Récapitulatif du webinar : comment Admiral gère les appels d’assurance avec des agents IA

Admiral gère chaque année des millions d’interactions clients, dans plusieurs langues et à l’échelle mondiale, notamment au Royaume-Uni, en Italie, en France et en Espagne.

Lors de notre dernier webinaire Dans les coulisses des agents : comment Admiral gère les appels d’assurance avec des agents IA, Dominika Kampa, directrice de l’IA générative du groupe Admiral, a expliqué comment son équipe construit la couche IA capable de gérer ce volume, de l’architecture aux normes de test, en passant par le travail organisationnel nécessaire.

Pour Admiral, l’objectif est de créer l’expérience client la plus fiable de l’assurance 

L’objectif d’Admiral était de créer une nouvelle catégorie d’expérience client.

Il est facile de créer un agent qui clôt rapidement une conversation sans réellement résoudre le problème du client. 

L’objectif final est que chaque client, sur chaque canal et à chaque moment clé, obtienne une réponse immédiate ou soit orienté vers une personne qui connaît le client, le contexte et la situation à résoudre.

Leur principal indicateur était d’atteindre 90 % de résolution dès le premier contact. L’équipe suivait également la disponibilité du service 24 h/24 et 7 j/7, la concision des interactions et une hausse significative du NPS. 

Le taux de traitement sans transfert était un indicateur secondaire. Pour leur premier cas d’usage vocal, l’équipe l’a fortement amélioré à mesure que les clients constataient que l’agent était plus rapide.

Mais la résolution restait leur priorité. Admiral mesure séparément si le client a effectivement obtenu ce pour quoi il appelait, indépendamment du transfert éventuel de l’appel. Ainsi, un transfert délibéré vers une personne n’est jamais considéré comme un échec.

Ce que signifie « bien faire » dans un secteur réglementé

Les exigences d’Admiral pour la mise en production sont élevées. Avant le lancement, l’entreprise veut que sa solution agentique soit aussi performante que ses équipes humaines, voire meilleure.

Les connaissances sur les cas limites, autrefois fondées sur l’intuition des agents les plus expérimentés, doivent désormais être testées explicitement pour chaque cas d’usage.

En pratique, l’équipe a aussi fixé des limites de périmètre délibérées. Par exemple, les cas de vulnérabilité et d’impayés restent orientés vers une personne, le temps que l’équipe identifie davantage de cas limites liés à ce cas d’usage.

Comme la plupart des réglementations en assurance sont fondées sur les résultats, Dom adopte une approche pragmatique : le « comment » peut rester flexible, tant que le résultat pour le client et l’entreprise correspond exactement à l’objectif visé.

L’adhésion ne se décrète pas

Une organisation réglementée n’adopte pas l’IA simplement parce qu’on le lui demande. 

Avant de rejoindre Admiral, Dom a passé plusieurs années chez McKinsey à travailler sur des programmes de conduite du changement. Interrogée sur ce qu’elle dirait aujourd’hui à un pair souhaitant défendre l’adoption de l’IA agentique, elle a partagé trois principes issus directement de cette expérience.

1) Les personnes soutiennent ce qu’elles contribuent à construire

Pour répondre au scepticisme, Admiral a mis l’outil directement entre les mains des sceptiques.

L’équipe a organisé des démonstrations et des sessions de formation dans toute l’organisation, notamment auprès des 50 principaux dirigeants du groupe, afin de démystifier l’IA agentique. ElevenLabs et Dom ont animé une journée de formation au cours de laquelle l’équipe dirigeante, y compris la PDG du groupe Milena Mondini de Focatiis, a créé des agents de toutes pièces. Selon Dom, ils « ont vraiment… apprécié l’expérience ».

2) Il ne s’agit jamais uniquement de technologie

La vision porte sur l’évolution du compte de résultat, de l’expérience client et de l’expérience des employés.

Une fois les équipes alignées sur le résultat visé, les options technologiques se précisent. Le conseil de Dom : ne pas commencer par la technologie.

3) Mettre en place une gouvernance dès le départ

Les bons points de contact, les bons KPI et les bonnes données dès les premiers jours facilitent grandement la prise de décision. L’écueil, selon elle, consiste à se fier à l’intuition et à finir avec « un très bel outil » que personne n’utilise et qui n’améliore aucun indicateur important.

