L'IA générative a suscité une attention et des investissements considérables dans le secteur des assurances ces dernières années. En 2025, l'IA agentique suscitera encore plus d'intérêt et d'enthousiasme.
Il semble que tous les secteurs s'empressent d'adopter la technologie de l'IA générative, et celui des assurances ne fait pas exception. Les entreprises disposant de modèles GPT comme OpenAI, Amazon, Google, Microsoft, Meta, Anthropic et d'autres, continuent d'investir massivement dans le développement et l'amélioration de leurs propres grands modèles de langage (LLM). Ces modèles démontrent aux assureurs qu'ils ont le potentiel de révolutionner le secteur des assurances et qu'ils influencent déjà considérablement la manière dont les assureurs exercent leurs activités.
Celent prévoit que la rapidité des progrès technologiques dans le domaine de l'IA générative (par exemple, l'IA agentique, des calculs plus rapides et plus efficaces tels que DeepSeek et QwQ-32B d'Alibaba), combinée à la pression concurrentielle et à la maturation des applications d'IA générative grâce à un niveau de confort accru des assureurs et à une clarification de la réglementation, continue de stimuler les investissements des assureurs.
> Webinaire | Découvrez comment IDP contribue à la modernisation du secteur des assurances
Où en sommes-nous actuellement ?
L'appel a été entendu : d'après une enquête menée par Celent auprès des assureurs nord-américains en mars 2025 sur l'utilisation de l'IA générative dans le secteur des assurances, 44 % possèdent déjà une solution basée sur l'IA générative en production. Cela représente une augmentation de 57 % par rapport à ceux pour qui l'IA générative était en production en 2024. De plus, 38 % ont indiqué posséder une solution d'IA générative en production d'ici l'année prochaine.
Si les prévisions se confirment, environ 80 % des assureurs américains auront mis en œuvre une solution basée sur l'IA générative d'ici le premier trimestre 2026, ce qui constitue un chiffre impressionnant. L'adoption de l'IA générative se répand sur l'ensemble de la chaîne de valeur des assurances, l'expérience client interne (c'est-à-dire les employés) étant le principal domaine d'intérêt.
De plus, les déclarations de sinistres et les souscriptions progressent rapidement vers le sommet, très probablement en raison des gains d'efficacité énormes que les assureurs constatent dans l'ingestion des documents et la synthèse de vastes quantités de données utilisées dans les cas d'utilisation liés aux déclarations de sinistres et à la souscription, en particulier les données non structurées.
De nombreux assureurs s'appuient également sur des relations avec des tiers pour pouvoir obtenir rapidement ce dont ils ont besoin. Bonne nouvelle : selon nos conclusions dans le récent rapport de Celent « GenAI in Legacy Modernization », les fournisseurs de plateformes et de services adaptent rapidement l'IA générative dans leurs plateformes et services, ajoutant une pléthore de nouvelles fonctionnalités dans un délai très court.
L'avenir de l'IA agentique et le rythme rapide du changement
Une chose que les assureurs apprennent, c'est que le lancement des modèles GPT s'est accompagné d'un changement effréné. Arrive alors l'IA agentique, qui désigne les systèmes d'IA capables d'agir de manière autonome, de prendre des décisions et d'exécuter des tâches sur la base de l'analyse de données.
L'IA agentique commence lentement à gagner du terrain dans le secteur des assurances et apparaît de plus en plus comme la prochaine étape pour les applications d'IA.
L'IA agentique détient un potentiel considérable pour transformer les opérations d'assurance dans diverses fonctions. Cette évolution vers des agents d'IA plus indépendants promet de repenser le mode de fonctionnement des compagnies d'assurance, ce qui se traduira par une efficacité accrue, une meilleure expérience client et une meilleure gestion des risques.
Un petit pourcentage d'assureurs met déjà des solutions d'IA agentique à l'épreuve via des pilotes et des preuves de concept, une petite partie (4 %) d'entre eux passant à la phase de production. Comme indiqué dans la dernière enquête de Celent sur l'IA générative, 22 % des assureurs ont déclaré qu'ils disposeront d'une solution basée sur l'IA agentique en production d'ici la fin de l'année 2026.
