ARISE : Un cadre de référence pour l’autonomie des agents IA dans l’assurance

Synthèse

Le secteur de l’assurance est à un tournant. Les agents IA passent de la phase de pilotes à celle de la production, du rôle d’assistant à celui de décideurs autonomes. Pourtant, l’industrie ne dispose d’aucun langage commun pour décrire ce que cela signifie réellement. Sans définitions partagées, les assureurs ne peuvent pas fixer d’attentes de déploiement réalistes, les fournisseurs ne peuvent pas différencier honnêtement leurs capacités, et les régulateurs ne peuvent pas établir une surveillance proportionnée. Le marché se retrouve ainsi saturé de promesses concurrentes, au sein d’une profession qui peine à distinguer un simple chatbot d’un moteur de gestion des sinistres entièrement autonome.

Shift Technology propose de combler ce vide avec ARISE, un cadre de référence standard pour l’autonomie des agents IA dans l’assurance. Ce nom est à la fois un acronyme et un principe d’organisation. Les
cinq niveaux — Answers (Répond), Recommends (Recommande), Initiates (Prépare), Solves (Résout), Exceeds (Surpasse) — décrivent le parcours que chaque assureur empruntera à mesure que les agents IA gagneront en compétences et en confiance. S’appuyant sur plus d’une décennie de déploiement de l’IA en production chez des assureurs représentant plus de 350 millions d’assurés dans le monde, et modélisé d’après la norme internationale SAE J3016 qui a apporté une clarté durable à l’industrie des véhicules autonomes, ARISE donne au secteur de l’assurance le vocabulaire précis et neutre qui lui manquait : un moyen d’évaluer, d’acquérir et de gouverner les capacités des agents IA, ancré dans la réalité opérationnelle plutôt que dans les aspirations marketing.

Ce livre blanc présente l’intégralité du cadre ARISE — avec des définitions précises et des exemples concrets pour chaque niveau —, positionne les déploiements de production actuels et la feuille de route des produits de Shift Technology pour chaque niveau (en auto, habitation, accidents du travail/corporel et voyage), et démontre qu’une taxonomie standard de l’autonomie est une condition sine qua non à l’adoption responsable de l’IA agentique par le secteur. Nous n’offrons pas ARISE comme un outil propriétaire, mais comme une contribution à l’infrastructure d’une IA responsable et transparente dans l’assurance — une norme que nous invitons les assureurs, les fournisseurs, les régulateurs et les analystes à adopter.

1. Pourquoi l’assurance a besoin d’une norme d’autonomie

Le précédent : La norme SAE J3016 et l’industrie automobile

En 2014, SAE International a publié la norme J3016, « Taxonomie et définitions des termes relatifs aux
systèmes d’automatisation de la conduite pour les véhicules automobiles sur route ». Cette norme a défini six niveaux d’automatisation de la conduite : du niveau 0 (aucune automatisation) au niveau 5 (automatisation complète), et est devenue la référence mondiale de facto pour les constructeurs, les régulateurs, les assureurs et les consommateurs. Son succès reposait sur trois piliers : la précision (chaque niveau avait une définition claire et testable), l’universalité (elle s’appliquait indépendamment du constructeur ou de la plateforme) et la parcimonie (six niveaux suffisaient à capturer les seuils de compétences significatifs sans granularité inutile). Le secteur aéronautique a suivi une trajectoire similaire. La FAA et l’EASA utilisent depuis longtemps des niveaux d’automatisation des cockpits structurés pour régir les systèmes de bord, du vol manuel au pilote automatique, jusqu’à la protection de l’enveloppe de vol hautement automatisée. Dans la robotique industrielle, la norme ISO 8373 définit des niveaux d’autonomie des robots qui servent de base aux spécifications d’approvisionnement, aux évaluations de sécurité et à la souscription d’assurances pour les usines du monde entier.

Dans chaque cas, l’industrie est arrivée à un point où les progrès technologiques rapides ont dépassé la compréhension commune — et une taxonomie formelle a permis de restaurer la clarté. L’IA dans l’assurance se trouve précisément à ce point d’inflexion aujourd’hui.

