L’IA pour la détection de la fraude en assurance
Le défi
La détection de la fraude en assurance demeure complexe : les cas de fraude avérée sont rares, tandis que la majorité des systèmes d’intelligence artificielle génèrent un trop grand nombre de faux positifs, ce qui mobilise inutilement le temps des enquêteurs et mine la confiance envers la technologie. Le projet de Daisy Intelligence vise à répondre à ces enjeux en introduisant la logique floue de Mamdani, une approche permettant de détecter de nouveaux schémas de fraude sans dépendre de données historiques étiquetées. Combiné à l’apprentissage par renforcement, le système pourra s’adapter de façon autonome à l’évolution des menaces. La solution intégrera plusieurs méthodes analytiques — notamment des modèles fondés sur des règles et sur l’apprentissage supervisé — au sein d’un score composite unique de suspicion, à la fois précis et explicable. Afin d’améliorer l’efficacité des enquêteurs, Daisy développera également un agent conversationnel alimenté par un modèle de langage de grande taille (LLM), capable d’expliquer les alertes en langage clair, remplaçant des interfaces complexes par une expérience conversationnelle simplifiée. Ces innovations visent à réduire de manière significative les faux positifs et le temps consacré aux enquêtes dans les secteurs de l’assurance collective santé et de l’assurance médicale voyage.
« Nous sommes fiers de répondre aux défis actuels liés à la fraude en assurance en intégrant un cadre d’apprentissage par renforcement qui améliorera de façon autonome les capacités de détection tout en réduisant les faux positifs. De plus, le développement d’un agent conversationnel fondé sur un modèle de langage de grande taille constituera un levier déterminant pour accroître l’efficacité des assureurs. »
Siva Vakalapudi, président-directeur général, Daisy Intelligence Corporation
Investissement
$
0,5
M
Investissement de Scale AI
$
1,2
M
Investissement total
Partenaires
