Sous l’effet de l’inflation sociale (en anglais), qui propulse les verdicts de responsabilité civile automobile vers de nouveaux sommets, de plus en plus d’entreprises cherchent des moyens d’éviter les litiges.

En fait, les sinistres liés à la responsabilité civile automobile commerciale aux États-Unis ont presque triplé de 2010 à 2019 et, en parallèle, la médiane des indemnités accordées par les jurys a presque doublé^[1].

Ainsi, pour éviter les litiges, il faut bien comprendre les réclamations passées afin d’orienter l’approche relative aux réclamations actuelles.

Mais il y a un hic. Au fil des ans, le secteur de l’assurance automobile commerciale a souffert d’un manque d’uniformité dans la documentation des réclamations et d’un manque général de données à utiliser dans la documentation.

Aujourd’hui, des technologies novatrices offrent une solution. Le recours à l’intelligence artificielle (IA) et au traitement du langage naturel permet d’extraire des renseignements pertinents d’ensembles de données, même minimes et non structurés, susceptibles de fournir des renseignements sur une réclamation et potentiellement d’éviter le risque de litige.

Retour en arrière pour réduire les coûts à l’avenir

La valeur de l’IA pour l’analyse des demandes de règlement d’assurance automobile commerciale repose essentiellement sur une représentation claire des demandes de règlement passées. Les modèles d’IA sont formés à examiner les réclamations de manière analogue à ce que fait un actuaire, en examinant les facteurs de risque historiques, les caractéristiques des réclamations qui ont donné lieu à des litiges et tout thème commun pouvant émerger.

Les règles que l’IA développe en analysant ces demandes de règlement passées sont ensuite appliquées à de nouveaux sinistres, et le traitement du langage naturel permet de recueillir des renseignements dans les documents de réclamations et de les pondérer selon l’historique des réclamations de l’entreprise.

L’IA peut ensuite réunir tous les attributs définis et pondérés pour déterminer le risque de litige. Grâce à la compréhension de ce risque, l’entreprise peut agir rapidement pour réduire le risque de litige, notamment en offrant des modalités favorables pour parvenir à un règlement rapide qui évitera qu’un dossier ouvert traîne pendant des années et aboutisse à un litige coûteux. Par exemple, selon une récente analyse des réclamations au Texas, lorsqu’un avocat intervient dans une réclamation d’assurance automobile commerciale, le délai moyen de règlement de la demande passe à 516 jours, comparativement à 165 jours sans avocat. L’analyse a révélé qu’en 2019, dans les dossiers où un avocat est intervenu, la perte totale moyenne liée à une réclamation d’assurance automobile commerciale au Texas était 17,1 fois plus élevée, et le coût moyen de règlement d’une demande, 52,8 fois plus élevé^[2].

Consigner plus de renseignements dans les rapports de réclamations initiaux

Dans le contexte actuel de verdicts nucléaires (en anglais) liés à l’environnement, il est plus que jamais nécessaire de suivre les pratiques exemplaires en s’appuyant sur des données non structurées et sur des équipes de gestion des réclamations qui adoptent ce nouveau processus. Pour que l’IA et le traitement du langage naturel génèrent l’information requise pour réduire le risque de litige, les administrateurs doivent documenter les réclamations de façon plus détaillée qu’avant.

Pour mieux évaluer les risques de litige, les notes de réclamation doivent comprendre plus de renseignements sur le conducteur ou les passagers du véhicule concerné (si une passagère était enceinte, par exemple), lesquels pourraient s’avérer convaincants pour un jury si l’affaire devait être portée devant un tribunal. En exploitant de tels renseignements sur les réclamations grâce au traitement du langage naturel, l’IA pourrait être en mesure de déterminer les facteurs susceptibles d’entraîner un risque de litige accru dans le contexte d’une réclamation d’assurance automobile commerciale.

Autres avantages de l’IA et du traitement du langage naturel

L’IA peut également servir à analyser les données recueillies au moyen de dispositifs télématiques, comme des caméras de bord et des capteurs de vitesse, qui sont de plus en plus utilisés par les exploitants de parcs de véhicules commerciaux pour améliorer la gestion des risques en identifiant les bons conducteurs et ceux qui adoptent des comportements à risque.

À la suite d’un sinistre catastrophique, l’analyse par l’IA, avec l’aide d’un conseiller juridique, des renseignements recueillis à l’aide des dispositions télématiques pourront contribuer à rendre l’enquête efficace et détaillée, et l’organisation sera assurée d’avoir tout fait en son pouvoir pour se protéger contre des litiges coûteux.

De plus, l’IA permet souvent de dégager des tendances s’avérant utiles dans les efforts de réduction ou de contrôle des sinistres, diminuant ainsi la fréquence des réclamations d’assurance automobile commerciale elles-mêmes. Les renseignements issus de l’IA peuvent aussi tenir lieu de rétroaction pour les administrateurs de réclamations concernant leurs propres décisions, afin de les aider à éviter des litiges futurs.

De plus, dans les cas où les litiges ne peuvent être évités, l’analyse par l’IA peut aider l’entreprise à comprendre la performance d’avocats et de cabinets d’avocats précis dans des affaires passées, ce qui lui permettra de choisir les avocats les plus à même de la représenter dans une affaire donnée.

Préparer le secteur pour l’innovation

L’application de l’IA aux réclamations d’assurance automobile commerciale en est à ses balbutiements, mais elle offre un potentiel énorme. Pour en tirer pleinement parti, le secteur doit se préparer à utiliser la technologie.

Il faut encourager les tiers administrateurs et les assureurs à documenter rapidement et minutieusement les dossiers tandis que l’IA est déployée dans le processus de réclamation, et ces applications devront être adoptées sans tarder. Les exploitants de parcs automobiles ont dû composer avec des augmentations des primes d’assurance automobile commerciale de l’ordre de 200 % ou plus depuis plusieurs années consécutives. Ils seront vraisemblablement enclins à reconnaître les avantages de l’IA et du traitement du langage naturel.

Bien sûr, il y aura des défis, et les administrateurs des réclamations devront déterminer la capacité qu’ils souhaitent consacrer à l’établissement de documents plus détaillés. Toutefois, à mesure qu’ils comprendront et apprendront à utiliser l’IA, ils en viendront à prendre des décisions éclairées au sujet des changements à apporter pour soutenir l’utilisation de la nouvelle technologie. Par ailleurs, les modèles utilisés dans l’analyse seront peaufinés au fil du temps, ce qui les rendra encore plus efficaces dans l’analyse des risques de litiges dans le secteur de l’assurance automobile commerciale.

À mesure que les modèles gagneront en efficacité, les données sous-jacentes deviendront plus précieuses. Et plus les entreprises parviendront à tirer de la valeur des données, plus elles seront en mesure de réduire le risque de litige en assurance automobile commercial, ce qui, idéalement, mènera à une réduction du coût du risque pour les organisations.

^{[1] « Triple-I: Rising Litigation Expenses Are Driving Up Cost of Insurance » (en anglais – les frais de litige en hausse augmentent le coût de l’assurance), Insurance Information Institute.}

^{[2] « New Report Highlights Harmful Impact of Commercial Automobile Litigation on Businesses and Consumers » (en anglais – un nouveau rapport révèle l’impact négatif des litiges en assurance automobile commerciale sur les entreprises et les consommateurs), American Property Casualty Insurance Association}