\/h6>\n\n

Comme le Conseil f\u00e9d\u00e9ral suisse met l’accent sur la \u00ab\u00a0responsabilit\u00e9\u00a0\u00bb plut\u00f4t que sur les interdictions g\u00e9n\u00e9rales, le potentiel inexploit\u00e9 r\u00e9side dans les mod\u00e8les de \u00ab\u00a0bo\u00eete blanche\u00a0\u00bb, qui garantissent que les utilisateurs peuvent expliquer pr\u00e9cis\u00e9ment pourquoi<\/em> une IA a recommand\u00e9 un produit d’investissement particulier, tout en conservant l’approche \u00ab\u00a0humain dans la boucle\u00a0\u00bb.<\/p>\n\n

En Suisse, le plus grand potentiel ne r\u00e9side pas dans la \u00ab\u00a0disruption\u00a0\u00bb des banques ou des assureurs traditionnels, mais dans le renforcement num\u00e9rique de la marque de confiance suisse. En 2026, les gagnants seront ceux qui utiliseront l’analyse pr\u00e9dictive non seulement pour augmenter leurs marges, mais aussi pour offrir une \u00ab\u00a0certitude pr\u00e9dictive\u00a0\u00bb, c’est-\u00e0-dire prot\u00e9ger le patrimoine et la sant\u00e9 des clients avant m\u00eame qu’un risque ne se produise. <\/p>\n\n

De nombreuses entreprises parlent de l’IA, mais ont du mal \u00e0 la mettre en \u0153uvre. Selon votre exp\u00e9rience, quels sont les trois principaux obstacles auxquels se heurtent les entreprises qui souhaitent r\u00e9ellement int\u00e9grer l’IA pr\u00e9dictive dans leurs activit\u00e9s quotidiennes ? <\/strong><\/h6>\n\n

D’apr\u00e8s notre exp\u00e9rience, l’\u00e9cart entre un projet pilote d’IA et son int\u00e9gration dans les op\u00e9rations quotidiennes peut g\u00e9n\u00e9ralement \u00eatre attribu\u00e9 \u00e0 trois points de friction sp\u00e9cifiques. En 2026, nous avons d\u00e9pass\u00e9 les probl\u00e8mes fondamentaux de \u00ab\u00a0qualit\u00e9 des donn\u00e9es\u00a0\u00bb. Les obstacles sont d\u00e9sormais plus structurels et comportementaux. <\/p>\n\n

1. le \u00ab\u00a0silo de donn\u00e9es\u00a0\u00bb vs. le contexte op\u00e9rationnel<\/strong><\/p>\n\n

La plupart des entreprises disposent de suffisamment de donn\u00e9es, mais celles-ci ne sont pas \u00ab\u00a0pr\u00eates pour l’IA\u00a0\u00bb pour un fonctionnement en temps r\u00e9el. L’IA pr\u00e9dictive n\u00e9cessite un flux continu de donn\u00e9es \u00e0 haut d\u00e9bit, mais de nombreuses entreprises europ\u00e9ennes continuent de stocker les donn\u00e9es dans des silos d\u00e9partementaux (par exemple, les donn\u00e9es relatives aux sinistres ne communiquent pas avec les donn\u00e9es relatives \u00e0 la distribution des polices). <\/p>\n\n

2. l’\u00e9cart de confiance de la \u00ab\u00a0bo\u00eete noire\u00a0\u00bb (explicabilit\u00e9)<\/strong><\/p>\n\n

L’obstacle :<\/strong> le mod\u00e8le peut fonctionner en laboratoire, mais il \u00e9choue dans la vie quotidienne, car il manque le contexte commercial r\u00e9el.<\/p>\n\n

La solution :<\/strong> passer des \u00ab\u00a0entrep\u00f4ts de donn\u00e9es\u00a0\u00bb statiques \u00e0 des architectures de type \u00ab\u00a0data mesh\u00a0\u00bb, dans lesquelles les donn\u00e9es sont trait\u00e9es comme des produits appartenant aux divisions qui les utilisent r\u00e9ellement.<\/p>\n\n