L’état actuel de l’IA dans l’assurance : Un problème de vocabulaire

McKinsey & Company estimait en 2023 que les cas d’usage de l’IA dans l’assurance pourraient générer 1 100 milliards de dollars de valeur par an à l’échelle mondiale — pourtant, l’adoption reste inégale et mal mesurée. L’une des raisons est l’ambiguïté des définitions. Un appel d’offres émis par un assureur pour un « agent sinistres IA » peut attirer des réponses de fournisseurs proposant tout et n’importe quoi, du simple chatbot au moteur de traitement de bout en bout (Straight-Through Processing ou STP) entièrement autonome. Sans taxonomie partagée, aucune comparaison sérieuse n’est possible.

Les enquêtes sectorielles confirment ce problème. Une étude Deloitte de 2024 auprès des dirigeants de l’assurance a révélé que si 79 % d’entre eux qualifiaient l’IA de priorité stratégique, moins de 30 % déclaraient disposer d’un cadre défini pour évaluer l’autonomie des agents ou établir des exigences de supervision humaine. L’écart entre l’aspiration et le déploiement gouverné est immense — et une taxonomie standard y répond directement.

Les conséquences de cette ambiguïté sont concrètes et financières. Les assureurs paient trop cher pour des fonctionnalités d’IA qu’ils n’utilisent pas. Les audits réglementaires des systèmes d’IA produisent des résultats incohérents parce que les examinateurs manquent de repères uniformes. Enfin, le risque de réputation lié à un agent IA agissant à un niveau d’autonomie supérieur à ce que l’organisation souhaitait — ou croyait — est significatif. Une taxonomie standard convertit ces risques en décisions gérables et mesurables.

2. Le cadre des niveaux d’autonomie de Shift (SLA)

Le cadre des niveaux d’autonomie de Shift (Shift Levels of Autonomy ou SLA) définit cinq niveaux distincts de capacité pour les agents IA dans l’assurance. Ensemble, les initiales des niveaux forment l’acronyme ARISE : Answers, Recommends, Initiates, Solves, Exceeds. Tout comme la norme SAE J3016, chaque niveau se définit par le degré d’intervention humaine requis et la complexité des décisions que l’agent prend de manière indépendante. Les niveaux sont cumulatifs : un agent opérant au niveau L3 possède implicitement les capacités des niveaux L1 et L2.

Niveau 1 — Answers (A) : Recherche intelligente d’informations

Au niveau L1, l’agent répond à des questions en langage naturel en synthétisant des informations provenant de sources structurées et non structurées : documents de police, dossiers de sinistres, bases de données réglementaires et historique des dossiers. L’agent ne recommande pas d’actions ; il informe. Ce niveau correspond globalement à ce que la norme SAE J3016 appelle le niveau 1 dans le contexte de la conduite : une fonction automatisée unique qui assiste l’opérateur humain sans remplacer aucun aspect de la prise de décision.

Exemple en gestion des sinistres : Un gestionnaire demande : « Les dommages causés par la tempête sur la toiture sont-ils couverts par cette police multirisque habitation compte tenu de la structure de franchise de l’assuré ? » L’agent extrait les sections de police concernées, applique la logique de couverture et renvoie une réponse claire en langage naturel, avec les références associées.

Preuve de production : Les agents L1 de Shift sont aujourd’hui déployés en production sur les lignes auto, habitation, accidents du travail et voyage. Les déploiements à ce niveau génèrent environ 10 % de gains d’efficacité en éliminant les recherches manuelles dans les polices et en réduisant le temps d’investigation des gestionnaires.

Niveau 2 — Recommends (R) : Analyse de situation et recommandation

Au niveau L2, l’agent va au-delà de la simple réponse aux questions : il analyse proactivement une situation et recommande une séquence des « prochaines meilleures actions » (Next Best Actions), d’où le nom Recommends. Il synthétise plusieurs flux de données (détails du sinistre, documents, photographies, données de tiers), applique les règles juridiques ou juridictionnelles, et présente un plan d’action hiérarchisé. Le gestionnaire humain conserve la pleine autorité décisionnelle et doit valider chaque recommandation. Cela s’apparente à l’automatisation partielle du niveau 2 de la SAE, où le véhicule gère plusieurs fonctions simultanément mais où le conducteur reste responsable de la surveillance et de la reprise en main.

