Adoption de l'IA dans l'assurance : dépasser ChatGPT et construire une capacité organisationnelle structurée

Le secteur de l'assurance ne manque pas de capacités pour adopter l'IA. Il peine à les utiliser de la bonne manière.

Le secteur de l'assurance est dans une position inconfortable face à l'IA. La pression pour adopter est forte : elle vient des conseils d'administration, des concurrents, des équipes actuarielles qui voient exactement ce que la technologie pourrait apporter à la précision de la souscription et à l'efficacité de la gestion des sinistres. Et pourtant, le rythme d'une adoption structurée, à grande échelle, reste lent. Dans la plupart des assureurs, des collaborateurs utilisent ChatGPT ou Copilot d'une manière ou d'une autre. Très peu ont construit l'infrastructure organisationnelle qui transforme cet usage individuel en capacité institutionnelle.

L'ironie n'échappe pas aux dirigeants du secteur. Le métier des assureurs, c'est de gérer le risque. Ils savent, par construction, évaluer des probabilités, bâtir des cadres de gouvernance et opérer dans des environnements régulés. Ce sont précisément les capacités requises pour adopter l'IA de façon responsable et à grande échelle. Et pourtant, cette même culture du risque qui fait la force des assureurs sur leur cœur de métier est souvent devenue un frein à l'adoption de l'IA plutôt qu'un levier.

Comprendre pourquoi, et à quoi ressemblent les exceptions, est le point de départ de toute adoption sérieuse de l'IA dans l'assurance.

Où la valeur réelle se crée

Les cas d'usage qui génèrent des retours mesurables dans l'assurance ne sont pas les plus sophistiqués techniquement. Ce sont ceux où la combinaison d'un fort volume de tâches, d'une forte intensité documentaire et de processus structurés rend l'assistance de l'IA immédiatement productive.

La gestion des sinistres est le domaine à plus fort impact dans la plupart des organisations qui ont déployé sérieusement. Une grande mutuelle européenne a mis en place un triage des sinistres assisté par IA dans sa division dommages aux biens : les sinistres entrants sont orientés selon leur complexité, et les rapports d'expertise pré-remplis à partir de la documentation initiale du client.

L'aide à la souscription est un deuxième domaine de valeur substantielle, en particulier pour les lignes commerciales, où l'évaluation du risque suppose de synthétiser de grands volumes de documents hétérogènes : états financiers, rapports techniques, comptes rendus d'inspection, données sectorielles. Les outils d'IA qui prennent en charge la synthèse documentaire et signalent les indicateurs de risque pertinents permettent aux souscripteurs de traiter plus de dossiers sans sacrifier la qualité de l'évaluation. Plusieurs grands réassureurs ont déployé cette capacité discrètement et efficacement, sans annonce publique, ce qui en dit long sur la manière dont le secteur gère l'image de son adoption de l'IA.

La conformité réglementaire et la documentation des polices constituent un troisième cas d'usage à forte valeur, souvent sous-estimé. Les assureurs opèrent dans des cadres réglementaires denses et évolutifs (Solvabilité II, DDA, DORA et leurs transpositions nationales) qui génèrent des obligations continues de documentation et de revue. La synthèse assistée par IA des mises à jour réglementaires, l'analyse des écarts avec les politiques internes et la rédaction de la documentation de conformité ont ramené à quelques jours un travail qui occupait auparavant des équipes conformité entières pendant des semaines. C'est l'un des cas de ROI les plus clairs du secteur, et l'un des moins discutés, alors même qu'il est un axe prioritaire des meilleurs cabinets de conseil en IA pour la transformation des entreprises en 2025.

Pourquoi la plupart des programmes d'adoption s'enlisent

L'écart entre ces poches de création de valeur réelle et le tableau d'ensemble de l'adoption dans l'assurance s'explique par trois schémas structurels qui reviennent dans tout le secteur.

Les organisations d'assurance savent mener des expérimentations. Elles savent moins bien convertir les expérimentations réussies en procédures opérationnelles standard. Un pilote d'IA sur les sinistres qui fonctionne bien dans une division régionale exige, pour s'étendre à toute l'organisation, une standardisation des processus, une intégration aux systèmes, une conduite du changement dédiée à l'adoption de l'IA et une gouvernance transverse. Les équipes innovation qui ont conçu le pilote sont rarement positionnées, ni mandatées, pour porter ce travail organisationnel. Le pilote réussit. La capacité ne passe pas à l'échelle. L'année suivante, un nouveau pilote est lancé.

Contrairement au secteur bancaire, où les contraintes réglementaires autour de l'IA façonnent déjà les stratégies d'adoption, les régulateurs de l'assurance ont été plus lents à publier des cadres de gouvernance clairs pour l'IA. Cette ambiguïté n'a pas produit d'expérimentation audacieuse ; elle a produit une inaction défensive. Les équipes juridiques et conformité, faute de pouvoir citer un standard réglementaire clair, bloquent par défaut le déploiement de l'IA plutôt que de concevoir une gouvernance proportionnée au risque réel. Résultat : des organisations dont la culture du risque devrait être un atout pour la gouvernance de l'IA en ont fait un obstacle.

Dans la plupart des assureurs, l'usage de l'IA existe, mais de façon individuelle, incohérente et invisible. Les actuaires ont construit leurs propres workflows. Les équipes sinistres ont leurs propres outils. Le marketing utilise une autre plateforme. Personne n'a cartographié ces usages selon un cadre commun, mesuré leur impact, ni identifié les conflits et les synergies entre eux. Construire une capacité organisationnelle structurée exige exactement ce travail de cartographie, et la plupart des organisations ne l'ont pas fait.

Les conditions pour passer à l'échelle dans un environnement régulé

Les assureurs qui ont dépassé le stade de l'expérimentation partagent un ensemble reconnaissable de conditions organisationnelles. Aucune n'est techniquement exceptionnelle. Toutes sont organisationnellement délibérées.

Ce que le secteur doit faire autrement

La relation du secteur de l'assurance à l'IA est à un point de bascule. Les organisations qui traitent encore l'IA comme une série d'expérimentations individuelles se retrouveront structurellement derrière les concurrents qui ont construit une capacité organisationnelle, non pas dans trois ans, mais dans dix-huit mois.

La culture du risque du secteur n'est pas le problème. Le problème, c'est une culture du risque sans direction, sans cadre pour la canaliser de façon productive.

La discipline qui fait un bon actuaire est exactement celle qu'exige une bonne gouvernance de l'IA. La question est de savoir si les organisations d'assurance appliqueront cette discipline à leur propre transformation.