Dans un contexte suisse ou europ\u00e9en tr\u00e8s r\u00e9glement\u00e9, un mod\u00e8le pr\u00e9dictif qui dit \u00ab\u00a0Refusez ce cr\u00e9dit\u00a0\u00bb ou \u00ab\u00a0Augmentez cette prime\u00a0\u00bb sans explication est un risque. <\/p>\n\n

3. gestion du changement : de \u00ab\u00a0l’assistant\u00a0\u00bb \u00e0 \u00ab\u00a0l’acteur<\/strong>\u00ab\u00a0.<\/p>\n\n

L’obstacle :<\/strong> si un charg\u00e9 de client\u00e8le ou un souscripteur ne comprend pas pourquoi<\/em> l’IA a fait une pr\u00e9diction, il se fiera \u00e0 son instinct et ignorera l’outil. C’est le probl\u00e8me de l'\u00a0\u00bbIA fant\u00f4me\u00a0\u00bb, o\u00f9 les outils sont achet\u00e9s mais jamais utilis\u00e9s. <\/p>\n\n

La solution :<\/strong> Mettre en \u0153uvre des cadres pour l’IA explicable (XAI). D’ici 2026, l’\u00e9talon-or consistera \u00e0 fournir des \u00ab\u00a0Local Interpretable Model-agnostic Explications\u00a0\u00bb (LIME) qui donneront \u00e0 l’utilisateur humain 2-3 raisons claires pour chaque pr\u00e9diction de l’IA. <\/p>\n\n

Le plus grand obstacle n’est pas le code ; mais la reconception des processus de travail. La plupart des entreprises tentent de \u00ab\u00a0rattacher\u00a0\u00bb l’IA \u00e0 leurs processus manuels existants plut\u00f4t que de repenser le processus autour de l’IA. Les trois obstacles sont le contexte (donn\u00e9es isol\u00e9es), la confiance (manque d’explicabilit\u00e9) et la culture (incapacit\u00e9 \u00e0 reconcevoir les flux de travail). Pour r\u00e9ussir, une entreprise doit cesser de traiter l’IA comme une mise \u00e0 jour logicielle et commencer \u00e0 la consid\u00e9rer comme un nouveau type de coll\u00e8gue num\u00e9rique\u00a0\u00bb. <\/p>\n\n

L’obstacle :<\/strong> les employ\u00e9s consid\u00e8rent souvent l’IA pr\u00e9dictive comme une menace pour leur expertise ou comme une \u00e9tape suppl\u00e9mentaire dans une journ\u00e9e d\u00e9j\u00e0 bien remplie.<\/p>\n\n

La solution :<\/strong> le passage \u00e0 des flux de travail bas\u00e9s sur des agents. Au lieu que l’IA se contente de fournir une pr\u00e9diction (par exemple, \u00ab\u00a0ce client risque de partir\u00a0\u00bb), elle agit comme un agent qui pr\u00e9pare l’e-mail de fid\u00e9lisation, sugg\u00e8re la r\u00e9duction et le place dans la bo\u00eete de r\u00e9ception de l’employ\u00e9 pour une approbation \u00ab\u00a0en un clic\u00a0\u00bb. <\/p>\n\n

Pecan.ai mise beaucoup sur le low-code et l’automatisation. Cette \u00e9volution modifie-t-elle le r\u00f4le des scientifiques de donn\u00e9es traditionnels dans les entreprises ? <\/strong><\/h6>\n\n

La r\u00e9ponse courte \u00e0 cette question est non. De la m\u00eame mani\u00e8re que les tableurs n’ont pas rendu les math\u00e9maticiens, les comptables ou les comptables superflus, mais leur ont permis de se concentrer sur des t\u00e2ches plus complexes tout en permettant \u00e0 des personnes moins techniques de cr\u00e9er des tableaux sophistiqu\u00e9s, Pecan AI fait de m\u00eame. <\/p>\n\n

