·
Authors
Expansion de l’IA agentique dans le secteur de l’assurance
Les assureurs qui domineront en 2035 ne sont pas ceux qui mènent le plus d’expériences d’IA. Ce sont ceux qui ont décidé quel genre d’entreprise ils veulent bâtir, et qui prennent les décisions d’architecture qui leur permettront d’y parvenir.
Les assureurs canadiens n’ont jamais autant investi dans l’IA. Au cours des trois dernières années seulement, ils ont déployé plus de solutions d’IA que dans les dix années précédentes, et elles ont des budgets qui augmentent et des projets pilotes qui prolifèrent dans toutes les gammes de services. Ce qui manque invariablement, dans la plupart des organisations avec lesquelles nous travaillons, c’est le regroupement. Les capacités individuelles procurent une réelle valeur locale, mais l’entreprise dans son ensemble reste bloquée.
Nous sommes d’avis que le décalage entre les investissements dans l’IA et l’incidence de l’IA en assurance n’est pas une question de manque de capacités, mais de manque d’orchestration. Les assureurs que nous voyons prendre de l’avance ne sont pas nécessairement ceux qui ont déployé l’IA les premiers ou qui ont le plus dépensé. Ce sont ceux qui prennent des décisions délibérées sur la façon de relier les capacités, la façon de détenir et de gérer les renseignements que ces capacités génèrent, et la façon dont la main-d’œuvre humaine et l’IA agentique devraient se compléter plutôt que rivaliser.
Ce sont là les décisions qui se prennent actuellement dans l’ensemble du secteur. Cependant, la plupart des assureurs les prennent sans bien connaître les compromis ou les conséquences sur la réalisation de valeur à long terme.
Le présent document est structuré autour de la question centrale qu’exigent les preuves : si l’approche actuelle en matière d’expansion de l’IA ne tiendra pas le coup pour le passage à des charges de travail agentiques dans l’entreprise, quelle architecture le fera et quelles sont les décisions qui doivent être prises maintenant?
Aperçu de la direction que prend le secteur
D’ici 2035, les assureurs qui dominent ne seront pas simplement ceux qui ont déployé l’IA. Ce seront ceux qui ont bâti une entreprise où l’IA est le mécanisme par lequel les décisions sont prises, les risques évalués et les clients servis – pas une couche ajoutée aux opérations existantes, mais le tissu d’interconnexion qui est intégré à toutes.
L’écart entre les chefs de file et les autres ne paraîtra pas dans les choix technologiques, mais dans la mesure dans laquelle ces capacités sont intégrées à la façon dont l’entreprise fonctionne. Règlement des sinistres, souscription, distribution, engagement client : tout ça fonctionnera différemment, non pas à cause d’un seul outil, mais à cause de ce qui est sous-jacent à ces fonctions.
Dans cet avenir, une demande d’indemnisation est soumise au triage dès qu’elle arrive. La couverture d’assurance est validée en temps réel, le titulaire de police est toujours tenu informé, et le dossier atteint un intervenant humain seulement si un jugement humain est vraiment nécessaire. La charge de travail de l’expert en sinistres est moindre, mais tous les dossiers dont il s’occupe sont plus complexes – demandes de règlement contestées, situations sensibles sur le plan émotionnel, et décisions où l’expérience et le jugement sont significatifs.
La souscription, elle, cesse d’être un exercice statique. Les modèles de risque sont constamment mis à jour à mesure que l’expérience se transforme, que les tendances en matière de pertes évoluent et que les comportements des assurés changent. Les assureurs qui fonctionnent de cette façon n’utilisent pas des outils plus sophistiqués : ils ont redéfini le fonctionnement des activités.
L’IA ne sera plus considérée comme une capacité distincte. Elle sera intégrée dans l’ADN de l’assureur, et elle sera étendue horizontalement à l’ensemble des fonctions, des flux de travail et des rôles. Le succès dépendra de la façon dont les assureurs relient leurs données, leurs technologies et leurs gens pour avoir une influence à grande échelle. — Deloitte Canada, L’avenir de l’assurance et l’IA
— Deloitte Canada, L’avenir de l’assurance et l’IA
Dans toutes nos organisations clientes qui développent l’IA à grande échelle, la même tendance se dessine. Le travail transactionnel passe à l’automatisation. Le travail qui exige un véritable jugement humain devient plus important, plus visible et plus exigeant. Cette transformation consiste à réorienter l’expertise humaine vers les décisions où elle crée le plus de valeur, et à laisser l’automatisation intelligente gérer le reste. Dans toutes les missions que nous réalisons, la partie la plus difficile de cette transformation s’avère être le changement dans la façon dont les gens travaillent avec l’IA, allant de la traiter comme un outil qui produit des résultats à la considérer comme un partenaire qui participe au travail lui-même.
Lorsque des agents s’occupent de la collecte des données, de l’application des lignes directrices et de l’attribution des cotes initiales, les souscripteurs cessent de consacrer leurs journées à des placements simples. Ce qu’ils reçoivent, ce sont plutôt des cas complexes, non standards ou vraiment incertains. Le volume des tâches courantes diminue, mais le jugement requis pour chaque cas restant augmente considérablement, ce qui fait que le rôle est plus exigeant à tous points de vue.
Contexte expliquant l’importance de prendre les décisions en matière d’architecture maintenant
Cinq pressions convergentes rendent le moment des décisions fondamentales plus important qu’il n’y paraît dans n’importe quelle force considérée seule. Elles se renforcent mutuellement en temps réel.
Le risque évolue plus rapidement que ce que peut absorber la conception des cycles de modélisation classiques, et ce dans tous les secteurs.
