Dans l’assurance, la prudence face à l’IA s’appuie souvent sur un même argument : le cadre réglementaire ne serait pas assez clair pour se lancer. C’est une position confortable, mais elle ne tient pas, car les principes qui gouvernent nos métiers depuis longtemps, la proportionnalité des contrôles au risque, la non-discrimination, la documentation des décisions, la responsabilité de l’entreprise, s’appliquent parfaitement à l’IA. Ce qui manque aujourd’hui n’est pas un texte de plus, mais la volonté de transposer ces principes et de s’y mettre.
Le modèle qui marche : automatiser à 70, arbitrer à 30
L’automatisation des décisions n’est pas une nouveauté dans l’assurance : des tarifs se calculent sans intervention humaine et des règles métier s’appliquent automatiquement depuis des années. La question n’est donc pas de savoir si un système peut décider seul, mais où placer le curseur. Le modèle qui fonctionne, c’est le 70-30 : une automatisation forte sur les cas standards, là où les gains de productivité sont énormes, et une main redonnée à l’humain sur les cas sophistiqués, là où son jugement a une vraie valeur.
Pour accélérer, le plus efficace est de commencer par les tâches les plus simples et les actes de gestion les plus répétitifs : c’est là que les gains arrivent vite, que les équipes apprennent et que la confiance se construit.
Une difficulté à regarder en face, sans la dramatiser
Les modèles d’IA générative n’ont pas le déterminisme des systèmes à règles fixes : un même acte peut produire des résultats légèrement différents d’une exécution à l’autre, et certains devront être repris. Pour des systèmes d’information historiquement construits sur la reproductibilité, c’est un changement d’habitude important, et il serait malhonnête de le minimiser.
Mais ce changement est plus familier qu’il n’y paraît, car nos organisations gèrent depuis toujours une forme de variabilité : celle des équipes humaines, qui se trompent aussi, différemment selon le jour et le dossier. Nous avons appris à l’encadrer par les tests, la supervision et la reprise d’erreur, et c’est exactement cette approche qu’il faut transposer à l’IA, plutôt que d’exiger d’elle une perfection qu’on n’a jamais exigée des humains.
La compétence qui fera la différence
La compétence clé des prochaines années ne sera pas de savoir paramétrer un modèle, mais de savoir identifier les workflows qui peuvent être totalement confiés à une IA et ceux qui exigent le jugement humain. C’est un savoir-faire métier, qui demande de connaître ses processus, ses risques et ses clients, et les organisations qui développeront ce discernement prendront une avance considérable sur celles qui automatisent au hasard, ou qui n’automatisent rien.
Ne nous cachons pas derrière la régulation
Les obstacles sont réels et nombreux : qualité de la donnée, conduite du changement, gouvernance des cas limites. C’est précisément parce qu’ils sont réels qu’il faut s’y confronter maintenant, plutôt que d’attendre un hypothétique cadre parfait qui ne viendra pas.
Le cadre légal est là, les principes sont connus, et les premiers cas d’usage sont identifiables dès aujourd’hui. La régulation n’est pas ce qui empêche l’assurance de déployer l’IA. C’est parfois ce qui l’arrange de croire.
C’est exactement sur ce terrain que Korint a construit sa plateforme : des agents IA intégrés aux workflows métier plutôt que posés à côté, capables d’automatiser à fond les actes standards tout en rendant la main à un gestionnaire dès qu’un dossier sort du cadre, le tout sur une donnée événementielle qui trace chaque action et permet de documenter, à tout moment, qui a fait quoi et sur quelle base. Autrement dit, les conditions pour appliquer à l’IA les garde-fous que l’assurance connaît déjà, et avancer sans attendre.