Pibit.AI obtient 7 millions de dollars en financement de série A pour intégrer l’underwriting d’IA de confiance dans le mainstream

L’industrie de l’assurance a longtemps été définie par sa capacité à comprendre, quantifier et gérer les risques. Pourtant, les systèmes sur lesquels s’appuient les underwriters ressemblent encore à des artefacts d’une autre époque. Alors que d’autres industries ont adopté l’automatisation avancée et les outils intelligents, l’underwriting est resté dépendant des tableurs, des documents épars et des examens fastidieux. C’est précisément cette lacune que Pibit.AI cherche à combler — et avec un financement de série A de 7 millions de dollars, l’entreprise accélère son plan pour moderniser l’une des fonctions les plus essentielles de l’assurance.

Le cycle de financement, mené par Stellaris Venture Partners avec la participation de Y Combinator et Arali Ventures, alimentera le développement et l’adoption continuels de l’environnement de risque d’underwriting centralisé (CURE™) de Pibit.AI. Conçu pour unifier l’ensemble du parcours d’underwriting — de la première soumission à la décision finale — CURE™ positionne Pibit.AI au centre d’un marché en évolution rapide où les transporteurs et les MGAs sont sous une pression croissante pour faire plus avec moins.

Une mission enracinée dans l’expérience personnelle

Pour le fondateur Akash Agarwal, l’origine de l’entreprise est profondément personnelle. Enfant, il a vu son père travailler tard dans la nuit pour gérer les papiers d’assurance à la main. Des années plus tard, alors qu’il a été témoin de la révolution de l’IA dans des industries allant du transport à la logistique, le contraste était frappant : si l’IA pouvait guider les véhicules de manière autonome, pourquoi l’underwriting était-il encore coincé dans un monde de PDF, d’e-mails et de saisie manuelle de données ?

Cette question est devenue l’étincelle derrière Pibit.AI. Agarwal a imaginé un environnement d’underwriting où l’IA sert de partenaire fiable et transparent — et non de remplacement en boîte noire. La confiance est devenue le pilier central de la philosophie de l’entreprise : chaque sortie doit être explicite, vérifiable et alignée sur l’expertise de l’underwriter.

“L’IA doit renforcer les underwriters, et non les remplacer”, a noté Agarwal. “Nous construisons quelque chose qui est transparent et prêt à la décision — un système que les underwriters peuvent faire confiance tout en les aidant à aller plus vite que jamais auparavant.”

La plate-forme CURE™ : transformer le cycle de vie de l’underwriting

Au cœur de l’offre de Pibit.AI se trouve CURE™, une plate-forme intégrée qui consolide le processus d’underwriting fragmenté. Au lieu de basculer entre les outils, les documents et les sources de données, les underwriters opèrent dans un seul environnement amélioré par l’intelligence alimentée par l’IA.

CURE™ comprend des modules conçus à dessein tels que :

• ClearCURE™ pour le triage des soumissions
• DocumentCURE™ pour l’analyse précise des documents non structurés
• ResearchCURE™ pour l’enrichissement des données en temps réel
• RiskCURE™ pour l’évaluation avancée des comptes et les informations au niveau du portefeuille
• WorkflowCURE™ pour l’orchestration des tâches, la collaboration et le suivi des décisions

Ensemble, ces modules soutiennent un parcours fluide de la soumission initiale à la sortie prête à la décision. La plate-forme automatise la collecte et la classification des données tout en maintenant une surveillance humaine là où cela compte le plus. La philosophie de Pibit.AI combine vitesse et fiabilité : l’automatisation accélère le processus, tandis que la logique transparente préserve la confiance, la cohérence et la conformité.

Fournir un impact mesurable pour les transporteurs et les MGAs

Le besoin de modernisation devient de plus en plus urgent. Les volumes de soumissions continuent d’augmenter, mais les équipes d’underwriting rétrécissent. De nombreuses équipes perdent encore jusqu’à un tiers de leur temps en triage manuel, en manipulation de documents et en normalisation des données. Les incohérences ne ralentissent pas seulement les équipes — elles affectent la précision, les revenus et la sélection des risques.

Les clients de Pibit.AI, qui comprennent HDVI, Shepherd Insurance, RMS Insurance Brokerage, Kinetic et Method Insurance Services, voient déjà des améliorations dramatiques. Les résultats signalés incluent des cycles d’underwriting jusqu’à 85 % plus rapides, une augmentation de 32 % du prime brute écrite par underwriter et jusqu’à 700 points de base d’amélioration des ratios de pertes.

Pour les assureurs, ces gains se traduisent par une capacité accrue, un débit plus élevé et la capacité de se développer de manière rentable. Comme l’a souligné Adam Price, PDG de Kinetic, l’entreprise peut désormais gérer plus d’un milliard de dollars de soumissions annuelles sans avoir besoin d’augmenter les coûts généraux. Pour Method Insurance Services, la plate-forme a fourni la structure pour se développer à l’échelle nationale sans compromettre le contrôle ou la précision.

Pour Stellaris Venture Partners, cette combinaison d’efficacité et de transparence a été un facteur décisif pour diriger le cycle de financement de série A. Le partenaire Alok Goyal a souligné que CURE™ répond aux contraintes fondamentales qui étouffent l’underwriting moderne — les flux de travail obsolètes, les données incohérentes et les demandes opérationnelles croissantes.

Les implications plus larges : ce que cette technologie signale pour l’avenir

L’émergence de plateformes qui unifient les données, automatisent l’analyse de routine et apportent l’explicabilité aux décisions complexes marque un tournant pour les industries qui ont historiquement dépendu de l’expertise manuelle. L’underwriting est l’un des exemples les plus clairs, mais la tendance sous-jacente s’étend bien au-delà de l’assurance. Alors que les organisations de tous les secteurs génèrent exponentiellement plus d’informations que les équipes ne peuvent raisonnablement traiter, le besoin de systèmes capables d’interpréter les entrées non structurées, de mettre en évidence les informations pertinentes et de les présenter de manière transparente devient universel.

La prochaine décennie verra probablement un changement dans la façon dont le travail du savoir est organisé. Au lieu de passer de grandes parties de leur journée à collecter, formater ou réconcilier des informations, leur attention se portera sur l’évaluation des recommandations générées par l’IA, l’exploration des cas limites et l’application de leur jugement aux scénarios qui ne correspondent pas au moule. Cette transition n’éliminera pas l’expertise humaine — elle redéfinira où cette expertise est appliquée. Les gens agiront de plus en plus en tant qu’architectes de décision plutôt que de processeurs de données.

Une transformation parallèle se déroulera autour de la confiance. Alors que l’IA est impliquée dans des décisions à plus haut risque, la demande d’explicabilité ne fera que s’intensifier. Les systèmes qui peuvent montrer leur raisonnement, citer les preuves derrière leurs conclusions et quantifier l’incertitude fixeront la norme. Les outils qui ne fournissent pas ce niveau de transparence auront du mal à gagner l’acceptation, en particulier dans les industries réglementées.

À long terme, l’accumulation de données structurées et prêtes à la décision créera de nouvelles possibilités. Des modélisations de risque plus précises, des références intersectorielles et un suivi en temps réel des tendances émergentes deviendront possibles de manière qui n’est pas possible aujourd’hui. Les flux de travail entiers — et non seulement des tâches isolées — seront reconçus autour de l’intelligence continue plutôt que de documents statiques et d’examen épisodique.