3 questions à Eric Sibony - Cofondateur, Directeur Produit et Directeur Scientifique de Shift Technology

Éric Sibony commence sa carrière professionnelle chez Axa. Il y découvre le secteur de l’assurance, et prend rapidement conscience de l’enjeu majeur que représente la détection de fraude pour l’ensemble de ses acteurs. Il fonde Shift Technology en 2014 en compagnie de Jeremy Jawish et David Durrleman, dans le but d’aider les assureurs à optimiser leur prise de décision grâce à l’intelligence artificielle. Depuis la création de l'entreprise, Éric a supervisé la conception du portefeuille de solutions et son évolution, ainsi que la R&D sur les algorithmes utilisés.

Éric dispose d’un diplôme d’ingénieur en mathématiques appliquées de l’Ecole Polytechnique et d’un Master Probabilité et Finance décerné conjointement par l’Ecole Polytechnique et l’Université Paris VI. Il est également titulaire d’un doctorat (PhD) en modélisation mathématique et apprentissage automatique (machine learning) de Télécom ParisTech.

1. Expliquez-nous concrètement comment les solutions IA de Shift Technology permettent de détecter des fraudes dans le secteur de l’assurance ? Pouvez-vous nous donner des exemples ? 

Dès la création de Shift, notre premier objectif a été de proposer aux assureurs une solution SaaS de détection de fraude basée sur l’intelligence artificielle. La fraude constitue en effet une problématique majeure pour le secteur de l’assurance, représentant plus de deux milliards et demi d’euros de pertes par an rien qu’en France, sans compter l’assurance maladie et la prévoyance. Une charge qui se répercute sur les primes que paient les assurés. 

Une fois cet objectif atteint, nous nous sommes penchés sur la question de l’automatisation du parcours des assurés, et avons progressivement développé Shift Insurance Decisioning Platform, une plateforme logicielle qui utilise l'IA pour aider les assureurs à prendre de meilleures décisions tout au long des processus de souscription et de sinistre. 

Le cœur de métier des solutions de Shift est de mettre l’Intelligence Artificielle en application pour servir au mieux les acteurs de l’assurance, notamment en les aidant à prendre les meilleures décisions. Sur l’ensemble des processus critiques liés aux différentes étapes d’une police d’assurance, l’IA permet d’identifier des anomalies, des comportements suspects, des schémas de fraude, etc. Bien appliquée, elle permet de donner du sens aux importants volumes de données, et surtout, de les transformer en informations actionnables.

Concrètement, notre solution Claims Fraud Detection détecte les sinistres suspects en temps réel, et fournit des informations claires aux gestionnaires pour les aider à prendre des décisions de manière rapide et efficace. L’IA que nous utilisons croise les données relatives aux sinistres et aux polices d’assurance à des données externes, et les analyse sur un environnement sécurisé. Un score de suspicion est ensuite attribué à chaque sinistre, et nous avons mis en place des indicateurs qui expliquent pourquoi le sinistre est suspect, ainsi que des pistes d’investigation. Cela permet d’orienter les équipes anti-fraude sur les dossiers vraiment suspects, et les aide à traiter ceux-ci jusqu’à la preuve de la fraude (demande d’information complémentaires, vérification des pièces du dossier, investigation sur site,…) 

Voici quelques exemples de fraudes à grande échelle ou en réseaux que nos solutions ont récemment permis de détecter :

• Un réseau de fraudeurs dont la spécificité était de brûler des maisons pour blanchir de l’argent et réaliser des plus-values. Dans ce cas-ci, le mode opératoire est souvent le même. Un individu achète une maison en mauvais état pour un prix faible, de préférence en vieilles pierres et dans un endroit isolé, à la campagne avec le moins de voisins possible. Il la remplit de matériel acheté à prix modique - électroménager d’occasion, mobilier de moindre valeur… - avant d’y faire mettre le feu par un complice, en prenant garde d’avoir un alibi solide (par exemple, un dîner dans un restaurant équipé de caméras de surveillance). Légalement tenus de rembourser le prix de remise en état de la maison (dépollution des sols, reconstruction à l'identique avec pierres de taille, etc.), les assureurs versent aux fraudeurs jusqu'à trois ou quatre fois le prix d'achat de la maison ! Les fraudeurs empochent alors l'argent, sans jamais reconstruire celle-ci. Notre Intelligence Artificielle a mis à jour ce stratagème grâce aux comptes bancaires utilisés par les malfrats, qui étaient plusieurs fois les mêmes. Il est aussi courant qu’ils utilisent les mêmes numéros de téléphone, adresses email, etc. Notre solution est enfin capable d’établir un lien entre plusieurs personnes ayant connu le même type de dommages sur une période déterminée.

