几十年来，受到处罚的司机为他的统计类别付出了代价。数据和人工智能正在撼动这个系统，但并没有取消它。
摆脱群体判断
长期以来，受到高额罚款的驾车者只有一个选择：联系专业保险公司，例如 求救马鲁斯，因为缺乏可用的替代方案。他的档案基于统计关系：奖金恶绩、年龄、与前保险公司的历史。他的实际行为与他的关税类别没有任何区别。
法国保险科技公司打造的模型正在扭转这一趋势。他们分析过时且可验证的行为，而不是固定的分类。制动、行程规律性、行驶区域、交通时间表。计算不会发出任何明确的句子。它将事实元素汇集在一起，然后保险公司根据自己的决策网格选择保留或拒绝这些事实元素。
法国保险科技公司在行动
这一发展在几家法国公司中仍然是具体的，远非人工智能的一般营销话语。 Shift 技术就是最明显的例子。公司成为独角兽后 筹款2.2亿美元。它通过分析文本和视觉数据帮助保险公司自动检测欺诈。
泽罗斯走了一条不同的道路。这家初创公司为顾问提供指导承保决策的能力，而无需完全取代他们。这些工具处理大量数据。实时捕获的索赔历史记录、客户资料、移动数据。既定目标仍然是计算的精度，而不是商业判决的完全自动化。
其他法国初创企业也希望采用类似的方法。 Assurly 或 Seyna 正在围绕本机数据处理开发其基础设施。因此，他们避免将其移植到遗留系统上。从理论上讲，这种架构有助于在客户旅程中逐步对个人资料进行更详细的重新评估。
基本的法律和监管框架
这种技术转变并不能让任何人免受现有法律网络的影响。无论上游计算的分数如何，中央物价局 (BCT) 都会继续保证保险权。任何模型，无论多么精确，都不能规避这一义务。
《通用数据保护条例》(GDPR) 也严格规范此类行为信息的使用。审慎监管和处置局 (ACPR) 要求保险公司记录其模型并积极监控偏差。公司不能再简单地以分数来证明拒绝承保的合理性。
治理和信任：真正的选择标准
对于该行业的投资者或管理者来说，风险远远超出了模型的原始性能。真正的问题涉及每个市场参与者所表现出的治理。决策的可解释性、所用数据的可追溯性、证明计算中不存在隐藏歧视的能力。
这里的商业话语值得仔细阅读。法国 Assurtech 协会以自己的方式证实了这一点。在其加速器今年收到的申请中，十分之九的申请都是基于人工智能的。该协会的一位经理认为这个数字更多地体现了时尚效果，而不是技术现实。这个术语已经变得如此普遍，以至于它不再对模型的可靠性及其监管合规性提供太多保证。
获得历史群体信任的保险科技公司不一定是最快部署模型的公司。他们将能够记录其流程的每一步，而不是在没有证明的情况下承诺更公平的价格。正是这个标准，而不是模型的原始力量，将决定该行业的下一个合作伙伴关系。