Nous permettons aux utilisateurs professionnels sans expertise technique de cr\u00e9er des mod\u00e8les pr\u00e9dictifs, ce qui lib\u00e8re un temps pr\u00e9cieux pour les data scientists qui peuvent ainsi se consacrer \u00e0 des t\u00e2ches beaucoup plus complexes. Apr\u00e8s avoir parl\u00e9 \u00e0 de nombreux dirigeants du secteur de l’assurance (ainsi qu’\u00e0 des dirigeants d’autres secteurs), nous savons que les t\u00e2ches de mod\u00e9lisation moins complexes et plus routini\u00e8res se trouvent souvent au bas de la liste des choses \u00e0 faire des scientifiques des donn\u00e9es. M\u00eame lorsqu’elles sont effectu\u00e9es, il est toujours difficile de faire en sorte que les scientifiques des donn\u00e9es maintiennent les mod\u00e8les, ce qui conduit souvent \u00e0 l’\u00e9chec des mod\u00e8les. <\/p>\n\n

Et pourtant, ces cas d’utilisation apportent une valeur ajout\u00e9e consid\u00e9rable \u00e0 l’assureur. Nous le constatons avec chaque nouvelle compagnie d’assurance que nous int\u00e9grons. Pecan aide les utilisateurs professionnels \u00e0 cr\u00e9er et \u00e0 d\u00e9ployer rapidement et facilement des mod\u00e8les pr\u00e9dictifs, \u00e0 r\u00e9duire l’\u00e9norme besoin en scientifiques de donn\u00e9es et \u00e0 am\u00e9liorer la r\u00e9putation des \u00e9quipes de donn\u00e9es au sein de l’entreprise en r\u00e9duisant la frustration des parties prenantes internes qui ne re\u00e7oivent pas les services de mod\u00e9lisation dont elles ont besoin. Il s’agit d’une solution gagnant-gagnant-gagnant. <\/p>\n\n

Dans la pratique, combien de temps faut-il \u00e0 une entreprise pour obtenir des r\u00e9sultats commerciaux mesurables apr\u00e8s la mise en \u0153uvre de votre plate-forme ?<\/strong><\/h6>\n\n

Rien n’est plus \u00e9loquent qu’un client r\u00e9el, un client d’assurance pr\u00eat \u00e0 donner un t\u00e9moignage moins de trois mois apr\u00e8s le lancement. C’est le cas de la compagnie am\u00e9ricaine Fetch Pet Insurance<\/a>. Akash Gupta, Chief Analytics and Strategy Officer de l’entreprise, s’est exprim\u00e9 sur Pecan comme suit : <\/p>\n\n

La plateforme Pecan est extr\u00eamement utile \u00e0 l’\u00e9quipe de donn\u00e9es et l’aide \u00e0 acc\u00e9l\u00e9rer consid\u00e9rablement le d\u00e9veloppement de mod\u00e8les. Notre \u00e9quipe peut d\u00e9sormais r\u00e9pondre \u00e0 beaucoup plus de questions commerciales, et ce beaucoup plus rapidement. <\/p>\n\n

Un aspect particuli\u00e8rement impressionnant a \u00e9t\u00e9 le programme d’int\u00e9gration et de support de Pecan AI. L’\u00e9quipe d’experts de Pecan a non seulement aid\u00e9 les data scientists de Fetch \u00e0 se familiariser avec l’outil, mais elle nous a \u00e9galement soutenus dans nos mod\u00e8les data scientists, am\u00e9liorant ainsi notre \u00e9quipe. Ce type de soutien est sans pr\u00e9c\u00e9dent dans l’industrie\u00a0\u00bb. <\/p>\n\n

La qualit\u00e9 des mod\u00e8les pr\u00e9dictifs d\u00e9pend des donn\u00e9es sur lesquelles ils sont bas\u00e9s. Comment les entreprises g\u00e8rent-elles les donn\u00e9es incompl\u00e8tes ou fragment\u00e9es lorsqu’elles souhaitent utiliser des mod\u00e8les pr\u00e9dictifs ? <\/strong><\/h6>\n\n

