IA et assurance : les cas d'usage qui tiennent en production

Dans l'assurance, l'intelligence artificielle ne bute plus sur la technologie. Elle bute sur deux questions que le secteur traite mal. Où placer le premier flux, et comment prouver ce qu'il rapporte. Le pilote est terminé, la difficulté a changé de nature.

Tandem accompagne plus de 40 entreprises sur l'IA appliquée aux opérations, dont cinq missions dans l'assurance et le courtage. Cet article donne la grille que nous utilisons en mission. Elle classe onze chantiers par valeur, faisabilité et risque réglementaire, et son résultat déplaît souvent au comité de direction.

Où en est vraiment l'IA dans l'assurance ?

Le chiffre qui compte n'est pas le taux d'adoption, c'est le taux de mesure. L'étude Datos Insights « AI Implementations in Insurance: The Pilot Phase Is Over » (2026) donne le chiffre. 62 % des assureurs interrogés ont de l'IA en production, contre 37 % un an plus tôt. Mais 22 % seulement mesurent un retour sur investissement positif. Attention à la lecture, ces chiffres décrivent le marché américain, nettement plus avancé que le marché français.

L'Europe est un cran derrière. McKinsey a interrogé plus de cinquante dirigeants des principaux groupes d'assurance européens. Un sur trois déclare des premiers cas d'usage d'IA générative en production, et 20 % qualifient leur maturité d'avancée. La France a donc encore la fenêtre que le marché américain vient de fermer.

• Là où l'IA est déjà déployée. L'informatique arrive en tête à 62 %, puis la souscription à 57 % et les sinistres à 50 %. La distribution reste à 24 %, le développement produit à 14 %.
• Ce qui bloque vraiment. Les talents pour 41 % des répondants, la qualité des données pour 38 %, l'intégration du legacy pour 31 % contre 16 % un an avant. La conformité et le budget ferment la marche à 17 %.

Côté français, l'IA est le premier facteur de transformation des métiers de l'assurance. C'est le constat du Baromètre prospectif de l'Observatoire de l'évolution des métiers de l'assurance, publié par France Assureurs en juin 2026. L'observatoire situe les usages sur l'analyse de données, la détection de la fraude et l'automatisation de tâches. Il ajoute une nuance que les équipes retiennent, l'IA transforme le contenu des métiers plus qu'elle ne supprime des postes.

Deux annonces de l'été 2026 montrent le secteur avancer sur deux fronts distincts. AXA a annoncé en juillet 2026 le déploiement à grande échelle de Microsoft 365 Copilot pour ses collaborateurs, trois ans après le lancement de son service interne Secure GPT. Le mouvement porte sur la productivité interne.

La MAIF a pris l'autre direction. En juin 2026, la mutuelle a ouvert une application dans ChatGPT. Elle évalue l'exposition d'un logement aux risques climatiques à partir d'une adresse, et estime le prix d'une assurance vélo (La Tribune de l'Assurance). Ce n'est plus de la productivité, c'est de la distribution. L'assureur va chercher le prospect là où la question se pose.

Augmentation ou automatisation, deux projets et deux calendriers

Tous les cas d'usage relèvent de l'un ou de l'autre, et les confondre est la cause de dérapage la plus fréquente. En augmentation, l'IA prépare et l'humain décide. Le gestionnaire reste maître du dossier, rien ne part sans validation. En automatisation, le flux s'exécute et l'équipe ne traite que l'exception.

Quels chantiers IA ouvrir en premier dans l'assurance ?

Trois notes de 1 à 5 suffisent à trancher. La valeur, qui additionne la capacité adressée et la valeur hors temps. La faisabilité, qui mesure l'accès aux données et l'existence de règles écrites. Le risque réglementaire, qui va de la donnée interne sans impact client à la décision affectant le client. L'indice est le produit de la valeur et de la faisabilité, divisé par le risque.

Le résultat déplaît, et c'est ce qui en fait l'intérêt. Le sujet le plus discuté en comité de direction, l'agent vocal client, arrive dixième sur onze. Celui dont personne ne parle, la remise en ordre du corpus documentaire, arrive premier et conditionne la moitié des autres.