• Même principe pour un autre réseau, dont les membres achetaient à prix réduit des véhicules hauts de gamme récents mais qui avaient été accidentés et non réparés, ou avec des problèmes moteurs importants. Ils les achetaient en Belgique ou en Allemagne, pays dans lesquels il est autorisé de payer comptant, les importaient en France et les faisaient immatriculer, avant de les brûler ou de les accidenter sévèrement quelques mois plus tard pour se faire rembourser le prix des véhicules neufs. Dans cette configuration, nos solutions sont en mesure de trouver des connexions sociales entre plusieurs individus concernés par le même type d’accident, avec des véhicules provenant d’un même pays et sur une période relativement courte. Elles peuvent également voir qu’un véhicule a été accidenté à l’étranger avant le début de son contrat d’assurance en France. 

• Une tendance importante chez nous en ce moment et que l’IA de Shift permet de détecter, ce sont des fraudes aux sinistres dits “de gré à gré” (straight-to-process), soit plus ou moins automatisés, liés à des fausses identités ou des vols d’identités. Aujourd'hui, pour certains dégâts basiques, dont les montants estimés sont inférieurs à 1500 euros, comme un petit dégât des eaux, les assureurs n'envoient souvent plus d'expert sur place, afin de limiter les frais. Ils remboursent ensuite immédiatement leurs clients sur base d’un simple devis, voire sur une simple description des dommages. Les fraudeurs sont nombreux à mettre ce système à profit : ils prennent de fausses identités, ou usurpent les identités d’autres personnes - grâce au vol de listes des employés d’une entreprise, par exemple. Ils souscrivent une police d'assurance habitation, attendent quelques mois, et déclarent pour chaque profil un dégât des eaux au montant juste inférieur au seuil fixé par l’assureur pour le traitement du sinistre en gré à gré. Ils résilient ensuite leur contrat après s’être fait rembourser, et disparaissent dans la nature. Dans des cas comme ceux-ci, les suspicions de Shift sont basées sur le fait que plusieurs assurés occupant un même emploi, ou utilisant une même adresse IP subissent un dommage identique, à peu près au même moment.

• Les exemples sont également nombreux en matière de santé, notamment en optique ou en dentaire. Les fraudeurs n’hésitent pas à démarcher sur les réseaux sociaux des particuliers n’ayant pas consommé un forfait auquel ils ont droit, ouvrir un dossier à leur nom et produire de fausses factures contre une partie de la somme ainsi récupérée - ou plutôt, obtenue. Ici, Shift peut détecter les fausses factures (réutilisation de templates identique, traces de Photoshop, incohérences, etc.), mais aussi, grâce à des modèles de récurrence, une incompatibilité dans l'enchaînement des soins ou dans le type de soins par rapport aux profils des assurés concernés. Dans la même veine, la solution émettra une alerte de suspicion de fraude si peu de médicaments ont été achetés en pharmacie durant les mois qui suivent une hospitalisation, ou si aucun traitement particulier n’est effectué après la pose d’une couronne dentaire, ce qui peut laisser penser que la première prestation de soin était fictive.

2. Chat GPT, la nouvelle technologie développée par OpenAI, pose-t-elle des défis aux assureurs et travaillez-vous sur des garde-fous chez Shift Technology ? 

Cette nouvelle technologie, dans sa forme actuelle n’impacte pas vraiment les assureurs. Chat GPT se nourrit d’informations essentiellement disponibles en ligne, et donc ‘publiques’, tandis que la plupart des données traitées par les assureurs sont des données privées. Il n’y a par conséquent pas réellement d’interférences entre les deux. De plus, lorsqu’un assuré déclare un sinistre, il a a priori tout intérêt à raconter les choses telles qu’elles se sont réellement passées ; quant au fraudeur, il cherchera à mentir d’une façon bien précise. Dans les deux cas, le recours à Chat GPT ne semble pas une solution particulièrement intéressante.

Si à l’avenir cela devait changer, il est probable que nous adapterons nos solutions pour parer à toutes les éventualités. Notre objectif chez Shift Technology a toujours été d’atteindre un niveau de sécurité et de conformité optimal. 

3. Selon vous, quelle sera la prochaine grande révolution dans le NLP ?

Considérant les dernières innovations, notamment DALL-E et Chat GPT, je dirais que la prochaine étape pourrait être l’utilisation du NPL pour générer des rapports de toutes sortes. A partir de là, on pourrait imaginer que cette technologie soit déployée sur un scope prédéfini, avec un système de données précis, comme celui d’une entreprise. Le travail de tous les acteurs produisant ce type de rapports dans notre économie actuelle s’en trouvera fortement facilité. Peut-être au point de conduire à une révolution majeure dans certains métiers.

Un autre axe d’extension possible serait l’énumération de toutes les sources utilisées par le NPL – même si cela semble compliqué statistiquement parlant. Il faudrait, pour en arriver là, pouvoir faire confiance à l’IA de manière absolue, or on n’en est pas encore là.