Le potentiel de l'IA agentique dans les opérations d'assurance
Service à la clientèle
Les assistants virtuels, qui traitent des requêtes complexes en matière de polices d'assurance, peuvent fournir une assistance hyper-personnalisée 24 heures sur 24 via plusieurs canaux et guider les clients tout au long de processus tels que l'intégration ou la soumission de demandes d'indemnisation. L'IA agentique peut également interagir de manière proactive avec les assurés par le biais de rappels opportuns et de suggestions d'assurances, améliorant ainsi l'expérience client globale.
Souscriptions
L'IA agentique analyse en temps réel de vastes quantités de données structurées et non structurées pour créer des profils de risque plus précis et dynamiques. Les compagnies peuvent ainsi personnaliser la tarification et les recommandations d'assurances, réduisant alors le risque de tarification erronée. Tout comme l'IA générative, l'IA agentique permet aux assureurs de se concentrer davantage sur les cas complexes et les approbations finales.
Traitement des déclarations de sinistre
L'IA agentique a le potentiel d'automatiser l'ensemble du cycle de vie des sinistres, depuis l'évaluation initiale et la vérification des documents jusqu'à la détection des fraudes et les recommandations de paiement. Cela permettra de réduire considérablement les délais de traitement, d'augmenter le traitement direct en améliorant l'efficacité opérationnelle et en minimisant les interventions manuelles, et d'améliorer la satisfaction des clients grâce à une résolution plus rapide des demandes d'indemnisation.
Détection et prévention de la fraude
En analysant en continu les modèles de données et en surveillant en temps réel les soumissions de demandes d'indemnisation pour détecter des anomalies, l'IA agentique renforce la détection des fraudes. Elle est capable de se coordonner avec des bases de données externes pour valider l'authenticité des réclamations, réduisant ainsi les pertes dues aux activités frauduleuses.
Modélisation des risques climatiques et de l'ESG
L'IA agentique peut analyser les données environnementales en temps réel pour améliorer la modélisation des risques liés au changement climatique et à d'autres facteurs ESG.
Efficacité opérationnelle générale
L'IA agentique automatise les tâches administratives de routine telles que les mises à jour de politiques, les approbations de réclamations et les rapports de conformité. Elle peut également optimiser les ressources des employés, réduire les erreurs et diminuer les coûts des corrections, ce qui conduit à des économies sur les dépenses opérationnelles et à une amélioration de la rentabilité.
Conformité réglementaire renforcée
L'IA agentique rationalise la création de rapports et soutient le respect des règles.
Le graphique suivant illustre la réponse des assureurs lorsqu'on leur demande leur avis sur l'impact futur de l'IA agentique sur la chaîne de valeur de l'assurance :
Avec les nouvelles technologies d'IA viennent de nouveaux défis
Malgré un immense potentiel, plusieurs défis doivent être relevés pour garantir la mise en œuvre réussie de l'IA générative et de l'IA agentique dans le secteur des assurances.
Conformité réglementaire et explicabilité
Les assureurs doivent garantir la transparence de la prise de décision par l'IA pour se conformer aux normes réglementaires et prévenir les pratiques discriminatoires. La nature opaque de nombreux LLM complique l'explication de leur raisonnement.
Relever le défi :
- Privilégiez la transparence et l'explicabilité des modèles d'IA, en optant pour des techniques d'IA interprétables lorsque cela est possible.
- Mettez en place des cadres de gouvernance solides pour l'IA, incluant des audits réguliers pour détecter les biais et garantir l'équité.
- Conservez des registres détaillés des données utilisées, du développement des modèles et des processus décisionnels pour les examens réglementaires, même si cela n'est pas actuellement requis.
- Collaborez avec les organismes de réglementation pour comprendre les exigences évolutives de l'IA dans le secteur des assurances.
Biais et considérations éthiques
Tout LLM peut perpétuer les biais présents dans les données sur lesquelles il est formé, ce qui peut entraîner des résultats injustes ou discriminatoires. Les assureurs ont pour mission de garantir l'équité et de prendre en compte les considérations éthiques.
Relever le défi :
- Élaborez des directives et des principes éthiques clairs pour l'IA. Ces principes doivent refléter les valeurs de l'organisation et les exigences légales.
- Mettez en place une formation approfondie pour garantir que l'IA générative puisse raisonner efficacement et produire des sorties fiables.
- Organisez et auditez les données de formation pour détecter d'éventuels biais.
- Utilisez des techniques de détection et d'atténuation des biais lors du développement du modèle.
