Les assureurs perdent de l’argent sur des polices qu’ils ne peuvent pas identifier. L’IA vise à changer cela

Même dans une année forte pour le secteur, une startup affirme que jusqu’à 20 % à 30 % des polices d’un assureur peuvent être non rentables. Elle a levé $8 million pour les aider à les identifier.

Les assureurs américains de biens et de responsabilité viennent d’enregistrer l’une de leurs meilleures années de souscription depuis des décennies, selon un rapport de Soteris, une startup soutenue par Y Combinator qui vend des logiciels à l’industrie.

Cependant, de bons résultats globaux peuvent masquer des points faibles. Soteris affirme que de nombreux assureurs perdent discrètement de l’argent sur une part importante de leurs polices et n’ont aucun moyen fiable d’identifier lesquelles.

Soteris sort de la phase de secret avec plus de $8 million de financement d’amorçage et un nouveau produit destiné à ce problème. Son PDG, Sunit Shah, a parlé de ce qu’il considère comme le point aveugle de l’industrie et de ce que le résoudre pourrait signifier pour les assureurs et leurs clients.

Pourquoi les assureurs ne peuvent pas voir le problème

Les assureurs fixent les prix et évaluent la performance en regroupant des clients similaires, comme les conducteurs d’un certain âge dans une certaine région. Comme chaque police génère soit une réclamation, soit rien, les actuaires traitent depuis longtemps les différences au sein d’un groupe comme du bruit aléatoire. Un groupe peut sembler sain tandis que certaines polices à l’intérieur perdent de l’argent, et le coût réel d’une police n’apparaît que lorsque les réclamations arrivent, parfois plusieurs années après la vente.

« Chaque assureur sait qu’il souscrit des polices qui leur feront perdre de l’argent », a déclaré Shah dans un communiqué. Il soutient qu’ils manquent d’outils pour identifier ces polices. En travaillant avec des assureurs, il affirme avoir constaté que même ceux dont les bilans sont solides portaient des polices qui réduisaient les bénéfices, dans certains cas de 20 % à 30 % du total.

Une industrie se dirige vers la police individuelle

L’ampleur du gain explique pourquoi l’idée suscite de l’attention. McKinsey a estimé que les assureurs pourraient augmenter leurs résultats de souscription, le profit tiré de la rédaction des polices, de 30 % à 50 % grâce à des actions coordonnées telles que la réduction des activités non rentables et la récupération du profit dans des groupes qui semblent sains en moyenne. Le rapport de conseil 2025 rapport d’assurance indique une segmentation plus fine et une personnalisation jusqu’à l’individu comme direction de l’industrie.

Soteris est une startup qui travaille sur ce changement. Son approche utilise l’apprentissage automatique, une forme d’IA qui apprend les modèles à partir de données historiques, pour analyser les polices passées d’un assureur de millions voire de milliards de manières. L’entreprise affirme qu’une équipe travaillant dans des feuilles de calcul pourrait en exécuter des dizaines ou des centaines. En combinant ces analyses, elle attribue un score à chaque police individuellement plutôt qu’en tant que partie d’un groupe.

L’entreprise indique que les assureurs peuvent obtenir un score en moins d’un quart de seconde, lorsqu’un devis est demandé ou à tout moment ultérieur, et que la mise en place prend moins de 90 jours.

Des réclamations au profit

Le premier produit de Soteris, utilisé avec les assureurs et les agences qui vendent en leur nom depuis 2020, prédit la part de la prime de chaque police qui sera versée en réclamations. L’entreprise affirme avoir évalué plus de 100 millions de demandes de police représentant plus de $180 milliards de primes, et que les clients ont amélioré leur ratio de paiement des réclamations de 5 à 15 points de pourcentage en un an.