Pecan a fait des progr\u00e8s consid\u00e9rables dans la qualit\u00e9 des donn\u00e9es n\u00e9cessaires au d\u00e9veloppement de mod\u00e8les. Gr\u00e2ce \u00e0 des IP propri\u00e9taires pour la collecte et la pr\u00e9paration des donn\u00e9es, Pecan peut utiliser des donn\u00e9es qui sont compatibles avec la BI, et pas seulement celles qui sont traditionnellement consid\u00e9r\u00e9es comme \u00ab\u00a0compatibles avec l’IA\u00a0\u00bb. Bien s\u00fbr, un certain niveau de qualit\u00e9 des donn\u00e9es est n\u00e9cessaire, mais si une entreprise dispose d’un data lake ou d’un entrep\u00f4t de donn\u00e9es et capture des donn\u00e9es de mani\u00e8re raisonnable, Pecan AI peut travailler avec ces donn\u00e9es et permettre aux utilisateurs d’en tirer des informations pr\u00e9cieuses et orient\u00e9es vers l’avenir. <\/p>\n\n

De nombreuses organisations restent sceptiques vis-\u00e0-vis des d\u00e9cisions automatis\u00e9es. Comment les entreprises peuvent-elles instaurer la confiance dans les pr\u00e9visions bas\u00e9es sur l’IA ? <\/strong><\/h6>\n\n

Une bonne dose de scepticisme est b\u00e9n\u00e9fique. Le cynisme est destructeur. Et les d\u00e9cisions enti\u00e8rement automatis\u00e9es par l’IA peuvent en effet \u00eatre probl\u00e9matiques. Un rapport du MIT<\/a>(d\u00e9sormais tristement c\u00e9l\u00e8bre) indique que 95% des projets d’IA mis en \u0153uvre au niveau de l’entreprise \u00e9chouent. Les 5 % qui r\u00e9ussissent sont ceux qui impliquent un humain dans la boucle de contr\u00f4le. C’est exactement le mod\u00e8le de Pecan AI. Nous avons un humain dans la boucle de contr\u00f4le qui s’assure que les pr\u00e9dictions sont pr\u00e9cises, pr\u00e9cieuses, fiables et r\u00e9alisables. <\/p>\n\n

Avec la <\/strong>loi europ\u00e9enne sur l’intelligence artificielle<\/strong><\/a> l’Europe a mis en place l’un des cadres juridiques les plus stricts au monde en mati\u00e8re d’IA.<\/strong><\/p>\n\n

Quel est l’impact sur les plateformes d’analyse pr\u00e9dictive comme Pecan.ai ?<\/strong><\/h6>\n\n

Pecan n’a pas besoin de donn\u00e9es personnelles pour g\u00e9n\u00e9rer des pr\u00e9dictions. La connaissance des noms, adresses, num\u00e9ros de t\u00e9l\u00e9phone, dates de naissance ou autres donn\u00e9es personnelles n’aide pas \u00e0 la mod\u00e9lisation. La plate-forme permet aux utilisateurs de d\u00e9terminer avec pr\u00e9cision les donn\u00e9es qu’ils souhaitent ou non partager, et nous recommandons vivement de ne pas utiliser de donn\u00e9es personnelles. <\/p>\n\n

Comment les entreprises peuvent-elles s’assurer que leurs mod\u00e8les pr\u00e9dictifs restent transparents et explicables, en particulier dans des secteurs tr\u00e8s r\u00e9glement\u00e9s comme l’assurance ou la banque ?<\/strong><\/h6>\n\n

