Shift Technology a récemment organisé un webinar sur l’impact de l’IA agentique pour le secteur de l’assurance. Animé par Patrice Amann, EMEA Regional Business Lead - WW Financial Services de Microsoft, le panel réunissait Robert Malan (Associate Partner, QuantumBlack, AI by McKinsey), Eric Sibony (co-fondateur et CSO, Shift Technology) et Grady Behrens (Product Marketing Lead, Shift Technology). Cet article reprend en les résumant les principaux sujets couverts lors de cet échange en anglais.
L’IA générative a fait la une, mais ce n’était que le début. L’IA agentique permet désormais une transformation concrète des processus de sinistres et on peut mesurer la valeur qu’elle apporte. Si l’IA générative excelle pour des tâches uniques — extraction de données, catégorisation de documents ou assistants conversationnels — les systèmes à base d’agents permettent d’aller beaucoup plus loin. Les agents IA sont capables de raisonner sur plusieurs étapes, d’agir sur des données structurées et non structurées, et d’exécuter de manière autonome des workflows complexes de gestion des sinistres. Pour les assureurs, cela signifie automatiser nombre des tâches fastidieuses et chronophages qui composent aujourd’hui le processus de sinistre, mais également aider les gestionnaires à prendre les meilleures décisions dans les situations complexes.
L’IA agentique est la dernière évolution des grands modèles de langage (LLM), qui exploite en particulier leur capacité de raisonnement, d'orchestration de workflows et de déclenchement d'actions. Dans un scénario d’automatisation des sinistres, elle peut reproduire les actions d’un gestionnaire expérimenté à partir des résultats historiques, orchestrer des processus multi‑étapes — Interprétation --> Contextualisation --> Décisions --> Actions — et interagir avec les autres systèmes, de l'assureur et de ses prestataires. Ainsi, l’IA agentique peut automatiser intégralement des processus et sous‑processus, de la déclaration au paiement. Surtout, les agents peuvent escalader vers un gestionnaire humain lorsque nécessaire, tout en fournissant les informations et recommandations permettant de prendre la meilleure décision.
L’IA — et plus particulièrement l’IA pour l’assurance — ne peut proposer une approche universelle. L’IA prédictive a rendu possible la détection d’anomalies dans des volumes massifs de données, ce qui la rend idéale pour la détection de fraude. L’IA générative a débloqué des capacités puissantes pour analyser et synthétiser des données non structurées. Les systèmes agentiques se distinguent en ce qu’ils sont conçus pour réaliser des actions multi‑étapes et orchestrer des workflows. À l’échelle et en termes de portée, l’IA agentique permet d’automatiser de bout en bout des cas complexes qui nécessitaient auparavant un jugement humain, réduisant significativement l’effort sur les parties les plus difficiles du traitement des sinistres tout en préservant la supervision.
Les premières mises en production apportent déjà des bénéfices mesurables. Les délais de traitement sont passés de semaines à minutes sur certains workflows. Les taux d’automatisation ont dépassé 50 % dans certaines implémentations.
Mais au-delà de la précision de l'automatisation, les agents IA peuvent aussi agir et supporter les gestionnaires au cœur de leurs activités, en classant, priorisant et proposant les meilleures prochaines étapes de gestion pour réduire au mieux les charges de sinistre et maximiser la satisfaction clients. Les premiers assureurs utilisateurs rapportent une baisse de 3 % des charges sinistres ainsi qu'un gain d'efficacité de 30% sur la gestion de sinistre.
La technologie seule ne suffit pas. L’IA agentique réussit surtout lorsqu’elle s’insère dans le bon modèle opérationnel. Avant d’envisager tout déploiement, il est essentiel de capturer l’expertise tacite via des ateliers avec les meilleurs gestionnaires afin d'incorporer les règles et processus spécifiques ; les assureurs ont besoin d’équipes pluridisciplinaires qui co‑développent les agents avec les utilisateurs finaux, au lieu de traiter les projets comme de simples « expériences en laboratoire ». Il est par ailleurs crucial de ne pas sous-estimer l’importance de la qualité des données : les agents ont besoin d’entrées fiables et disponibles en temps réel pour prendre des décisions pertinentes. Souvent, la première étape pour déployer un agent consiste à moderniser les flux et la gouvernance des données.
Les agents peuvent dévier, d’où la nécessité d’une gouvernance pragmatique. Définissez des points de passage configurables et des seuils d’intervention humaine pour garder le contrôle quand il le faut, conservez la traçabilité des décisions et réalisez des audits pré/post qui ciblent les points de données et les règles utilisées. Mettez en place une surveillance continue et des réentraînements pour prévenir la dérive et les hallucinations coûteuses. En bref : traitez les agents comme des collaborateurs qui demandent supervision et amélioration continue.
Concentrez‑vous sur des indicateurs alignés sur la valeur métier : précision (extraction de documents, appréciation de responsabilité), taux d’automatisation et temps de traitement (le passage de semaines à minutes). Mesurez aussi les impacts opérationnels, par exemple le temps d’intégration des nouveaux collaborateurs ou la capacité de réponse en cas de catastrophe, pour valoriser l’effet plus large de l’automatisation agentique.
Lancez des pilotes à fort impact qui s’attaquent à des processus complexes et à forte valeur, plutôt que des tâches triviales. Extraire et structurer les dossiers historiques et codifier le jugement des experts pour créer des jeux de données d’entraînement qui reflètent des décisions réelles. Construisez une « usine » de delivery cross‑fonctionnelle pour développer, tester, déployer et monitorer les agents. Définissez KPIs et garde‑fous dès le départ, en commençant prudemment par une revue humaine et en élargissant l’autonomie au fur et à mesure que la fiabilité est démontrée. Enfin, itérez : les agents nécessitent supervision continue, retraining et gouvernance pour rester efficaces.
L’IA agentique ne remplace pas le jugement humain — elle redéfinit son application. Les gestionnaires passeront du traitement manuel à la supervision, au traitement des exceptions et à des décisions à plus forte valeur ajoutée. Les assureurs doivent repenser leurs opérations pour que personnes et agents travaillent en équipe : les agents pour l’échelle et la régularité ; les humains pour le jugement, l’empathie et la gouvernance.
Pour en savoir plus sur la solution d’IA Agentique de Shift Technology, consultez notre communiqué de presse relatif à Shift Claims.