Exemple en gestion des sinistres : Après la déclaration initiale (FNOL) d’un accident automobile impliquant plusieurs véhicules, l’agent conseille au gestionnaire d’engager le processus de réparation, de commander en parallèle un rapport de police et de contacter les témoins identifiés avant la fermeture de la fenêtre de conservation des preuves (72 heures), le tout classé par urgence chronologique.

Preuve de production : La capacité L2 (Recommends) est opérationnelle en production dans les modules Shift Technology de responsabilité civile automobile, de dommages aux biens (bâtiment et contenu) et d’accidents du travail. Les organisations qui opèrent au niveau L2 réalisent environ 20 % de gains d’efficacité et une amélioration de 1 % de la charge sinistres, l’attention accrue des enquêteurs permettant des évaluations initiales plus précises.

Niveau 3 — Initiates (I) : Exécution autonome validée par l’humain

Le niveau L3 représente le seuil critique entre l’IA d’assistance et l’IA agentique — et le terme Initiates traduit cela précisément : l’agent initie l’intégralité du flux de travail et prépare chaque élément pour l’exécution, mais un expert humain apporte l’autorisation finale. L’agent effectue toutes les vérifications requises — vérification de la couverture, détection de la fraude, évaluation de la responsabilité, calcul des réserves, validation des documents — et rassemble les résultats sous forme de décisions et de courriers pré-remplis, prêts pour une approbation humaine en un seul clic. La supervision humaine est préservée, mais réduite à l’étape finale de validation. Cela correspond au niveau 3 de la SAE (automatisation conditionnelle), où le système gère l’intégralité de la conduite dans des conditions définies, mais requiert la disponibilité d’un humain pour intervenir si nécessaire.

Exemple en gestion des sinistres : L’agent présente le dossier suivant : « Couverture confirmée. Coût estimé des réparations : 4 840 € — dans les limites de la police. Aucun préambule de fraude. Réparateur agréé mandaté. L’autorisation de paiement et la communication client pré-remplies sont prêtes. Un clic pour approuver. »

Statut de la feuille de route : La capacité L3 (Initiates) est ciblée pour un déploiement en 2026 sur les
modules de recours auto, de gestion des dommages corporels (auto et habitation) et de gestion des sinistres corporels en accidents du travail. À ce niveau, les organisations obtiennent environ 30 % de gains d’efficacité et une amélioration supplémentaire de 1 % sur la charge sinistres — reflétant l’effet conjugué d’approbations plus rapides et d’une application plus cohérente de la logique décisionnelle.

Niveau 4 — Solves (S) : Traitement de bout en bout (STP) avec une précision proche de 100 %

Au niveau L4, l’agent exécute l’intégralité du flux de travail de bout en bout — réception, instruction, décision et règlement — sans nécessiter d’examen humain pour chaque transaction (d’où le terme Solves). Le système applique les termes contractuels, les exigences réglementaires et les règles de gestion spécifiques de l’assureur de manière constante et à grande échelle, atteignant une précision décisionnelle de 99 % ou plus. La supervision humaine passe d’une approbation par transaction à un audit de portefeuille et à la gestion des exceptions. Cela correspond au niveau 4 de la SAE (automatisation élevée) : le véhicule gère toutes les fonctions de conduite dans un domaine opérationnel défini, sans intervention humaine.

Exemple en gestion des sinistres : Pour un sinistre bris de glace qui remplit tous les critères de traitement automatisé, l’agent valide la couverture, confirme le devis de réparation par rapport aux références du marché, autorise le paiement au réparateur agréé et envoie une confirmation à l’assuré — le tout sans aucune intervention humaine.

