Projets

L'assureur Ergo enregistre les dommages avec l'IA

Le siège social du groupe Ergo à Düsseldorf. La compagnie d'assurance est présente dans 20 pays en Europe et en Asie et a réalisé, en 2024, un chiffre d'affaires de 20,8 Md€. (Photo : Ergo Group)

Pour l'inspection préalable dans les domaines de l'assurance automobile et habitation, la compagnie d'assurance utilise une application à base d'IA.

PublicitéL'assureur allemand Ergo, qui fait partie du groupe Munich Re, a noué un accord avec Camcom, basé à Bangalore (Inde) et spécialisé dans l'inspection visuelle des surfaces à l'aide de l'IA, afin d'utiliser la plateforme du fournisseur pour les pré-inspections dans les domaines de l'assurance automobile et habitation.

L'inspection préalable sert à documenter les atteintes à un logement ou une voiture, par exemple les dommages à la peinture ou les bosses sur un véhicule, avant la conclusion d'un contrat d'assurance. Ces informations sont prises en compte en cas de sinistre ultérieur. Les clients d'Ergo prennent des photos du véhicule ou du logement avec l'appareil photo de leur smartphone et les soumettent à l'assurance à l'aide d'une application web développée par Camcom.

Entraîné sur 450 millions d'images qualifiées

Le logiciel reconnaît automatiquement la nature des dommages, leur gravité et leur emplacement. Il vérifie également l'authenticité des photos. Cette technologie permet d'inspecter le métal, le plastique, le verre et le caoutchouc. Soit, selon Camcom, environ 70 % de tous les produits fabriqués.

Le logiciel détecte aussi bien les micro-défauts, issus par exemple des processus de production, que les dommages plus importants qui apparaissent au cours du cycle de vie des bâtiments et des véhicules. La base technique de la plateforme de vision par ordinateur de l'éditeur de logiciels est un modèle de vision à grande échelle (LVM, soit Large Vision Model) développé en interne à base de technologies de Deep Learning. Il a été entraîné à partir de plus de 450 millions d'ensembles de données d'images validées. Des quantités nettement plus faibles de données d'entraînement suffisent pour l'adapter à des tâches spécifiques.

Parmi ces domaines de spécialisation figurent, par exemple, la maintenance prédictive des avions et le contrôle qualité dans la production automobile. Ou encore l'identification des noms propres (Named Entity Recognition, NER) dans le secteur pharmaceutique, par exemple pour enregistrer la date de péremption des médicaments.