1. Corpus et connaissance interne, indice 16. Un référentiel unique, à jour et versionné, sur lequel tous les cas suivants s'appuient.
2. Comptabilité fournisseurs et notes de frais, indice 15. Aucun impact client, des règles écrites, une faisabilité maximale.
3. Contrôle interne et conformité, indice 12. Données internes, gain de couverture immédiat.
4. Résiliations, avenants, renouvellements, indice 10. La valeur la plus élevée du tableau, des délais légaux, des règles écrites.
5. Mail entrant et travail post-appel, indice 8. Le tri de la boîte générique et le compte rendu d'appel, sans risque de réputation.

Cette hiérarchie n'est pas propre à l'assurance. Nous appliquons la même grille dans les cabinets d'expertise comptable, où le flux documentaire arrive aussi en tête. Voir notre analyse des sept cas d'usage de l'IA pour les experts-comptables, qui partage la contrainte de délai légal et de pièce justificative.

La détection de fraude mérite une mention à part. L'Agence de lutte contre la fraude à l'assurance a comptabilisé 946 millions d'euros de fraude détectée par ses adhérents en 2025. Les branches incendie, accidents et risques divers en concentrent 627 millions à elles seules. Le sujet est massif, mais il arrive neuvième, parce que sa faisabilité dépend de la qualité du portefeuille et non de la technologie.

Comment chiffrer un flux avant d'engager le budget

Si 22 % seulement des assureurs en production savent dire ce que leur IA rapporte, ce n'est pas parce que le gain est absent. C'est parce que personne n'a mesuré le point de départ, et qu'il est impossible de le reconstituer après coup. Cinq variables suffisent, et une semaine de relevé sur échantillon les donne toutes.

Trois corrections rendent ce calcul honnête, et ce sont elles qui manquent presque toujours. La première porte sur le taux d'automatisation. Ne comptez que les actes qui passent le contrôle qualité sans reprise. Sur un flux documentaire hétérogène, le point de départ observé va de 40 à 60 %. Sur un flux normé avec un référentiel propre, de 60 à 80 %. Au-delà de 85 %, exigez la preuve.

La deuxième correction est celle que les directions financières attendent. La capacité libérée n'est pas du cash. Une part se redéploie sur d'autres dossiers, ce qui est une valeur réelle mais invisible au compte de résultat. L'autre part seulement devient un coût évité. Dans l'exemple ci-dessus, sur 212 160 euros de capacité adressée, environ 64 000 euros sont du coût réellement évité.

La troisième correction ajoute la valeur hors temps. Délai de traitement, taux d'erreur, taux de décroche, pénalités de non-conformité évitées, primes non perdues. Sur les flux contractuels et sur la fraude, cette part dépasse fréquemment le gain de productivité. Elle est aussi la plus fragile, parce qu'elle ne se réalise que si quelqu'un décroche le téléphone.

Ce que cinq missions de courtage nous ont appris

Tandem publie le secteur, les volumes, le périmètre vendu et la séquence suivie. Pas les résultats chiffrés de ses clients, qui ne nous ont pas autorisés à les diffuser, et qui ne vous serviraient à rien sortis de leur contexte de volumes. Les missions ci-dessous sont donc anonymisées.

Un courtier grossiste en santé et prévoyance, 51 000 résiliations par an

Le traitement était entièrement manuel. À douze minutes par demande, cela représentait l'équivalent de six postes à temps plein consacrés à recopier des informations d'un PDF vers un outil de gestion. La contrainte structurante venait des données de santé, qui imposaient un hébergement sur l'infrastructure du client et écartaient toute solution appelant une interface tierce hors Union européenne.

L'enseignement transposable est contre-intuitif. La difficulté n'était pas la lecture des documents scannés, que les modèles actuels traitent bien. Elle était dans le rapprochement avec le référentiel contrats, sur un portefeuille comportant des homonymes et des doublons. Un rapprochement à 85 % laisse un dossier sur sept en reprise manuelle, ce qui suffit à annuler le gain.

Un courtier en assurance dommages et personnes, deux missions en deux mois

La séquence a commencé par un audit court du support client, deux jours et demi. Volumes d'appels, motifs, temps de traitement, taux de décroche. La construction est venue deux mois plus tard, en cinq jours. Un agent vocal de première version qualifie les appels entrants, répond au niveau 1 et prend un message structuré.

Un courtier spécialisé en assurance des étudiants internationaux

Trois jours et demi de périmètre, une mise en service en un trimestre, sur un agent vocal branché sur un flux très saisonnier et très répétitif. Questions d'attestation, de garanties et de prise en charge, concentrées sur deux mois de l'année. C'est le cas typique où le dimensionnement humain est structurellement impossible.