Le nouveau produit va plus loin, vers le profit. L’argent d’une police est souvent réparti entre la société qui la vend, celle qui détient la licence d’État et celle qui fournit le capital, chacune prenant une part différente. Soteris indique que le coût des réclamations d’une police ne révèle pas ce qu’elle rapporte à la société qui la souscrit. Le nouvel outil estime ce chiffre et le rapporte en EBITDA, une mesure courante du profit opérationnel.

L’entreprise indique que plusieurs projets pilotes ont montré une hausse de l’EBITDA des assureurs de 70 % à 125 %. Il s’agissait de pilotes plutôt que de déploiements complets, et les résultats proviennent de Soteris.

Ce que cela pourrait signifier pour les clients

Pour quelqu’un qui souscrit une assurance automobile ou habitation, Shah affirme que l’effet principal se situe du côté de l’assureur, car l’outil aide à garantir que chaque police soit rentable. Il soutient que le bénéfice pour les clients est indirect.

« L’objectif principal des assureurs est d’augmenter le nombre de leurs polices, donc l’effet secondaire est que cela leur permet de baisser les prix pour gagner plus de parts de marché », a déclaré Shah. « Ainsi, pour la plupart des gens, nous nous attendons à ce que leurs tarifs soient plus bas qu’ils ne le seraient si l’assureur n’utilisait pas notre produit. »

Il s’agit d’une attente, pas d’une garantie. La réponse de Shah s’est concentrée sur les prix et n’a pas abordé la possibilité que les clients jugés non rentables puissent se voir refuser une couverture ou ne pas être renouvelés. La description par l’entreprise de son propre produit, qui incite les assureurs à cesser de souscrire des polices qui ne seraient jamais rentables, laisse entendre que c’est une question réelle.

La question de l’équité

L’utilisation de l’IA par les assureurs a suscité des inquiétudes selon lesquelles les personnes pourraient se voir facturer de façon injuste ou être refusées par un algorithme. « C’est une préoccupation légitime et c’est une préoccupation que nous prenons au sérieux », a déclaré Shah. Il cite les règles existantes contre la discrimination et les exigences de tests de biais, et affirme que la réglementation est une raison de développer l’IA en interne plutôt que de dépendre de chatbots externes. Soteris indique que ses modèles permettent de montrer combien chaque facteur a contribué à un résultat, ce qui, selon lui, importe aux assureurs parce que bien respecter la réglementation est essentiel pour réussir dans le secteur.

Pourquoi l’attente, et qui le soutient

Soteris travaille avec des assureurs depuis 2020 mais ne se rend public que maintenant. Shah affirme que le problème a mis du temps à être résolu. Constituer la bonne équipe a été difficile, et il a constaté que les experts extérieurs au secteur de l’assurance n’étaient pas automatiquement adaptés. « L’expertise sectorielle a beaucoup compté », a-t-il déclaré. Son propre parcours a commencé par une activité parallèle de construction de modèles de tarification pour les assureurs-vie pendant ses études supérieures. Après un doctorat en économie, il a travaillé chez le fonds spéculatif Pine River Capital et a contribué à diriger un projet visant à créer un réassureur dommages et accidents. « C’est vraiment là que j’ai appris à quel point l’assurance est réellement difficile », a-t-il ajouté.

Le tour de table initial a été mené par Spider Capital, avec la participation d’Intact Private Capital, Amplify Partners, Foundation Capital, Webb Investment Network et Overlook Ventures. Soteris n’a pas nommé de clients. « À ce stade, nous ne pouvons pas partager publiquement cette information en raison d’obligations contractuelles », a déclaré Shah.

What to Watch

La direction de l’industrie est claire : davantage d’assureurs souhaitent tarifer et évaluer le risque police par police. Les questions ouvertes portent sur la part réelle du gain potentiel en dehors des projets pilotes, et sur son aboutissement. Les assureurs pourraient répercuter les économies sur les clients via des prix plus bas, comme le prévoit Shah, ou les conserver sous forme de marges plus élevées tout en souscrivant moins de polices. Les régulateurs surveilleront probablement de près quels clients se retrouveront du mauvais côté des scores.