La transparence et l’explicabilit\u00e9 sont int\u00e9gr\u00e9es \u00e0 la plateforme Pecan AI. Nous avons consacr\u00e9 beaucoup de temps et d’efforts \u00e0 nous en assurer, et nous avons \u00e9t\u00e9 audit\u00e9s et \u00e9valu\u00e9s par un grand nombre d’entreprises de diff\u00e9rents secteurs, qui l’ont confirm\u00e9. Pecan AI est loin d’\u00eatre une bo\u00eete noire. Il s’agit plut\u00f4t d’une bo\u00eete en verre qui montre aux utilisateurs comment les op\u00e9rations fonctionnent, comment le processus s’est d\u00e9roul\u00e9, quels mod\u00e8les ont \u00e9t\u00e9 utilis\u00e9s, quels hyperparam\u00e8tres ont \u00e9t\u00e9 s\u00e9lectionn\u00e9s et quelles caract\u00e9ristiques ont eu un impact sur chaque pr\u00e9diction au niveau individuel du client. <\/p>\n\n

Les assureurs utilisent traditionnellement les donn\u00e9es pour les mod\u00e8les de risque. Comment l’IA pr\u00e9dictive modifie-t-elle la logique actuarielle classique dans le secteur ? <\/strong><\/h6>\n\n

La logique actuarielle \u00e9value les risques en fonction de donn\u00e9es historiques sur les sinistres et de variables pr\u00e9d\u00e9finies. L’IA pr\u00e9dictive brise cette limitation en int\u00e9grant des milliers de signaux, tels que la t\u00e9l\u00e9matique, les donn\u00e9es d’imagerie, les donn\u00e9es comportementales, l’IoT, et en r\u00e9v\u00e9lant des corr\u00e9lations que les actuaires n’auraient jamais pens\u00e9 \u00e0 mod\u00e9liser. <\/p>\n\n

Les effets se font sentir tout au long de la cha\u00eene de valeur : une \u00e9valuation plus pr\u00e9cise des risques au niveau individuel, la constitution de provisions dynamiques au lieu de triangles de d\u00e9veloppement statiques, l’\u00e9valuation des risques de fraude et de processus d\u00e8s la premi\u00e8re d\u00e9claration de sinistre et des mod\u00e8les de r\u00e9tention optimis\u00e9s en fonction de la Customer Lifetime Value et pas seulement du taux de sinistres.<\/p>\n\n

Le point de conflit central est l’explicabilit\u00e9. Les r\u00e9gulateurs exigent des mod\u00e8les justifiables, c’est pourquoi ML n’a pas remplac\u00e9 la logique actuarielle, mais a d\u00e9plac\u00e9 les actuaires vers le haut de la hi\u00e9rarchie, vers la gouvernance et l’interpr\u00e9tation des mod\u00e8les. <\/p>\n\n

La lacune restante pour la plupart des assureurs n’est pas la perspicacit\u00e9, c’est l’op\u00e9rationnalisation. Ils disposent d’\u00e9quipes de data science et de preuves de concept, mais les pr\u00e9dictions ne sont pas ex\u00e9cut\u00e9es en production et n’influencent pas les d\u00e9cisions r\u00e9elles. C’est l\u00e0 que Pecan intervient : Nous comblons l’\u00e9cart entre un mod\u00e8le existant et une pr\u00e9diction qui m\u00e8ne \u00e0 l’action. <\/p>\n\n

Au-del\u00e0 des pr\u00e9visions d’attrition et des ventes crois\u00e9es, quels nouveaux domaines d’application de l’IA pr\u00e9dictive voyez-vous dans le secteur de l’assurance au cours des cinq prochaines ann\u00e9es ?<\/strong><\/h6>\n\n

Pecan AI n’est pas une insurtech et nous n’avons pas d’expertise sp\u00e9cifique en assurance. Nous sommes des experts en donn\u00e9es et partout o\u00f9 il y a des donn\u00e9es tabulaires et structur\u00e9es, la plateforme s’est av\u00e9r\u00e9e tr\u00e8s efficace et continue de le prouver lorsqu’il s’agit de cr\u00e9er des mod\u00e8les pr\u00e9cis et fiables \u00e0 une vitesse record et \u00e0 moindre co\u00fbt. L’adoption de l’IA dans le secteur de l’assurance (comme dans d’autres secteurs) devrait s’intensifier dans les ann\u00e9es \u00e0 venir. <\/p>\n\n

