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 partout dans le monde, notamment au Royaume-Uni, en Italie, en France et en Espagne.

Dans notre dernier webinaire Behind the Agent: How Admiral Handles Insurance Calls with AI Agents, Dominika Kampa, responsable de l’IA générative du groupe chez Admiral, a expliqué comment son équipe construit la couche IA capable de gérer ce volume, de l’architecture aux standards de test, en passant par le travail organisationnel nécessaire.

L’ambition d’Admiral : créer l’expérience client la plus digne de confiance dans l’assurance 

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

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

L’objectif final est que chaque demande client, sur chaque canal et à chaque moment clé, soit résolue immédiatement ou transmise à un conseiller humain qui connaît le client, le contexte et la situation à résoudre.

Leur indicateur principal était d’atteindre 90 % de résolution dès le premier contact. L’équipe suivait aussi 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 autonome 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 réellement obtenu ce pour quoi il appelait et si l’appel a été transféré ; ainsi, un transfert volontaire vers un conseiller humain n’est jamais considéré comme un échec.

À quoi doit ressembler une solution efficace dans un secteur réglementé

Les exigences d’Admiral pour la mise en production sont élevées. Avant le déploiement, l’entreprise veut que sa solution agentique soit au moins aussi performante que ses conseillers humains actuels.

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

Dans la pratique, l’équipe a aussi défini des limites de périmètre délibérées. Par exemple, les cas de vulnérabilité et d’impayés restent orientés vers un conseiller humain, pendant que l’équipe identifie davantage de cas limites liés au cas d’usage.

La plupart des réglementations de l’assurance étant axées sur les résultats, Dom adopte une approche pragmatique : le « comment » peut rester flexible, à condition que le résultat pour le client et l’entreprise soit exactement celui attendu.

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. Lorsqu’on lui a demandé ce qu’elle dirait aujourd’hui à un pair souhaitant défendre l’IA agentique, elle a partagé trois principes directement issus de cette méthode.

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

Pour répondre au scepticisme, Admiral a présenté l’outil directement aux sceptiques.

L’équipe a organisé des démonstrations et des sessions de formation dans toute l’organisation, y compris auprès des 50 principaux dirigeants du groupe, afin de démystifier l’IA agentique. ElevenLabs et Dom ont animé une journée de formation durant laquelle l’équipe dirigeante, dont la PDG du groupe Milena Mondini de Focatiis, a créé des agents à partir de zéro. 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 collaborateur.

Une fois les équipes alignées sur le résultat, les options technologiques se précisent. Dom conseille de ne pas partir de la technologie.

3) Mettre en place la gouvernance dès le début

Les bons points de contact, les bons KPI et les bonnes données dès les premiers jours facilitent considérablement la prise de décision. L’antipattern, selon elle, consiste à se fier à son intuition et à finir avec « un très bel artefact » 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 reproduire les enseignements partout ailleurs.

L’entreprise commence par des déploiements rapides, puis généralise. Il ne s’agit pas de limiter un cas d’usage à un domaine, ce qui les aurait considérablement ralentis selon Dom, mais d’appliquer avec rigueur le principe de ne pas réinventer la roue dix fois.

Démo 1 : Montants 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 conseiller humain, d’attendre qu’un système back-end effectue le calcul et que les écrans se chargent, puis de surveiller sa boîte de réception pour recevoir un PDF. Cinq minutes de procédure pour une question à réponse unique.

Dan Clark, responsable de l’IA générative du groupe chez Admiral, a présenté ce que l’équipe a conçu.

Présentation :

• L’authentification est gérée par un sous-agent dédié au début du workflow, avant toute autre exécution.
• Le sous-agent de contrôle vérifie si l’appelant peut échanger avec l’agent IA : les clients vulnérables ou en situation d’impayé sont transférés vers une file prioritaire avec un conseiller humain, pendant que l’équipe identifie davantage de cas limites. 
• L’agent recueille de manière prédictive les réponses dès le départ et s’appuie sur des API plutôt que d’attendre les écrans des systèmes existants. Un parcours qui prend environ cinq minutes avec un conseiller humain n’en prend qu’environ deux minutes et demie avec l’agent.
• Le succès est mesuré selon que le client s’est authentifié et a obtenu son montant de remboursement anticipé, indépendamment du transfert.
• À la fin de l’appel, un agent de feedback demande aux clients d’évaluer l’expérience de un à cinq. Les appels non transférés obtiennent 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 écrans, et pas simplement du fait que l’IA réponde à la place d’une personne. Pour Dan, il s’agit avant tout de réduire la durée des appels et d’améliorer ainsi l’expérience client. Les transferts actuels reflètent les limites que l’équipe a choisi de fixer 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 du site web et tombe sur Ollie Bot, un outil classique à arborescence (« 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 avec ElevenLabs, aujourd’hui disponible sur le site.