L'enseignement vaut pour tout le secteur. Un flux saisonnier est un excellent premier terrain, parce que le coût de la solution manuelle est déjà connu et chiffré. L'intérim et le débordement d'appels apparaissent dans une facture, ce qui rend la comparaison immédiate et le calcul incontestable.

Deux autres missions portent sur des flux structurellement identiques à ceux de l'assurance. Le premier est un audit du tiers-payant et du service client, chez un réseau de plus de vingt centres de santé. Le second est un agent vocal doublé d'un service client écrit, chez une filiale de groupe bancaire. Le corpus documentaire y a été constitué en préalable.

L'agent vocal, dixième au classement et premier dans les demandes

Trois de nos cinq missions assurance portent sur un agent vocal, alors que la grille le classe dixième. La contradiction n'est qu'apparente, et elle vaut d'être expliquée. Le risque réglementaire de ce chantier est noté 4 sur 5. La raison tient à l'article 50 du règlement européen sur l'IA. Depuis le 2 août 2026, il impose d'informer la personne qu'elle s'adresse à un système d'IA et non à un conseiller.

Cette obligation ne bloque rien, mais elle se conçoit dans l'accroche vocale dès le départ. Ajoutée après la mise en production, elle oblige à retoucher tout le script. Le chantier reste donc en vague 3 tant qu'un flux à plus forte valeur et à plus faible risque n'a pas été livré.

La mécanique tient en quatre briques. Un opérateur téléphonique porte la ligne, une transcription convertit la voix en texte, un modèle génère la réponse, une synthèse vocale la rend audible. Chaque brique se paramètre séparément, ce qui permet de garder la main sur le coût et sur la voix.

L'arbitrage qui décide de la réussite d'un agent vocal ne porte pas sur la technologie, mais sur le périmètre. J'ai constaté qu'un agent équipé de trop de scénarios se perd entre eux. Trois ou quatre chemins de résolution bien écrits, et un transfert humain pour tout le reste, donnent un bien meilleur résultat qu'une tentative de couvrir tous les cas. Dans mes tests, les appels traités durent en moyenne moins d'une minute.

Les appels sortants sont la face oubliée du sujet, et celle qui parle le plus à l'assurance. Une échéance annuelle à confirmer, une cotisation impayée à relancer, une pièce manquante à réclamer, un prospect qui vient de remplir un formulaire et qu'il faut rappeler dans la minute. C'est un flux que personne n'a le temps de faire à la main, donc du gain net et non un temps déplacé.

Le pilotage se fait sur les transcriptions. Chaque appel laisse un texte intégral, une durée et une typologie, ce qui permet d'alerter les équipes sur les catégories inattendues. L'indicateur à suivre est la part des demandes closes sans intervention humaine, corrigée du taux de reprise. Un agent qui traite 70 % des appels mais dont 30 % rappellent le lendemain en traite en réalité 49 %. Pour la méthode complète, voir notre guide de l'agent vocal IA.

Ce que l'AI Act et l'ACPR changent pour un assureur

C'est la partie que les projets IA en assurance sous-estiment le plus, et celle qui coûte le plus cher quand elle arrive en fin de parcours. Associée au cadrage, la conformité oriente la conception. Associée à la fin, elle est un veto après que le budget a été engagé.

L'ACPR sera l'autorité de surveillance de marché sur les cas d'usage à haut risque du secteur financier, à partir du 2 décembre 2027. Elle n'attend pas l'échéance pour avancer. En juillet 2026, elle a publié un document de réflexion sur l'équité algorithmique dans le secteur financier. Le texte est soumis à consultation publique jusqu'au 30 septembre 2026, et des orientations sont attendues pour la fin de l'année.

Un point technique de ce document mérite l'attention de toute équipe qui construit un modèle de tarification. Les systèmes avancés sont de plus en plus capables de reconstituer des caractéristiques personnelles sensibles, même quand ces variables ont été retirées de la modélisation. Retirer le champ ne suffit donc plus à démontrer l'absence de traitement discriminatoire.

Un dernier point échappe souvent aux directions métier, parce qu'il vise l'assureur comme porteur de risque et non comme utilisateur. Le risque lié à l'IA sort du flou dans les contrats de responsabilité civile professionnelle. Ce qui n'était ni garanti ni exclu commence à être explicitement exclu. C'est autant un sujet de souscription qu'un sujet d'exploitation.