Le modèle de déploiement comptait aussi. Admiral a choisi une entité du groupe pour expérimenter en profondeur sur un sujet, puis a reproduit les enseignements partout ailleurs.

L’équipe commence par des déploiements rapides, avant un déploiement complet. Plutôt qu’un seul cas d’usage dans un seul domaine, ce qui les aurait considérablement ralentis selon Dom, elle s’impose de ne pas réinventer la roue dix fois.

Démo 1 : devis de remboursement anticipé (Admiral Money)

Scénario : Une cliente souhaite rembourser son prêt par anticipation. Sa demande est simple : elle a seulement besoin du montant à régler.

Traditionnellement, obtenir ce montant impliquait de naviguer dans un SVI, de vérifier son identité auprès d’un agent humain, d’attendre qu’un système backend effectue le calcul et que les écrans se chargent, puis de surveiller sa boîte de réception pour y trouver un PDF. Cinq minutes de procédure pour une question qui n’a qu’une réponse.

Dan Clark, directeur de l’IA générative du groupe Admiral, a présenté ce que l’équipe a mis en place.

Points présentés :

• L’authentification est assurée par un sous-agent dédié au début du workflow, avant toute autre étape.
• Le sous-agent de contrôle vérifie que l’appelant est autorisé à échanger avec l’agent IA : les clients vulnérables ou en situation d’impayé sont transférés vers une file prioritaire avec un conseiller humain, tandis que l’équipe identifie davantage de cas limites. 
• L’agent recueille les réponses de manière prédictive dès le départ et s’appuie sur des API au lieu d’attendre les écrans des anciens systèmes. Le même parcours, qui prend environ cinq minutes avec une personne, dure près de deux minutes trente avec l’agent.
• Le succès est mesuré selon que le client s’est authentifié et a obtenu son devis de remboursement anticipé, indépendamment d’un éventuel transfert.
• À la fin de l’appel, un agent de retour d’expérience demande aux clients d’évaluer leur expérience de un à cinq. Les appels non transférés reçoivent presque exclusivement des notes de quatre ou cinq.

Pourquoi c’est important : le temps gagné vient d’un workflow piloté par API plutôt que par des écrans, et pas seulement du fait que l’IA réponde à la place d’une personne. Selon Dan, il s’agit avant tout de réduire la durée des appels et d’améliorer l’expérience client. Les transferts actuels reflètent par ailleurs les limites que l’équipe a délibérément choisies pendant sa phase d’apprentissage, et non l’incapacité de l’agent à aider.

Démo 2 : Olivia (L’Olivier)

Scénario : Une cliente en France a une question sur son contrat. Elle ouvre le chat sur le site web et accède à Ollie Bot, un ancien outil arborescent (« appuyez sur A pour ceci, sur B pour cela »). Sa question ne correspond ni à l’option A ni à l’option B, elle repart donc sans réponse.

C’est cette expérience que L’Olivier voulait remplacer. L’équipe a créé Olivia, un agent fondé sur une base de connaissances dans ElevenLabs, aujourd’hui disponible sur le site.

Points présentés :

• Le prompt système, le premier message, les workflows et le sous-agent ont tous été rédigés directement en français, et non traduits de l’anglais. Dan cite des recherches indiquant que le fait de prompter dans la langue du client mobilise le modèle différemment, et l’équipe a constaté des résultats nettement meilleurs avec cette approche. Olivia détecte automatiquement l’anglais et répond dans cette langue lorsque nécessaire. 
• Les conversations réelles avec les clients sont comparées à la base de connaissances afin d’identifier les lacunes, et les corrections sont généralement intégrées à l’agent en production dans un délai d’une à deux heures.
• Les modifications sont déployées sur une branche avec une répartition progressive du trafic : 1 %, 2 %, 5 %, 10 %, 25 %, 50 %, puis 100 %, avec des tests de simulation et un aperçu manuel avant toute mise en production. Si les données ne confirment pas la pertinence de la modification, le trafic revient instantanément à zéro, sans aucun retour arrière à effectuer. 
• Un cycle complet de branche prend de quelques heures à une journée, du début à la fin. Fini les sprints de deux semaines et les déploiements de deux semaines.

Pourquoi c’est important : le passage d’un cycle de publication de plusieurs semaines à quelques heures est déjà notable, mais l’enseignement majeur est que la langue n’est peut-être pas un simple détail de localisation : elle peut modifier le raisonnement du modèle. 

