Exploiter l'intelligence artificielle pour une gestion plus intelligente des risques d'incendie de forêt dans le secteur de l'assurance

Partout dans le monde, les incendies de forêt sont de plus en plus fréquents et intenses, exacerbés en partie par le changement climatique qui multiplie les sécheresses et les vagues de chaleur. Ces dernières années, le bilan financier et environnemental des incendies de forêt s'est alourdi : 2023 a été la pire année pour les incendies de forêt dans le monde, tandis que 2021 et 2020 ont été respectivement les troisième et quatrième pires années. L'impact financier a été catastrophique pour les assureurs, avec des indemnités qui montent en flèche à mesure que la fréquence et l'ampleur des incendies augmentent. Huit des dix incendies de forêt les plus coûteux ont eu lieu au cours de la dernière décennie, et les incendies de forêt ont causé près de 100 milliards de dollars de pertes économiques et 70 milliards de dollars de pertes assurées entre 2013 et 2022.

Le problème croissant des feux de forêt dans le monde a incité les secteurs public et privé à développer des solutions innovantes pour surveiller et atténuer les risques d'incendie. Les entrepreneurs et les innovateurs ont utilisé des technologies de pointe pour créer des outils - tels que des systèmes de détection des feux de forêt et des satellites de surveillance - qui offrent aux assureurs des moyens précis, efficaces et efficients d'améliorer la façon dont ils surveillent et évaluent les risques d'incendie, souscrivent et gèrent les sinistres, et améliorent l'expérience des clients.

Une startup californienne a créé une plateforme de modélisation des risques d'incendie de forêt pour les assureurs, les aidant à prédire les risques d'incendie de forêt au niveau du quartier et de la propriété. La plateforme de ZestyAIforme des systèmes d'intelligence artificielle (IA) sur ce que l'entreprise appelle "la plus grande base de données au monde sur les pertes dues aux incendies de forêt", qui comprend des informations détaillées sur tous les incendies de forêt importants aux États-Unis de 2000 à aujourd'hui, ce qui représente près de 100 % des pertes historiques du secteur dues aux incendies de forêt", explique Kumar Dhuvur, cofondateur de la startup et directeur général des produits.

Lorsque les compagnies d'assurance américaines se sont étendues aux États exposés aux incendies de forêt, elles ont eu du mal à utiliser des outils d'évaluation des risques conventionnels, tels que des solutions basées sur des cartes d'incendies de forêt et des modèles spécifiques aux biens, qui n'étaient pas formés sur des données de sinistres et n'avaient pas la granularité nécessaire pour une segmentation précise des risques d'incendies de forêt, explique Dhuvur.

Selon M. Dhuvur, la clé pour fournir l'évaluation la plus précise du risque d'incendie de forêt est la combinaison puissante de l'IA et de quantités de données hautement pertinentes et non falsifiées - par opposition aux données simulées que de nombreux autres programmes de modélisation du risque d'incendie de forêt utilisent.

Les algorithmes d'IA dépendent de grandes quantités de données pour apprendre et identifier des modèles, et la qualité des données est essentielle pour construire des systèmes d'IA précis et efficaces. ZestyAI s'approvisionne en données sur le périmètre des incendies de forêt auprès des agences fédérales et nationales. "Nous enrichissons ces données par une analyse de l'imagerie aérienne historique afin de déterminer quels bâtiments ont survécu ou ont été touchés par chaque incendie", explique M. Dhuvur. Ce "vaste ensemble de données historiques" alimente ses systèmes d'intelligence artificielle exclusifs, "fournissant des informations clés sur le comportement, l'impact et les tendances des incendies de forêt, améliorant ainsi la prédiction et l'atténuation des risques".

L'intelligence artificielle a joué un rôle inestimable en aidant la plateforme à transformer les données non structurées - de vastes ensembles de données pouvant être constitués d'images, de données géospatiales et satellitaires ou d'analyses - en informations structurées et utiles pour les assureurs. Les grands modèles de langage (LLM), qui sont des programmes d'intelligence artificielle capables d'identifier et de générer du texte, ont été appliqués à diverses sources telles que les permis de construire et les données d'annonces immobilières. En intégrant ces données, les LLM permettent aux assureurs d'obtenir des informations plus approfondies sur les vulnérabilités structurelles. "Cela permet à la plateforme d'extraire des caractéristiques précieuses au niveau de la propriété qui sont cruciales pour l'évaluation des risques", explique Dhuvur.

La vision par ordinateur - un domaine de l'IA qui permet aux machines de reconnaître et de décrire des humains et des objets dans des images et des vidéos - est également utilisée pour extraire des caractéristiques détaillées des propriétés à partir d'images aériennes et satellitaires, telles que l'espace défendable, la végétation en surplomb et les matériaux de construction. Comme l'explique Dhuvur, "l'intégration de cette imagerie avec d'autres sources de données permet d'obtenir une vue d'ensemble du risque d'incendie de forêt qui peut prédire quelles sont les propriétés les plus menacées pendant un incendie de forêt et quelles sont celles qui ont le plus de chances de survivre, ce qui surpasse les évaluations des modèles traditionnels".

Les techniques d'apprentissage automatique telles que les machines à gradient boosting (GBM) aident la plateforme à analyser l'interaction des différents attributs des propriétés, du climat et de la topographie aux détails de construction. Selon M. Dhuvur, dans la modélisation des risques, ces machines sont plus performantes que les modèles traditionnels et non IA, tels que les modèles linéaires généralisés qui traitent tous les facteurs de la même manière sans tenir compte de la façon dont ils peuvent interagir de manière plus complexe. "Les GBM excellent dans l'identification et la modélisation d'interactions complexes. Ils peuvent reconnaître que le risque posé par la végétation environnante peut être plus élevé sous certains climats ou dans des zones au relief particulier, par exemple lorsque la propriété est située sur un terrain en pente. Cette capacité à prendre en compte les facteurs de risque propres à chaque propriété permet d'obtenir un score de risque plus adapté et plus précis, reflétant beaucoup mieux le véritable risque d'incendie de forêt auquel une propriété est confrontée - en particulier dans les zones où ces risques peuvent varier considérablement d'une propriété à l'autre".

Pour les assureurs, l'utilisation d'une boîte à outils capable de fournir des informations très détaillées sur les propriétés pour évaluer le risque d'incendie de forêt signifie des décisions de souscription plus éclairées et la possibilité de fixer des primes mieux adaptées au risque réel.

Cette approche permet aux assureurs non seulement de réduire les coûts des sinistres, mais aussi de favoriser des partenariats plus solides avec les assurés en soutenant les efforts de gestion proactive des risques.

Les progrès constants d'autres technologies, comme les capteurs et la télédétection, se sont également traduits par une plus grande facilité d'accès et d'utilisation. La technologie des capteurs et de la télédétection permet de "fournir des données environnementales en temps réel qui peuvent être intégrées dans des modèles prédictifs, ce qui permet aux assureurs de surveiller les risques de manière dynamique et d'ajuster leurs modèles de tarification en conséquence", explique M. Dhuvur.

Alors que les incendies de forêt continuent de poser des problèmes aux assureurs du monde entier, l'adoption de modèles de risque alimentés par l'IA leur offre un outil clé pour les aider à anticiper ce risque émergent. "Ces avancées ouvrent de nouvelles possibilités aux assureurs pour évaluer plus précisément les risques et fixer les primes sur la base de données détaillées sur les biens", explique M. Dhuvur. Des plateformes comme ZestyAI offrent la précision et la prévoyance nécessaires pour protéger à la fois les entreprises et les communautés.