Preuve de production : Shift a atteint la capacité L4 (Solves) en production pour le bris de glace et les réparations de carrosserie auto, les appareils électroniques en habitation, les pertes immobilières et de contenu, la couverture des accidents du travail, la révision des factures médicales et les demandes d’indemnisation pour interruption de voyage. Les déploiements L4 offrent environ 50 % de gains d’efficacité et une amélioration de 2 % de la charge sinistres — le résultat combiné de l’élimination des points de contact humains tout en maintenant une précision décisionnelle supérieure à 99 %.

Niveau 5 — Exceeds (E) : Performance surhumaine et innovation des processus

Le niveau L5 est la frontière ultime de l’IA dans l’assurance. L’agent fonctionne non seulement de
manière autonome, mais surpasse systématiquement (Exceeds) les performances du top 1 % des meilleurs experts humains — non pas en suivant les processus établis plus efficacement, mais en identifiant les failles de ces processus et en s’en écartant intelligemment pour générer des résultats supérieurs. Les agents L5 découvrent de nouveaux schémas de fraude avant qu’ils ne se matérialisent en pertes, identifient des opportunités de recours latentes que des inspecteurs chevronnés manqueraient, et réorientent dynamiquement les sinistres complexes pour en accélérer la résolution. Cela correspond conceptuellement au niveau 5 de la SAE (automatisation complète) : une capacité qui dépasse l’enveloppe humaine dans toutes les conditions.

Exemple en gestion des sinistres : L’agent détecte une corrélation entre 47 sinistres de dégâts des eaux apparemment sans lien, déclarés sur 18 mois — tous provenant de biens gérés par un seul et même prestataire. Il escalade proactivement ce groupe comme un réseau potentiel de fraude organisée, générant une opportunité de recouvrement qu’aucun gestionnaire individuel n’aurait pu identifier.

Statut de la feuille de route : Shift cible la capacité L5 (Exceeds) pour 2026 sur les cas d’usage de responsabilité civile automobile et de pertes immobilières/contenu en habitation, avec une expansion ultérieure prévue sur l’ensemble du portefeuille de produits. Le niveau L5 représente le sommet de l’impact mesurable : environ 80 % de gains d’efficacité et une amélioration de 3 % de la charge sinistres, traduisant la capacité de l’agent à identifier des résolutions supérieures qui échapperaient généralement aux professionnels humains les plus expérimentés.

3. Shift Technology : L’autonomie en pratique

Le cadre SLA n’est pas une construction théorique — il est ancré dans l’expérience de déploiement de Shift Technology chez les plus grands assureurs mondiaux. Le tableau ci-dessous cartographie les capacités produit actuelles de Shift et les éléments de la feuille de route planifiée pour chaque niveau d’autonomie, par branche d’assurance et cas d’usage.

Jalons clés et retours clients

• 2 milliards de dollars de fraude détectés aux États-Unis en 2025, démontrant l’impact financier de la détection de la fraude à grande échelle au niveau L4 (Solves).

• Multiplication par 2 des taux de recours et réduction de plus de 33 % du délai entre le FNOL  et le recouvrement dans nos déploiements de production sur les recours.
• ~65 % du marché français couvert par les membres éligibles ECLA, permettant une détection des fraudes multi-compagnies qui alimente les capacités de niveau L5 (Exceeds).
• Taux d’acceptation des enquêtes pour fraude 4 fois supérieur aux moyennes du secteur, un résultat direct de la précision des niveaux L2 (Recommends) et L3 (Initiates) qui affine le ciblage des enquêteurs.
• Délais d’investigation 5 fois plus rapides pour les cas de fraude soutenus par le pré-packaging du niveau L3 (Initiates).

Ces indicateurs ne sont pas des projections. Ils sont issus des déploiements réels de Shift en production. Le cadre SLA a été développé précisément parce que Shift a été confronté directement au défi d’expliquer ces différents niveaux de capacité aux dirigeants d’assurance, aux équipes d’achats et aux régulateurs sans une taxonomie commune pour ancrer la discussion.