Aucune méthode ne résiste au contact d’un nouveau marché

Les conventions de prise de parole, la tolérance aux interruptions et ce qui constitue un rythme conversationnel normal varient fortement d’un marché à l’autre. 

Il n’existe pas de solution universelle. Selon Dom, ce qui fonctionne consiste à associer un ingénieur qui maîtrise le prompting et l’architecture à un responsable métier de l’entité locale, capable de donner vie au contexte du marché, et à considérer ce binôme comme l’unité de déploiement.

La conception elle-même ne diffère pas tant d’un marché à l’autre. C’est l’adoption qui diffère. Pour Dom, cela vaut pour tout déploiement d’IA, pas seulement pour les opérations client.

C’est pourquoi l’équipe prévoit de consacrer davantage de temps à l’information des clients, par exemple aux messages d’accueil, au positionnement et aux messages du SVI, qu’au modèle sous-jacent.

Un traitement équitable sur tous les marchés

Dans l’assurance, la détection de la vulnérabilité est un prérequis qui doit fonctionner sur tous les marchés, dans toutes les langues et sur tous les canaux.

Admiral privilégie plusieurs voies de détection. Pour la vulnérabilité en particulier, l’équipe fait délibérément fonctionner des modèles de machine learning éprouvés parallèlement à l’IA générative, plutôt que de se fier à l’un ou l’autre seul. Les clients vulnérables sont ainsi identifiés à n’importe quelle étape, quel que soit le signal qui se déclenche en premier, et pris en charge de manière adaptée.

Cette exigence s’applique avant même de confier le dossier à la technologie. Dans l’agent de devis de remboursement anticipé, un sous-agent de contrôle filtre chaque appelant, et les clients vulnérables ou en situation d’impayé sont directement orientés vers une file prioritaire avec un conseiller humain. Il s’agit d’une limite délibérée, le temps que l’équipe identifie davantage de cas limites.

Les clients étant imprévisibles, par exemple lorsqu’une personne a demandé à Olivia comment préparer une soupe à l’oignon, l’équipe associe des garde-fous à un signalement proactif des demandes inattendues. Elle sait ainsi toujours qui interagit avec ses outils et de quelle manière.

L’équipe derrière les agents 

Admiral s’appuie sur un modèle en hub and spoke : l’expertise à l’échelle du groupe est centralisée dans le « hub », tandis que des experts locaux, dans les « spokes », connaissent le marché, les clients et les employés.

Le centre d’excellence se divise en deux parties. La première, dédiée à la création de valeur, pilote la stratégie, les feuilles de route, la conception produit et les tests de résultats, y compris les tests A/B. La seconde, technique, réunit ingénieurs, architectes et équipes de livraison pour garantir que tout ce qui est développé respecte les normes et s’intègre au reste de l’environnement technologique.

Pour Dom, le métier d’ingénieur IA de demain reposera bien moins sur l’écriture de code que sur la compréhension de l’IA générative, la structuration rigoureuse des idées et le recours au développement agentique pour livrer des résultats.

Autour de l’équipe centrale, des experts des processus et des responsables métier sont réunis en petites équipes avec des talents produit et techniques. Selon ses mots, il s’agit de les « enfermer dans une salle » pour construire et tester ensemble, puis de confier le résultat à de vrais clients pour qu’ils le mettent à l’épreuve.

Comment Admiral priorise sa feuille de route 

Le modèle en hub and spoke intervient ici aussi. Le groupe définit des priorités non négociables pour les grands projets, où le risque et la valeur sont plus élevés, mais la faisabilité légèrement moindre, afin que le soutien central puisse lever les blocages. Les spokes disposent d’une marge pour l’innovation ascendante, à condition d’en avoir la capacité et de respecter les orientations descendantes.

La future feuille de route élaborée par l’équipe repose sur l’ambition que le client n’ait jamais à se répéter, que ce soit entre SVI, agent vocal, conseiller humain ou canal. Les signaux d’intention, de sentiment et de vulnérabilité accompagnent chaque transfert, et pas seulement la transcription. 

Regarder la session complète

Admiral a repensé simultanément ses exigences de validation, l’adhésion de l’organisation et sa stack technologique afin de se rapprocher de son objectif : créer la meilleure expérience client dans l’assurance.

Regardez le webinaire complet ici.