- Surveillez en permanence les systèmes d'IA pour détecter les modèles discriminatoires et recalibrez les modèles si nécessaire.
Intégration du système existant
L'intégration de nouveaux systèmes d'IA avec l'infrastructure héritée existante peut s'avérer complexe et coûteuse.
Relever le défi :
- Adoptez une approche par phases pour l'intégration, en priorisant les domaines clés de la mise en œuvre de l'IA.
- Utilisez des API et des middlewares pour connecter les systèmes existants aux nouvelles plateformes d'IA.
- Envisagez des solutions basées sur le cloud pour une flexibilité et extensibilité accrues.
Préoccupations concernant les suppressions d'emplois
L'automatisation des processus pilotée par toute forme d'IA peut entraîner des préoccupations concernant la suppression des emplois pour les employés.
Relever le défi :
- Créez un plan de communication pour tout ce qui concerne l'IA.
- Investissez dans la formation et le développement des compétences des employés actuels.
- Créez une formation d'IA et/ou un programme de certification en IA.
- Collaborez avec des fournisseurs et des consultants externes spécialisés en IA pour développer les compétences internes ou combler le déficit de compétences.
Coûts initiaux élevés de mise en œuvre
Investir dans la technologie, les talents et les infrastructures nécessaires à l'IA générative et à l'IA agentique peut conduire à d'importants coûts initiaux.
Relever le défi :
- Tirez parti des plateformes cloud pour accéder à des ressources informatiques évolutives et économiques.
- Optimisez les modèles d'IA pour des performances optimales.
- Investissez dans l'infrastructure informatique et l'expertise nécessaires pour soutenir les déploiements d'IA.
Potentiel de conséquences imprévues
Les agents d'IA sont de plus en plus autonomes, développant le risque d'actions ou de résultats involontaires qui pourraient avoir un impact négatif sur vos clients ou votre entreprise.
Relever le défi :
- Les agents d'IA doivent être soumis à des tests approfondis dans des environnements simulés qui reproduisent des scénarios réalistes, y compris les cas limites et les modes de défaillance potentiels.
- Utilisez des méthodes formelles pour vérifier l'exactitude et les propriétés de sécurité des composants des agents d'IA.
- Concevez des agents avec des composants modulaires et privilégiez l'interprétabilité (comprendre pourquoi un agent a pris une décision particulière) pour faciliter le débogage, la surveillance et la compréhension des points de défaillance potentiels.
- Concevez des agents avec uniquement les autorisations et l'accès aux données et systèmes nécessaires pour leurs tâches spécifiques.
Les agents d'IA doivent être soumis à des tests approfondis dans des environnements simulés qui reproduisent des scénarios réalistes, y compris les cas limites et les modes de défaillance potentiels.
Le visage de l'avenir
L'avenir de l'IA agentique dans le secteur des assurances passera probablement par une approche hautement intégrée, combinant les atouts de l'IA et l'expertise des employés. Des agents IA autonomes se chargeront des tâches routinières et fourniront des informations basées sur les données.
À mesure que les gains d'efficacité se concrétiseront, les employés se concentreront davantage sur la prise de décisions complexes, le traitement des exceptions et les initiatives stratégiques. Le développement d'interfaces conviviales et sans code permettra également une adoption plus large au sein des différentes équipes.
À mesure que la technologie d'IA agentique mûrit et que les défis sont relevés, l'IA agentique semble bien placée pour devenir un élément clé du paysage des solutions dans le secteur des assurances, favorisant l'innovation et apportant une valeur significative.
À propos de l'auteur
Keith Raymond est analyste principal pour Celent en Amérique du Nord. Fort d'une grande expérience dans le secteur des assurances, c'est aussi un expert chevronné en IA, IA générative, automatisation des processus, transformation des entreprises et opérations dans les domaines des biens et dommages, de l'assurance vie, de l'assurance santé et des rentes viagères. Les recherches de Keith se concentrent sur l'automatisation des processus dans toute la chaîne de valeur des assurances. Il rédige d'ailleurs une série de rapports Celent sur l'impact de l'IA générative dans les opérations d'assurance. Il intervient fréquemment lors de grandes conférences technologiques du secteur, telles que Insurtech Connect, Insurtech Insights et Insurance Innovators. Keith anime également un atelier sur l'IA générative pour les assureurs nord-américains et le forum annuel sur l'IA générative de Celent.