Le d\u00e9bat sur l’IA est actuellement fortement influenc\u00e9 par l’IA g\u00e9n\u00e9rative. Comment voyez-vous l’interaction entre l’IA g\u00e9n\u00e9rative et l’IA pr\u00e9dictive dans le contexte commercial ? <\/strong><\/h6>\n\n

C’est exactement ce qu’a fait Pecan AI. Nous avons pris un processus d’analyse pr\u00e9dictive existant depuis longtemps et avons d\u00e9velopp\u00e9 une machine qui l’automatise. Nous avons ensuite ajout\u00e9 une composante agentique qui permet une interaction tr\u00e8s efficace entre l’utilisateur et la machine, ce qui a consid\u00e9rablement acc\u00e9l\u00e9r\u00e9 des processus qui prenaient auparavant de nombreuses semaines et souvent des mois, et les a r\u00e9duits \u00e0 quelques heures ou quelques jours. <\/p>\n\n

\u00c0 long terme, l’IA g\u00e9n\u00e9rative permettra-t-elle aux \u00e9quipes commerciales de d\u00e9velopper des mod\u00e8les pr\u00e9dictifs complexes sans connaissances approfondies en science des donn\u00e9es ?<\/strong><\/h6>\n\n

En partie, mais pas compl\u00e8tement, et cette diff\u00e9rence est importante.<\/p>\n\n

L’IA g\u00e9n\u00e9rative r\u00e9duira consid\u00e9rablement les obstacles auxquels sont confront\u00e9es les \u00e9quipes commerciales lors de l’analyse des donn\u00e9es, de la formulation des probl\u00e8mes et de la cr\u00e9ation de prototypes de mod\u00e8les. Les interfaces en langage naturel permettent d\u00e9j\u00e0 aux utilisateurs non techniques d’interroger des ensembles de donn\u00e9es, de g\u00e9n\u00e9rer des id\u00e9es de caract\u00e9ristiques et d’interpr\u00e9ter des r\u00e9sultats sans avoir \u00e0 \u00e9crire de code. C’est une r\u00e9alit\u00e9 qui se d\u00e9veloppe de plus en plus rapidement. <\/p>\n\n

Cependant, les mod\u00e8les pr\u00e9dictifs complexes exigent toujours des choses que GenAI ne peut pas remplacer : des donn\u00e9es propres et bien g\u00e9r\u00e9es, une formulation solide des probl\u00e8mes, la compr\u00e9hension des hypoth\u00e8ses du mod\u00e8le et l’\u00e9valuation des cas o\u00f9 un mod\u00e8le se trompe de mani\u00e8re significative. Les \u00e9quipes commerciales ont tendance \u00e0 sous-estimer tout cela jusqu’\u00e0 ce que quelque chose se passe mal en production. <\/p>\n\n

Le r\u00e9sultat le plus probable est une nouvelle r\u00e9partition des t\u00e2ches : les \u00e9quipes commerciales sont responsables de la d\u00e9finition des probl\u00e8mes et de la validation des r\u00e9sultats, les \u00e9quipes techniques de la fiabilit\u00e9 et de la gouvernance, et l’IA fait le gros du travail entre les deux. L’analyste qui comprend le m\u00e9tier et<\/em> qui peut travailler couramment avec des outils d’IA devient le profil d\u00e9cisif. <\/p>\n\n

Pour Pecan en particulier, c’est un vent en poupe : le probl\u00e8me le plus difficile n’a jamais \u00e9t\u00e9 de construire des mod\u00e8les, mais de les associer \u00e0 des d\u00e9cisions \u00e0 grande \u00e9chelle. Cela reste vrai quel que soit le cr\u00e9ateur. <\/p>\n\n

