L’utilisation des grands modèles de langage (LLM) transforme actuellement l’évaluation des risques, l’engagement client, la sélection des risques ainsi que la personnalisation des polices. Et les concepteurs de ces technologies continuent de multiplier les percées. Au dernier trimestre, les chercheurs du Reinsurance Group of America (RGA) ont observé des avancées significatives en matière de raisonnement dynamique et de capacité d’adaptation à des tâches précises.
Ces constats, entre autres, sont résumés dans un nouveau rapport du réassureur intitulé GenAI in Insurance Update : Q2 2025. RGA y recense différentes innovations en matière de grands modèles de langage, y compris celles issues de la Chine, et revient sur les récentes percées en informatique quantique, qui pourraient améliorer l’évaluation des risques et la détection des fraudes, en « révélant potentiellement des motifs imperceptibles pour les ordinateurs classiques », écrit-on. Les récents développements annoncés par Microsoft et Google en informatique quantique pourraient d’ailleurs ouvrir la voie à des systèmes quantiques évolutifs, ajoute-t-on.
Informatique quantique
« Ces progrès rapprochent l’informatique quantique d’applications concrètes et laissent entrevoir une révolution dans la résolution de problèmes complexes, de la science des matériaux à l’intelligence artificielle. Pour l’industrie de l’assurance vie, l’informatique quantique représente un potentiel de transformation majeur en matière d’évaluation des risques, d’optimisation des portefeuilles et de détection de la fraude. Les algorithmes quantiques pourraient considérablement améliorer la précision des modèles actuariels », peut-on lire dans le rapport.
En revenant aux technologies déjà disponibles sur le marché, le document se penche aussi sur les modèles LLM à code source ouvert et ceux à accès restreint, en exposant les avantages et les limites de chaque approche. En résumé, les modèles ouverts offrent davantage de transparence, de flexibilité et des économies de coûts, tandis que les modèles fermés intègrent des garde-fous plus robustes et une fiabilité accrue pour assurer la conformité aux exigences réglementaires en constante évolution.
« Ces modèles sont optimisés pour la précision et requièrent moins d’expertise interne pour leur gestion », précisent les auteurs. « Les assureurs doivent soigneusement évaluer leurs options lorsqu’ils adoptent des solutions d’IA, en équilibrant le besoin de personnalisation avec les risques opérationnels liés à la gouvernance des modèles. »