4. Étude de cas : ARISE en action

La plateforme d’automatisation des sinistres de Shift a atteint pour la première fois le niveau d’autonomie L4 (Solves) en 2020 sur des typologies de sinistres simples. Depuis lors, le périmètre s’est étendu régulièrement à des branches de plus en plus complexes. Grâce à l’apport des capacités d’IA agentique, les agents de gestion des sinistres de Shift opèrent désormais au niveau L4 sur la quasi-totalité des types de sinistres et des branches. Les deux exemples ci-dessous illustrent le cadre ARISE en action sur un même sinistre de dommages corporels : d’abord tel qu’il est déployé aujourd’hui en production au niveau L3 (Initiates), puis à travers une simulation de ce que donnerait une capacité de niveau L5 (Exceeds) sur ce même dossier avec les mêmes données réelles.

Le niveau L3 (Initiates) correspond au stade actuel des agents de Shift spécialisés dans les dommages corporels en production. Les gestionnaires humains restent décisionnaires aux points clés du flux de travail, conservant un contrôle total, tandis que les agents prennent en charge l’ensemble du travail analytique et opérationnel entre ces points de contrôle.

L3 (Initiates) en Production : Dommages corporels, Assurance Auto Particuliers

Assureur et contexte : Un assureur IARD de particuliers utilisant les agents Shift pour son portefeuille de dommages corporels auto. Le 6 avril 2026, l’assureur reçoit une réclamation de la part d’un cabinet d’avocats réclamant 168 000 € d’indemnisation pour un préjudice corporel. Le sinistre fait suite à une collision à un carrefour survenue cinq mois plus tôt, pour laquelle l’assuré de la compagnie a été déclaré responsable ; le volet matériel était déjà réglé. Le dossier de réclamation comprenait 112 pages de déclarations, rapports de dommages matériels, dossiers médicaux et factures de soins, assortis d’un délai de réponse impératif de 10 jours.

Étape 1 — Numérisation des documents et indexation du sinistre : L’agent Shift a analysé le dossier de réclamation, classifié chaque type de document, extrait les exigences et les échéances, et lié le dossier au sinistre d’origine dans le système de gestion de sinistres de l’assureur — présentant le résumé indexé au gestionnaire corporel pour confirmation avant de poursuivre.

Étape 2 — Analyse de la responsabilité et plan de preuves : Après avoir extrait l’historique complet du
sinistre, l’agent a mené une analyse de responsabilité et a identifié que l’assuré avait signalé que le tiers dépassait la limite de vitesse — un fait qui, s’il était prouvé, pouvait réduire la part de responsabilité de l’assureur. L’agent a présenté cette conclusion et un plan de collecte de preuves recommandé au gestionnaire. Après approbation de ce dernier, l’agent a récupéré le rapport de police et les images de vidéosurveillance routière, constituant le dossier de preuves qui a permis de ramener la part de responsabilité de 100 % à 75 %.

Étape 3 — Évaluation des blessures et détection des contradictions : En parallèle, l’agent a examiné l’ensemble des factures et dossiers médicaux, comparant les blessures invoquées à des sinistres similaires clôturés et à la jurisprudence applicable. Il a également détecté une incohérence interne : le demandeur affirmait être dans l’incapacité de participer à une compétition de golf programmée pour prouver la gravité de son préjudice, alors que les dossiers médicaux n’indiquaient aucune restriction physique à cette date. L’agent a soumis l’évaluation de la fourchette de dommages et la contradiction au gestionnaire pour examen et validation.

Étape 4 — Dossier de règlement et approbation en un clic : Une fois la réévaluation de la responsabilité et l’analyse des préjudices validées par le gestionnaire, l’agent a assemblé un dossier de règlement complet — incluant le montant de la contre-proposition, les arguments de soutien et le courrier pré-rédigé — et l’a présenté pour une approbation en un clic. Le gestionnaire a validé. L’agent a soumis une proposition de règlement de 87 360 € (soit 52 % de la demande initiale) le 12 avril ; le tiers l’a acceptée le 14 avril. Temps total écoulé : huit jours à compter de la réception du dossier, le gestionnaire n’intervenant qu’à quatre reprises au lieu de gérer manuellement le dossier de bout en bout.