Les questions ont \u00e9t\u00e9 pos\u00e9es par Binci Heeb.<\/em><\/p>\n\n

Dan Goldenblatt<\/strong> est directeur g\u00e9n\u00e9ral pour les r\u00e9gions EMEA et APAC de Pecan.ai, o\u00f9 il dirige les ventes r\u00e9gionales et est responsable de la division assurance de la soci\u00e9t\u00e9. Avec plus de vingt ans d’exp\u00e9rience dans la vente de solutions SaaS et d’intelligence artificielle \u00e0 des clients importants dans les secteurs des services publics, de l’assurance, de la fintech et d’autres secteurs, Dan a fait ses preuves en cr\u00e9ant des march\u00e9s \u00e0 partir de z\u00e9ro et en concluant des transactions complexes avec de nombreuses parties prenantes. Il a mis en place l’\u00e9quipe EMEA et la division assurance de Pecan et a conclu des contrats avec des soci\u00e9t\u00e9s telles que Fiverr, Markel, Fetch Pet Insurance et Savills (pour n’en citer que quelques-unes). Auparavant, il a r\u00e9alis\u00e9 un chiffre d’affaires annuel de plus de 2 millions de dollars dans le domaine des logiciels d’entreprise IA\/ML\/NLP en tant que VP Business Development chez App Orchid. Bas\u00e9 \u00e0 Berlin, Dan apporte une expertise juridique, un MBA et une connaissance approfondie du secteur \u00e0 chaque engagement commercial. <\/p>\n\n

Lisez aussi : P\u00e9can : L’exp\u00e9rience g\u00e9n\u00e9rative en un clin d’\u0153il<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

L’intelligence artificielle promet aux entreprises plus qu’une simple automatisation : elle doit rendre les d\u00e9cisions commerciales plus pr\u00e9visibles. Les plateformes d’analyse pr\u00e9dictive permettent d\u00e9sormais aux d\u00e9partements sp\u00e9cialis\u00e9s de faire des […]<\/p>\n","protected":false},"author":2,"featured_media":28162,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"_price":"","_stock":"","_tribe_ticket_header":"","_tribe_default_ticket_provider":"","_tribe_ticket_capacity":"0","_ticket_start_date":"","_ticket_end_date":"","_tribe_ticket_show_description":"","_tribe_ticket_show_not_going":false,"_tribe_ticket_use_global_stock":"","_tribe_ticket_global_stock_level":"","_global_stock_mode":"","_global_stock_cap":"","_tribe_rsvp_for_event":"","_tribe_ticket_going_count":"","_tribe_ticket_not_going_count":"","_tribe_tickets_list":"[]","_tribe_ticket_has_attendee_info_fields":false,"footnotes":""},"categories":[9546,9547,9551,9538],"tags":[12231,12216,12223,12221,12230,12224,12225,2141,12219,10368,12228,12233,12226,12232,12220,9702,12229,12222,12227],"class_list":["post-28163","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualites","category-generalites","category-interviews","category-non-categorise","tag-assistant","tag-developpement-de-modeles","tag-explicabilite","tag-gestion-du-changement","tag-ia-predictive","tag-modele-de-donnees","tag-pecan-ai","tag-perturbation","tag-philosophie-du-risque","tag-plate-forme-danalyse-predictive","tag-previsibilite","tag-rapport-du-mit","tag-responsabilite-2","tag-responsabilite","tag-silo-de-donnees","tag-strategie-commerciale","tag-strategie-de-donnees","ownarticle"],"acf":[],"cc_featured_image_caption":{"caption_text":"IA pr\u00e9dictive : Dan Goldenblatt de Pecan.ai affirme qu'en Europe, le caract\u00e8re explicatif des mod\u00e8les pr\u00e9dictifs est crucial.","source_text":"","source_url":""},"_links":{"self":[{"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/posts\/28163","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/comments?post=28163"}],"version-history":[{"count":1,"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/posts\/28163\/revisions"}],"predecessor-version":[{"id":28164,"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/posts\/28163\/revisions\/28164"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/media\/28162"}],"wp:attachment":[{"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/media?parent=28163"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/categories?post=28163"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.thebrokernews.ch\/fr\/wp-json\/wp\/v2\/tags?post=28163"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}