Des solutions et réparations plus intelligentes

La technologie intelligente permet d'obtenir des estimations plus précises et de meilleures rsepaires, ce qui est essentiel dans ce nouvel environnement COVID-19. PHOTO Shutterstock

Ce n’est un secret pour personne que la pandémie COVID-19 a bouleversé presque toutes les industries du monde et l’espace de réparation des collisions ne fait pas exception.

Pourtant, cette perturbation a, à bien des égards, donné à l’industrie l’occasion de repenser sa position et aux ateliers de réparation de carrosseries et à leurs précieuses parties prenantes, de chercher des moyens d’améliorer l’efficacité, la rentabilité et le service à la clientèle des entreprises.

Processus de réclamation

L’un des piliers de l’entreprise a toujours été le processus de réclamation. La manière dont elle est traitée détermine souvent le résultat de la réparation ainsi que d’autres facteurs tels que les scores de promoteur net, la réputation de l’entreprise, la durabilité et le succès global.

Ainsi, dans un monde post-COVID-19, comment la procédure de réclamation continuera-t-elle à être traitée et certaines des initiatives requises, telles que l’estimation basée sur la photo et les transactions sans contact, se poursuivront-elles ? Pour aider à répondre à certaines de ces questions et plus encore, Solera Global Marketing a récemment organisé un webinaire intitulé What’s Next : Une plongée plus profonde dans la transformation numérique.

Cet événement a rassemblé une série d’experts de la communauté mondiale de réparation de carrosseries de Solera, afin de partager leurs points de vue sur la situation actuelle et sur la manière dont la technologie d’apprentissage des machines peut rationaliser le processus de réclamation et, avec lui, l’ensemble de la réparation.

Modéré par Kyle Priest, directeur du marketing chez Solera, et réunissant les directeurs généraux régionaux d’Audatex Dave Shepherd (Royaume-Uni, Allemagne et Afrique), Arnaud Agostini (France, Europe, Moyen-Orient), Ramon Suarez (États-Unis et Amérique latine) et Atul Vohra (Canada), le panel comprenait également Elliot Roberts, directeur de la gestion des produits d’Audatex au Royaume-Uni.

Données :

Les réparateurs de carrosseries et les assureurs recherchant des moyens de garantir la rapidité et la précision en matière de réclamations, Dave Shepherd a fait remarquer que la clé de la création d’une solution efficace est de créer quelque chose qui soit piloté par les données, sans contact et qui offre un processus complet de bout en bout qui, non seulement peut maximiser l’efficacité tout au long de la réparation, mais aussi la rendre plus facile et plus directe pour ceux qui la facilitent.

L’un des éléments clés est d’avoir accès aux informations de pré-estimation le plus rapidement possible.

Si nous disposons de ces informations dans les minutes qui suivent le premier avis de sinistre (First Notice of Loss, FNOL), cela permet de prendre des décisions précoces, fondées sur des données.

— Dave Shepherd, Directeur général régional, Audatex UK, Allemagne et Afrique

Il s’agit notamment de déterminer l’étendue réelle des dommages, les pièces et les matériaux nécessaires pour effectuer la réparation, de passer les commandes afin qu’elles soient prêtes dès l’arrivée du véhicule à l’atelier et de s’assurer que le réparateur et l’assureur savent exactement ce qu’implique une réparation particulière sur un véhicule donné et combien de temps cette réparation prendra.

Audatex et sa société mère Solera sont depuis longtemps reconnus comme des innovateurs en matière d’estimation de solutions.

Des travaux de recherche et de développement considérables, qui tirent parti de l’empreinte mondiale de Solera, ont permis de développer une plateforme de réparation numérique qui combine la reconnaissance de photos avec l’intelligence artificielle (IA) et l’apprentissage automatique (ML) pour fournir des solutions basées sur des données permettant des réparations rapides, efficaces, précises et de qualité en cas de collision.

M. Shepherd a fait remarquer qu’en exploitant efficacement les données de réparation des véhicules et en utilisant l’IA et l’apprentissage automatique pour comprendre précisément le type de réparation nécessaire sur un véhicule spécifique, ces réparations peuvent être triées beaucoup plus rapidement et un certain nombre de tâches traditionnelles automatisées, ce qui permet au personnel du centre de réparation de se concentrer sur le travail avec ses clients pour offrir la meilleure expérience possible et la plus transparente.

Réduction des temps de cycle

La réduction des temps de cycle est toujours un facteur clé de toute opération de réparation de collision et, comme l’a observé Shepherd, COVID-19 a en fait constaté une réduction du nombre de clés à clé dans de nombreux ateliers. « Avant COVID-19, notre temps de cycle typique était d’environ 10 jours, mais nous avons vu ce temps chuter à quatre jours », a-t-il déclaré.

Peut-être plus important encore, M. Shepherd a souligné que les magasins devraient saisir cette opportunité de pouvoir adopter des solutions de réparation numériques et des temps de cycle réduits et en faire un élément à long terme de leur stratégie commerciale.

Il a noté qu’outre les réparateurs, les assureurs peuvent également tirer des avantages importants de l’AI et du ML dans le processus de réclamation pour améliorer la précision du triage.

« Cela améliore en fin de compte les relations au sein du réseau de réparation des collisions, avec le client et permet de procéder à des règlements rapides basés sur des faits et des données fiables. C’est une situation gagnante pour tout le monde ».