Ce que l'IA ne sait pas faire dans l'assurance

Connaître ces limites évite d'engager un budget sur un cas d'usage qui ne peut pas aboutir. Aucune n'est une difficulté temporaire.

• Absorber les cas d'exception. Dans un flux réel, 15 à 25 % des dossiers sortent du cadre. Pièce illisible, situation atypique, client en litige. Ces cas portent l'essentiel du risque et resteront humains.
• Réparer un référentiel incohérent. Si le même produit porte trois libellés et deux grilles de garanties selon la source, aucun modèle ne rétablira la vérité. La remise en ordre est un chantier préalable, pas un livrable IA.
• Tenir un flux dont les règles ne sont pas écrites. Quand la règle vit dans la tête de deux gestionnaires, l'expliciter passe avant de coder.
• Remplacer le devoir de conseil. La directive distribution impose un conseil personnalisé et motivé, porté par une personne identifiée. Un assistant peut le préparer et le documenter, il ne peut pas en être l'auteur responsable.
• Tarifer sur des données de santé quand c'est interdit. Sur un contrat solidaire, l'état de santé ne peut pas fixer la cotisation. Un modèle qui reconstitue indirectement cette information par des variables corrélées expose l'organisme, même sans intention.

Faut-il construire son agent IA ou l'acheter ?

En 2023, tout le monde voulait construire. Depuis, les solutions prêtes à l'emploi se sont multipliées, la dette technique fait peur et le retour sur investissement des projets internes déçoit souvent.

Je détaillais cet arbitrage dans un post LinkedIn sur le choix build ou buy pour les agents IA. La règle que j'en retire est simple. Achetez quand vos process ressemblent à ceux des autres entreprises, construisez quand le sujet est stratégique. Acheter pour aller vite, construire pour se différencier.

L'assurance a une particularité qui déplace le curseur du build ou buy. Dès que des données de santé entrent dans le flux, la contrainte d'hébergement élimine d'emblée une partie du marché des solutions clés en main. Sur la mission de courtage santé décrite plus haut, le choix de construire ne venait pas d'une préférence technique, il venait d'une obligation sur la donnée.

Côté outillage, nous montons ces workflows sur n8n, qui s'installe sur l'infrastructure du client quand la souveraineté l'exige. Voir notre guide n8n et notre offre d'agence n8n.

Comment choisir une agence IA spécialisée en assurance ?

Le marché des prestataires IA est encombré, et la plupart n'ont jamais vu une lettre de résiliation ni un mandat de délégation. Cinq questions permettent de trier vite.

• Comprend-elle la chaîne assurance ? Un prestataire qui confond assureur, délégataire de gestion et courtier fera des erreurs de routage.
• Sait-elle déployer en environnement souverain ? Demandez une référence de workflow auto-hébergé, pas une intention.
• Où met-elle la décision réglementaire ? Si la réponse est dans le prompt, passez au suivant.
• Que fait le système quand il n'est pas sûr ? Une bascule explicite vers un humain est un signe de sérieux, une réponse toujours confiante est un risque.
• Quand arrive le premier livrable ? Sur nos missions, le premier cas passe en production entre huit et douze semaines après le lancement de l'audit. Un audit qui ne débouche pas sur une construction dans les six semaines ne débouchera jamais.

Tandem intervient sur toute la chaîne, de la déclaration de sinistre au reporting courtier. Le détail par métier est sur notre page IA dans l'assurance et le courtage. La démarche de cadrage est décrite sur notre page audit IA.

Par quel chantier démarrer l'IA dans l'assurance ?

Commencez par le corpus documentaire et par le flux contractuel. Ce sont les deux premières lignes du classement, et ce n'est pas un hasard. Le corpus conditionne tous les cas suivants. Les résiliations, elles, portent la valeur la plus élevée du tableau, avec des règles déjà écrites. Le délai légal rend l'automatisation presque obligatoire au-delà d'un certain volume.

Gardez la tarification vie et santé pour plus tard, et préparez-la sérieusement. L'échéance du 2 décembre 2027 arrive, la consultation de l'ACPR est ouverte, et un modèle de tarification non documenté sera un passif. Mesurez le volume, le temps unitaire et le taux d'erreur de vos trois flux les plus lourds avant tout arbitrage. Une semaine de relevé sur échantillon suffit.

Une dernière règle, valable dans tous les cas. Si votre système ne sait pas dire qu'il n'est pas sûr, il n'est pas prêt pour l'assurance.