Les assureurs, mutuelles, courtiers, institutions de prévoyance,… comptent parmi les organisations les plus riches en données du paysage économique français. Contrats, sinistres, expertises, courriers, comptes rendus d’agences : le secteur en produit et en archive depuis des décennies.
Pourtant, la majorité de ce patrimoine reste enfermée dans des documents que les systèmes d’information historiques peinent encore à lire. Un paradoxe que l’essor de l’intelligence artificielle documentaire commence à bousculer.
A retenir :
- La donnée non structurée (courriers, rapports d’expertise, comptes rendus, pièces jointes) représenterait, selon IDC, 80 à 90 % du patrimoine informationnel des entreprises, assureurs compris.
- Selon PwC, environ 70 % du budget informatique des assureurs sert encore à faire fonctionner des systèmes hérités, plutôt qu’à innover.
- Les premiers déploiements d’IA documentaire dans la vérification de dossiers réduiraient jusqu’à 70 % du traitement manuel, selon des retours d’expérience du secteur.
Un secteur assis sur une mine de données qu’il n’exploite pas
L’assurance n’a pas de problème de volume de données. Devis, souscriptions, contrats, avenants, rapports d’expertise, constats, factures de réparation, certificats médicaux, courriers de résiliation,… chaque contrat génère, tout au long de sa vie, une masse considérable d’informations. Le problème est ailleurs. Une large part de cette matière n’est pas stockée (ou mal stockés) sous une forme que les outils technologiques savent exploiter directement, mais dans des fichiers, des scans, des pièces jointes et des documents PDF.
Ce constat n’est pas propre à l’assurance, mais le secteur y est particulièrement exposé du fait de son activité elle-même très documentaire. Selon les estimations du cabinet IDC, entre 80 % et 90 % des données détenues par les entreprises seraient non structurées, un ordre de grandeur également avancé par IBM et par plusieurs cabinets spécialisés dans la gestion des données. Autrement dit, l’essentiel de ce que possède un assureur sur ses assurés, ses sinistres et ses risques échappe encore, en grande partie, à une exploitation systématique.
Legacy, silos, dette technique et lenteur
Ce constat renvoie à une réalité bien connue des directions des systèmes d’information du secteur : des architectures construites, ligne métier après ligne métier, fusion après fusion, sans toujours communiquer entre elles. Prévoyance, santé, IARD, gestion des sinistres, relation clients : chaque brique a souvent son propre système, ses silos, ses propres formats et sa propre logique d’archivage.
Le coût de cette dette technique n’est pas anecdotique. Selon une étude du cabinet PwC, environ 70 % du budget informatique annuel des assureurs serait aujourd’hui consacré au seul maintien en condition opérationnelle de systèmes anciens, contre 30 % dévolus à l’innovation et à la gestion de la dette technique elle-même. Une équation qui laisse mécaniquement peu de marge pour transformer la circulation de la data dans l’entreprise.
Sur le terrain, cette fragmentation se traduit par des tâches répétitives et chronophages : ouvrir un document, en extraire une donnée, la ressaisir dans un autre outil, vérifier un montant, comparer plusieurs versions d’un même contrat. Autant d’opérations manuelles qui pèsent sur la productivité des gestionnaires, sans qu’elles soient toujours perçues comme un dysfonctionnement à corriger en priorité.
Il faut collecter davantage de données, mais aussi rendre lisible ce que les assureurs possèdent déjà
C’est précisément sur ce terrain que l’intelligence artificielle générative et le traitement automatique du langage apportent une réponse nouvelle. Contrairement aux outils de reconnaissance de caractères de première génération, les modèles multimodaux actuels sont capables de lire un constat amiable manuscrit, une photo de dommage, une facture de réparation ou un rapport d’expertise, d’en extraire les données pertinentes, puis de les croiser avec les termes du contrat pour repérer d’éventuelles incohérences.
Cette capacité à transformer un flux documentaire hétérogène en données structurées et exploitables constitue, pour de nombreux experts du secteur, la véritable rupture technologique des prochaines années. Elle touche directement le cœur de métier de l’assureur : la souscription, la tarification, la gestion des sinistres et la lutte contre la fraude, autant de processus qui reposent sur l’analyse fine de documents.
Des gains déjà mesurables sur le terrain
Les premiers retours d’expérience, encore limités mais convergents, donnent une idée de l’ampleur du gain potentiel. Sur des tâches de vérification de dossiers, plusieurs déploiements évoquent une réduction pouvant atteindre 70 % du traitement manuel, ramenant à moins d’une minute une opération qui en mobilisait auparavant plusieurs.
Au-delà de la productivité, les organismes qui avancent sur ce terrain rapportent une réduction du risque d’erreur, une accélération des délais de traitement et une amélioration de la traçabilité des dossiers, un point devenu sensible depuis l’échéance du 2 août 2026, date à laquelle les systèmes d’IA à risque élevé devaient être pleinement conformes au cadre européen de l’IA Act.
Reste que cette industrialisation suppose un travail de fond souvent sous-estimé : gouvernance des données, qualité, traçabilité de bout en bout. Comme le rappellent plusieurs experts du secteur, les assureurs qui prendront une longueur d’avance en 2026 ne seront pas nécessairement ceux qui disposent des modèles d’IA les plus performants, mais ceux qui auront mis leurs données en état d’être exploitées.
Un enjeu qui dépasse la seule productivité
Pour un secteur de l’assurance, où la donnée est à la fois la matière première du métier, évaluer un risque, c’est d’abord le documenter, et un actif fortement réglementé, la capacité à interroger l’ensemble de son patrimoine documentaire dépasse la simple question de l’efficacité opérationnelle. Elle conditionne aussi la qualité de la relation clients, la robustesse de la lutte antifraude et la solidité des dossiers de conformité présentés aux régulateurs.
La richesse d’un assureur ne se mesure donc plus uniquement à la quantité de données qu’il collecte chaque jour. Elle réside aussi, et peut-être surtout, dans tout ce qu’il possède déjà, dans ses archives et ses systèmes, sans être encore capable de le mobiliser pleinement.