Pourquoi il s’agit du niveau L3 (Initiates) : L’agent Shift a orchestré chaque étape analytique et
opérationnelle de ce sinistre complexe (ingestion de documents, analyse de responsabilité, collecte de preuves, évaluation des blessures, détection de contradictions et préparation du règlement). Le gestionnaire humain est intervenu à quatre étapes précises de la prise de décision : confirmation du résumé d’entrée, approbation du plan de collecte des preuves, validation de l’analyse des préjudices et autorisation de l’offre finale. L’agent a fait le travail de fond ; l’expert a appliqué son jugement aux moments décisifs. Le résultat — une réduction de 48 % de la demande initiale en moins de 10 jours, soit une économie sur la charge sinistres de 80 640 € — illustre ce qui devient routinier lorsque des gestionnaires expérimentés sont épaulés par des agents qui opèrent au niveau L3.

L5 (Exceeds) : Une simulation du champ des possibles

Les études de marché nous indiquent systématiquement que la plupart des assureurs ne sont pas encore prêts à autoriser des agents IA à gérer des sinistres corporels en totale autonomie L5, et c’est une position tout à fait légitime. Les sinistres corporels comportent un poids juridique, financier et réputationnel majeur, et les cadres de gouvernance requis pour superviser des décisions de règlement entièrement autonomes dans ce domaine sont encore en phase de maturation. Shift respecte cette courbe de maturité ; c’est précisément pourquoi le cadre ARISE distingue le niveau L3 du niveau L5 avec autant de rigueur.

Nous avons lancé une simulation sur ce même sinistre, avec les mêmes données réelles, pour explorer ce que donnerait une exploitation au niveau L5 (Exceeds), sans aucun point de contrôle humain, l’agent agissant de bout en bout avec une pleine autorité. Dans cette simulation, l’agent n’a attendu l’approbation du gestionnaire à aucune étape. Il a identifié l’opportunité de réduction de responsabilité, collecté les preuves, pris la décision, assemblé le dossier de règlement et soumis la contre-proposition de 87 360 € de manière totalement autonome. Le tiers a accepté. Le temps total écoulé a été le même (huit jours) ; le temps passé par le gestionnaire a été de zéro minute.

Cette simulation n’est pas une annonce de produit. C’est un indicateur transparent de la direction que prend le marché. La technologie permettant d’opérer au niveau L5 sur des sinistres corporels complexes existe dès aujourd’hui. La question que chaque assureur devrait se poser n’est pas de savoir si le L5 arrivera dans la gestion des préjudices corporels, mais quand son organisation sera prête à l’accueillir, et quels investissements en matière de gouvernance sont nécessaires pour y parvenir en toute sécurité. Le cadre ARISE est précisément conçu pour aider à répondre à cette question.

5. Implications pour les dirigeants de l’assurance

Pour les directeurs des sinistres (CCO) et directeurs des opérations (COO)

Le cadre SLA fournit un outil pratique d’achat et de gouvernance. Lors de l’évaluation des fournisseurs d’IA, exigez une cartographie explicite des niveaux pour chaque fonctionnalité proposée. Un agent L3 (Initiates) qui présente des décisions pour une approbation en un clic implique des exigences de conformité et d’audit fondamentalement différentes de celles d’un agent L4 (Solves) agissant de manière autonome — et les deux diffèrent considérablement d’un simple chatbot L1 (Answers). Une clarté lors de la phase d’achat évite des désalignements coûteux lors du déploiement.

Les organisations doivent également établir des protocoles de supervision adaptés à chaque niveau. Les déploiements L1 et L2 nécessitent peu de nouvelle gouvernance. Le niveau L3 exige des circuits d’escalade clairs pour les exceptions et des échantillonnages d’audit. Les niveaux L4 et L5 imposent un suivi au niveau du portefeuille, une détection de la dérive des modèles (model drift) et des seuils définis pour l’escalade humaine — à l’instar des limites opérationnelles qui régissent les déploiements de véhicules de niveau SAE L4.

