Dans l'assurance, l'intelligence artificielle ne bute pas sur la technologie. Elle bute sur deux contraintes que le secteur connaît bien. Les documents d'entrée sont imparfaits par nature, et le cadre réglementaire se durcit vite. La bonne question n'est donc pas de savoir si l'IA fonctionne, mais où la placer pour qu'elle tienne en production.
Tandem accompagne des courtiers, des mutuelles et des groupes d'assurance sur cette question. Cet article donne la réponse que nous donnons en mission. Quatre cas d'usage se déploient aujourd'hui sans tomber sous le régime haut risque du règlement européen sur l'IA. Trois autres sont plus rentables sur le papier, mais ils entrent dans un périmètre supervisé à partir du 2 décembre 2027.
Où en est vraiment l'IA dans l'assurance en France ?
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 trois terrains, 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 que le secteur avance 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 il pose sa question.
Quels cas d'usage de l'IA ouvrir en premier dans l'assurance ?
Le classement qui compte croise deux axes, le gain opérationnel et l'exposition réglementaire. Quatre cas d'usage cumulent un gain réel et une exposition faible. Ce sont eux qu'il faut ouvrir en premier, parce qu'ils produisent de la valeur sans déclencher les obligations lourdes du régime haut risque.
- Le flux documentaire entrant. Résiliations, mandats, justificatifs, pièces de sinistre. L'IA lit, structure et route. C'est le gisement de temps le plus important et le moins risqué.
- Le résumé de contrat et de garanties. Un conseiller obtient en quelques secondes ce qu'il cherchait dans trente pages de conditions générales.
- L'accueil téléphonique. Un agent vocal qualifie l'appel, répond aux questions courantes et transfère le reste à une personne.
- La veille de sinistralité et de réglementation. Surveillance continue des évolutions et synthèses adressées aux équipes concernées.
La détection de fraude, elle, 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, et le règlement européen exclut explicitement la détection de fraude financière du régime haut risque. La contrainte n'est donc pas réglementaire, elle est technique.
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 des priorités.
Voir aussi notre analyse des sept cas d'usage de l'IA pour les experts-comptables, qui partage la même contrainte de délai légal et de pièce justificative.
Comment Santiane a automatisé une partie de son support
Santiane est un groupe de courtage en assurance santé, qui réunit les marques Santiane, Neoliane et Julia Mutuelle. Le traitement des demandes entrantes y était entièrement manuel. Des ressources expertes passaient leurs journées sur des tâches répétitives, avec des délais réglementaires à tenir sur chaque dossier.
La difficulté n'était pas le volume. Elle venait de la nature du problème. Les documents arrivent scannés, avec des fautes de frappe et des formats hétérogènes. Les règles métier doivent s'appliquer sans interprétation. Et le traitement de données de santé interdisait de passer par une API tierce hébergée hors Union européenne.
Le workflow tourne sur l'infrastructure du groupe. Chaque demande déclenche deux extractions en parallèle, l'une adaptée aux scans, l'autre aux fichiers texte, puis les deux flux fusionnent. Aucune valeur n'est jamais déduite. Un score de confiance est calculé et les champs incertains sont signalés plutôt que comblés par une hypothèse.
Aucune donnée de santé n'est sortie du périmètre maîtrisé, et tous les dossiers à enjeu restent validés par une personne. Le détail de la mission est publié dans le cas client Santiane. C'est la brique que nous réutilisons le plus souvent en courtage, parce que le flux entrant est partout le même problème.
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. Le règlement (UE) 2024/1689 du 13 juin 2024 classe certains systèmes en haut risque, avec des obligations renforcées de documentation, de gestion des biais et de supervision humaine. Deux usages de l'assurance figurent dans ce périmètre.
- L'évaluation des risques et la tarification des personnes physiques en assurance-vie et en assurance maladie.
- L'évaluation de la solvabilité des personnes physiques et l'établissement de leur note de crédit, à l'exception des systèmes utilisés pour détecter la fraude financière.
L'ACPR sera l'autorité de surveillance de marché sur ces cas d'usage. Elle exercera cette mission à partir du 2 décembre 2027, et 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. En parallèle, l'autorité prépare une méthodologie d'évaluation des systèmes d'IA du secteur financier.
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.
L'agent vocal, le cas d'usage le plus sous-estimé du courtage
Un cabinet de courtage perd des affaires sur des appels non décrochés. Un assureur perd de la satisfaction sur des appels de sinistre mis en attente. L'agent vocal traite les deux, et il se met en place en quelques semaines.
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 c'est celle qui parle le plus à l'assurance. Une échéance annuelle à confirmer, une cotisation impayée à relancer, un prospect qui vient de remplir un formulaire et qu'il faut rappeler dans la minute. La liste part d'un tableur, l'agent appelle, laisse un message sur répondeur, envoie un SMS et met à jour le statut jusqu'à obtenir une réponse.
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. Pour la méthode complète, voir notre guide de l'agent vocal IA.
Faut-il construire son agent IA ou l'acheter ?
C'est la question qui bloque le plus de comités de direction dans le secteur. 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. La mission Santiane est exactement dans ce cas. Le choix de construire ne venait pas d'une préférence technique, il venait d'une obligation sur la donnée.
| Situation | Notre recommandation |
|---|---|
| Accueil téléphonique, prise de rendez-vous | Acheter une plateforme, le process est standard |
| Résumé de contrat pour les conseillers | Acheter, puis ajuster les instructions au portefeuille |
| Flux documentaire avec données de santé | Construire en environnement maîtrisé |
| Routage soumis à un délai légal | Construire le module de règles, quelle que soit l'option retenue en amont |
| Détection de fraude à l'échelle du portefeuille | Hybrider, une base achetée et des règles maison |
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 périmètre utile tourne en quelques semaines, pas en six mois.
Tandem intervient sur toute la chaîne, de la déclaration de sinistre au reporting courtier. Le détail par métier est sur notre page agence IA pour l'assurance et le courtage. La démarche de cadrage est décrite sur notre page audit IA.
Par quel cas d'usage démarrer l'IA dans l'assurance ?
Commencez par le flux documentaire entrant. Le gain est immédiat, la mesure est simple, et le sujet ne tombe pas sous le régime haut risque du règlement européen. Vous libérez des ressources expertes en quelques semaines, et vous construisez au passage la brique dont tout le reste dépend, une extraction fiable et un routage explicable.
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. Entre les deux, l'accueil téléphonique et le résumé de contrat sont d'excellents deuxièmes chantiers.
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.