Ramon Suarez a souligné que la clé pour éviter les pièges pendant le processus de réparation est de commencer par comprendre le problème présenté et la capacité à le résoudre. « La façon dont nous comprenons les solutions de capture des dommages et la façon dont elles sont utilisées tout au long du processus de réclamation est la clé », a noté Suarez.

Pour que la technologie d’apprentissage des machines fonctionne efficacement, elle a besoin de matériel source de qualité. Par conséquent, il est essentiel de fournir aux clients un processus guidé du type et de la qualité des images nécessaires pour que l’IA puisse compléter les conclusions du professionnel de la réparation.

« Vous devez vous rappeler que vous aurez toujours besoin des conseils d’un expert et reconnaître que chaque image prise peut être sujette à des erreurs », a déclaré Arnaud Agostini, indiquant que les sinistres intelligents et la technologie d’estimation continueront d’évoluer et qu’ils devraient être considérés comme un outil destiné à compléter et à aider le personnel de réparation des collisions et non à le remplacer.

Impact des pertes totales

Atul Vohra a fait remarquer qu’au Canada, en matière de sinistres, les pertes totales représentent 20 % des demandes d’indemnisation mais 45 % de la gravité totale, ce qui fait que l’évaluation de la perte totale d’un véhicule représente une priorité énorme pour les assureurs.

Et le fait de disposer d’un processus de réclamation intelligent et efficace peut permettre aux ateliers et aux assureurs de déterminer rapidement si les véhicules peuvent être réparés ou passés en perte. C’est d’une importance capitale, car un processus de travail intelligent peut permettre de réaliser d’énormes économies.

« Prenez du recul et réfléchissez un instant. Un remorquage de moins, c’est 200 dollars d’économie, une journée de location de voiture en moins, c’est 100 dollars, donc 300 dollars avant même de commencer », a-t-il déclaré.

De plus, si un véhicule est affecté à une réparation, il est essentiel de s’assurer qu’il arrive au bon atelier de réparation, équipé des bons outils, normes, calibrage et personnel formé.

« En raison de ces véhicules excessivement intelligents que nous avons et des problèmes de responsabilité excessifs, nous ne voulons pas que des réparations dangereuses soient effectuées. La protection des clients doit être une priorité ».

Mme Vohra a également fait remarquer que la programmation est un point sensible pour de nombreux centres de collision et qu’Audatex a développé un outil automatisé qui vise à résoudre ce problème, même si la programmation est souvent influencée par une série de facteurs, notamment la gestion de la capacité des ateliers.

Il a cependant noté que la crise COVID-19, qui a permis à de nombreux ateliers de réduire leurs processus à zéro, leur permettra de travailler avec la technologie disponible par Audatex pour offrir une « expérience de type Amazone » aux clients de ses ateliers, qui à leur tour pourront l’offrir à leurs clients, les automobilistes.

Saisir l’information

Il est essentiel pour les ateliers qui opèrent dans un environnement post-COVID-19 de saisir les dommages de réparation, qu’ils soient visibles ou cachés. Pourtant, ce n’est pas toujours aussi facile ou simple qu’il n’y paraît.

Elliot Roberts a fait remarquer que l’équipe d’Audatex en était consciente lors de la création de la prochaine génération d’outil d’évaluation intelligent intégrant une imagerie précise. « L’objectif est de prendre un ensemble d’images de véhicules endommagés n’importe où dans le monde et de le faire avec un haut degré de précision et de cohérence », a-t-il déclaré.

M. Roberts a fait remarquer qu’il y a aujourd’hui de nombreux facteurs à prendre en compte pour prendre des photos et évaluer les dommages, en particulier lorsqu’il s’agit d’un outil automatisé efficace d’évaluation des dommages.

La forme, les contours et la taille du véhicule, le type de dommages et d’autres facteurs tels que les conditions d’éclairage, les réflexions, la saleté et l’eau font qu’il est beaucoup plus difficile de prendre une image de bonne qualité des dommages qu’il n’y paraît.

« C’était un processus vraiment difficile pour nous, mais la clé pour atteindre un objectif réussi est l’accès à des données de qualité et en grand volume. Pour un projet d’IA réussi, surtout lorsque la technologie informatique est au cœur. Vous devez avoir accès à des données d’entrée de qualité – et à cette fin, nous avons en fait créé un lac de données à travers une multitude de pays, où Solera a accès à plus de 1,5 milliard d’images et aux données de réparation correspondantes à plus de 300 millions de calculs de réparation », a déclaré M. Roberts.

M. Roberts a déclaré que cette base de données est mise à jour avec environ 1,5 million d’images par semaine et que, une fois réunies, les informations et les données restent à jour et pertinentes.

Il s’agit là d’un élément important pour les réparateurs et les assureurs, car une telle banque de données massive peut aider à déterminer les coûts de réparation – un élément extrêmement important à une époque où la complexité et la gravité des véhicules ne cessent d’augmenter.

Par exemple, la technologie AI de Solera peut déterminer si un véhicule particulier a un capot en acier ou en aluminium, sur la base des données du NIV, ou s’il nécessite un remplacement complet du boîtier de phares, ou une simple ampoule. « Ce n’est pas seulement l’élément de coût qui est important pour obtenir le bon résultat, c’est aussi la réduction du temps de cycle pour commander les bonnes pièces le plus tôt possible et améliorer le parcours global du client », a déclaré M. Roberts.

 

Catégories : Carrosserie, Éditorial
Étiquettes :

Articles populaires

Nos partenaires

Menu
X