Pour les directeurs des risques (CRO) et les fonctions de conformité

Les organismes de réglementation du monde entier développent des cadres pour la surveillance de l’IA dans les services financiers. Le bulletin modèle de la NAIC sur l’IA, le système de classification fondé sur le risque de l’IA Act de l’Union européenne et les orientations émergentes de la FCA convergent tous vers un principe commun : le degré de surveillance requis est proportionnel au degré d’autorité décisionnelle autonome. Le cadre SLA opérationnalise ce principe pour l’assurance, donnant aux équipes de conformité un vocabulaire précis pour associer les déploiements d’IA internes aux niveaux de risque réglementaires.

Plus précisément, les agents L4 (Solves) et L5 (Exceeds) intervenant dans le règlement des sinistres, l’arbitrage des fraudes ou la détermination des garanties sont susceptibles de figurer dans la catégorie des systèmes d’IA à « haut risque » selon les nouveaux cadres réglementaires. Les organisations capables de d’afficher une classification rigoureuse des niveaux, des protocoles de surveillance documentés et des repères de précision empiriques seront bien mieux positionnées lors des audits réglementaires que celles opérant sans taxonomie formelle.

Pour les acteurs de l’écosystème technologique et InsurTech

Shift Technology invite l’ensemble de la communauté technologique de l’assurance — assureurs, MGA, administrateurs tiers (TPA), réassureurs, cabinets de conseil et analystes sectoriels — à adopter le cadre SLA comme référence commune. L’adoption d’une taxonomie suit les effets de réseau : plus une norme est utilisée largement, plus elle prend de la valeur. Nous publions ce framework de manière ouverte et encourageons son évaluation par les pairs, son perfectionnement et son extension à mesure que la technologie évolue. Notre objectif n’est pas d’obtenir un avantage propriétaire par le contrôle des définitions ; il s’agit d’apporter une clarté à l’échelle de l’industrie pour permettre une adoption de l’IA plus rapide, plus sûre et plus responsable.

6. Conclusion

La question qui se pose aux dirigeants de l’assurance n’est plus de savoir s’il faut déployer des agents IA —
mais comment les déployer de manière responsable, à l’échelle, avec une gouvernance appropriée et des résultats mesurables. Il est impossible de répondre rigoureusement à cette question sans un vocabulaire partagé pour décrire ce que font réellement les agents IA.

Le cadre SLA proposé par Shift apporte ce vocabulaire. Modélisé d’après l’approche éprouvée de la taxonomie qui a permis le développement sécurisé des véhicules autonomes, le cadre définit cinq niveaux de capacité pour les agents IA de l’assurance — les niveaux ARISE : Answers, Recommends, Initiates, Solves et Exceeds — appuyés par des définitions précises, des exemples clairs et un ancrage empirique dans les déploiements en production de Shift Technology chez les plus grands assureurs du monde. Nous sommes convaincus que ce cadre deviendra la norme par laquelle les agents IA de l’assurance seront décrits, évalués, achetés et gouvernés. Nous l’offrons à l’industrie non pas comme un document marketing, mais comme une véritable contribution à l’infrastructure d’une adoption de l’IA responsable, car l’assurance est, avant tout, une activité fondée sur la confiance. Les agents IA qui façonneront son avenir doivent être fiables, explicables et compris avec précision.

Shift Technology s’engage à porter cette norme sur le marché, dans les conseils d’administration et au sein des futures directives réglementaires qui structureront l’IA dans l’assurance pour les décennies à venir.

Références sélectionnées

SAE International. (2021). J3016C: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles. SAE International.

McKinsey & Company. (2023). The State of AI in Insurance: Toward $1 Trillion in Value. McKinsey Global Institute.

Deloitte Insights. (2024). 2024 Insurance AI Adoption Survey. Deloitte Center for Financial Services.

NAIC. (2023). Model Bulletin on the Use of Artificial Intelligence Systems by Insurers. National Association of Insurance Commissioners.

European Parliament. (2024). EU Artificial Intelligence Act (Regulation EU 2024/1689). Official Journal of the European Union.

ISO 8373:2021. Robotics — Vocabulary. International Organization for Standardization.