Use Case DataRobot : Améliorez la détection des fraudes et les enquêtes sur les réclamations

Cas d'usage Assurance

Un grand Assureur Européen ☂️

 

Use Case : améliorer la détection des fraudes et les enquêtes sur les réclamations à l’aide de modèles de Machine Learning prédictifs

 

Selon un sondage mené par l’institut CSA, 10 % des Français admettent avoir déjà effectué une fraude à l’assurance et près de 30% affirment être prêts à s’adonner à de telles pratiques. Ces fausses déclarations engendrent d’énormes pertes pour les compagnies d’assurance. Elles se présentent sous plusieurs aspects comme par exemple un incident provoqué intentionnellement (feu, dégât des eaux, etc).

L’expert en charge des réclamations effectue des tâches chronophages pour examiner les dossiers et dresser son rapport. Des techniques basées sur l’IA, Machine Learning permettent de détecter les fraudes plus rapidement avec des taux d’erreurs inférieures tout en automatisant les procédures sur un gros volume de dossier.

C’est dans ce contexte qu’un grand assureur européen a fait appel à l’IA de DataRobot pour améliorer la détection des fraudes et les enquêtes sur les réclamations signalées :

 

Contexte :    

 

La détection des fraudes basée sur des règles de décision n’est pas aussi précise pour identifier les réclamations problématiques que les modèles de Machine Learning modernes.
.

Approche :  

 

Les « overnight batch run » prédisent la probabilité de fraude sur les réclamations récemment signalées. Ces réclamations ayant des probabilités élevées sont triées pour une équipe spécialisée de fraude aux réclamations pour enquête.
.

Impact :  

🚨 Évitez 50% des réclamations frauduleuses

🔭 Augmentation de la précision de détection des fraudes de 30%

🚀 ROI: 10 M $ / an

Vous voulez voir la plate-forme de Machine Learning automatisé DataRobot en action ?

 

Démo Personnalisée 👇

Laissez un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.