Présentation :

• Le prompt système, le premier message, les workflows et le sous-agent ont tous été rédigés directement en français, et non traduits depuis l’anglais. Dan cite des recherches montrant que le prompting dans la langue du client mobilise le modèle différemment, et l’équipe a constaté des résultats nettement meilleurs de cette manière. Olivia détecte automatiquement l’anglais et répond en anglais lorsque nécessaire. 
• Les conversations réelles des clients sont examinées au regard de la base de connaissances pour repérer les lacunes ; les corrections sont généralement intégrées à l’agent en production en 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 %, après des tests de simulation et une prévisualisation manuelle avant toute mise en trafic réel. Si les données ne justifient pas la modification, le trafic revient instantanément à zéro, sans rien à annuler. 
• 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 : la réduction du cycle de publication de plusieurs semaines à quelques heures est déjà notable en soi, mais l’enseignement majeur est que la langue n’est peut-être pas qu’un 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 maîtrisant le prompting et l’architecture à un responsable métier de l’entité locale, qui donne vie au contexte du marché, et à traiter ce binôme comme l’unité de déploiement.

La conception elle-même varie peu d’un marché à l’autre. C’est l’adoption qui change. Et selon Dom, cela vaut pour tout déploiement d’IA, pas seulement pour les opérations clients.

C’est pourquoi l’équipe prévoit de consacrer davantage de temps à l’information des clients — messages de bienvenue, positionnement, messages de SVI, etc. — 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 adopte une approche de détection par plusieurs voies. Pour la vulnérabilité en particulier, l’équipe utilise délibérément des modèles établis de machine learning aux côtés de l’IA générative, plutôt que de se fier à l’un ou l’autre seul. Les clients vulnérables sont ainsi détectés à chaque étape, quel que soit le signal déclenché en premier, et pris en charge de manière adaptée.

Cette exigence s’applique avant même que la technologie ne traite le dossier. Dans l’agent de montants 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 : une limite délibérée pendant que l’équipe identifie davantage de cas limites.

Comme les clients sont imprévisibles — par exemple, 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 comment.

L’équipe derrière les agents 

Admiral s’appuie sur un modèle en étoile, où l’expertise à l’échelle du groupe se trouve au « centre » et les experts locaux, qui connaissent le marché, les clients et les collaborateurs, dans les « antennes ».

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, dont les tests A/B. La seconde est une équipe technique composée d’ingénieurs, d’architectes et de spécialistes du déploiement, qui veille à ce que chaque réalisation respecte les standards et s’intègre au reste de l’écosystème.

Pour Dom, le rôle de l’ingénieur IA de demain consistera bien moins à écrire du code qu’à comprendre le fonctionnement de l’IA générative, à structurer correctement les idées et à tirer parti du développement agentique pour concrétiser les projets.

Autour de l’équipe centrale, des experts des processus et des responsables métier sont réunis dans de petites équipes avec des talents produit et techniques. Selon elle, il faut « les enfermer dans une pièce » pour construire et tester ensemble, puis 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 étoile joue ici aussi un rôle central. Le groupe fixe des priorités non négociables pour les grands projets, là où le risque et la valeur sont plus élevés, mais où la faisabilité est légèrement moindre, afin que le soutien central puisse lever les blocages. Les antennes disposent d’une marge pour l’innovation ascendante, à condition d’en avoir la capacité et de respecter les orientations définies au niveau central.

La feuille de route que l’équipe construit vise à ce que le client n’ait jamais besoin de se répéter, qu’il passe par un SVI, un agent vocal, un conseiller humain ou un autre canal. Les signaux d’intention, de sentiment et de vulnérabilité doivent accompagner 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 pour se rapprocher de son objectif : créer la meilleure expérience client dans l’assurance.

Regardez le webinaire complet ici.