Les Canadiens utilisent leur assurance plus souvent et ont des attentes plus élevées en matière de réactivité chaque fois qu’ils le font.
La pression structurelle sur les coûts en assurance de dommages, en assurances collectives et en assurance vie converge exactement au moment où l’investissement dans l’infrastructure d’IA est le plus nécessaire.
MATCHFAIL
La technologie est prête. Ce qui ne l’est pas, pour la plupart des assureurs, c’est l’architecture qui la sous-tend.
Aucune de ces forces n’attend que les autres se résolvent. Elles sont toutes actives en ce moment, dans tous les secteurs d’activité, pour tous les assureurs canadiens. La fenêtre disponible pour faire des choix fondamentaux avant de subir des pressions est plus étroite qu’elle ne paraît.
Tendances en matière d’évolution de l’adoption de l’IA
Voici ce que nous constatons, de façon constante, dans l’ensemble des assureurs canadiens avec lesquelles nous travaillons. Une équipe du service des règlements repère un cas d’utilisation de grande valeur et crée une solution d’IA sur mesure qui fonctionne. Le service de la souscription fait la même chose, et celui de la distribution aussi. Chaque initiative génère une réelle valeur locale. Au fil du temps, la situation se complique en raison des architectures non connectées, des environnements de données fragmentés et du coût croissant de plusieurs systèmes d’IA qui ne peuvent apprendre les uns des autres.
Chaque initiative a sa propre pile, ses propres données, sa propre approche de gouvernance. Rien n’est connecté. Les dépenses liées à l’IA augmentent sans cesse parce que chaque nouvelle capacité requiert sa propre infrastructure, et l’entreprise, malgré toutes ces activités, n’est pas plus avancée de façon mesurable.
Un schéma que nous observons particulièrement souvent est l’écart entre l’ambition en IA et l’état de préparation des données. L’IA agentique à l’échelle de l’entreprise nécessite des données accessibles, régies et connectées dans toute la chaîne de valeur. De nombreux assureurs découvrent que l’infrastructure de données de base qu’ils supposaient être en place ne l’est pas, ou que des années de dépendance au système existant font que les données sont cloisonnées, mal structurées ou simplement non disponibles à la vitesse et à la granularité qu’exigent les flux de travail agentiques. Il en résulte que les initiatives d’IA stagnent non pas parce que la technologie est inadéquate, mais parce que les fondements sous-jacents n’ont jamais été créés.
Ce qui fonctionne à l’étape de projet pilote n’évolue pas vers une capacité d’entreprise, mais plutôt vers la complexité.
L’approche qui mène à dix solutions d’IA est exactement la mauvaise approche à adopter pour créer une entreprise fondée sur l’IA. Les assureurs qui traitent l’IA comme le prochain chapitre de la transformation numérique ou de l’automatisation robotisée des processus obtiendront des gains ponctuels pour des efforts ponctuels, tandis que ceux qui créent des capacités réellement exponentielles font quelque chose de complètement différent : ils recadrent le modèle opérationnel afin que chaque opération rende la suivante plus intelligente.
L’ampleur des investissements mondiaux rend cet écart d’autant plus important. Les investissements mondiaux des entreprises dans l’IA ont atteint 252,3 G$ en 2024, en hausse de 26 % par rapport à l’année précédente, un chiffre qui reflète la conviction universelle que l’IA va remodeler les secteurs d’activité. (Stanford HAI AI Index Report, 2025) Pourtant, sur le marché canadien de l’assurance, comme ailleurs, les rendements demeurent difficiles à atteindre. Un sondage mené en 2026 auprès de 250 gestionnaires d’assurance du Royaume-Uni et des États-Unis a révélé que, si 82 % croient que l’IA dominera l’avenir du secteur, seulement 14 % l’ont pleinement intégrée à leurs activités financières. Le sondage a révélé un écart opérationnel grandissant : ceux qui adoptent rapidement l’IA et l’intègrent à leurs activités redéfinissent leur base de coûts, alors que la majorité reste en mode pilote ou dépend de processus manuels. (Insurance Operations and Financial Transformation 2026)
Le facteur économique aggrave le problème. L’IA représente aujourd’hui la dépense qui augmente le plus rapidement dans les budgets des entreprises pour les technologies, et les factures pour l’infonuagique ont augmenté de 19 % en 2025, alors que l’IA générative est devenue un élément central des opérations. (Deloitte, Navigate the Economics of AI, 2026)
Ce qui rend cette dynamique particulièrement critique pour les assureurs qui envisagent l’IA agentique, c’est que les coûts grimpent. Dans une application d’IA en une seule étape, une action de l’utilisateur génère un appel à un modèle. Dans un flux de travail agentique, cette même action peut générer de 10 à 20 appels à des modèles puisque les agents raisonnent, extraient, valident et coordonnent. L’économie basée sur des jetons fait de la consommation le principal facteur de coût, car les systèmes multiagents évoluent et les organisations qui n’ont pas effectué la conception en fonction de cela dès le départ ne découvrent les coûts que lorsqu’elles sont engagées à l’égard d’une architecture qui coûte cher à changer. (Deloitte, Executive Decisions Shaping Agentic AI Value, 2026)
IDC a constaté que 88 % des validations de principe d’IA ne passent jamais le cap du déploiement à grande échelle. Pour 33 projets pilotes lancés, 4 arrivent en production. (IDC / Lenovo AI Survey, 2025) La technologie fonctionne. Ce que la plupart des organisations n’ont pas encore mis en place, c’est la base commune dont ont besoin les systèmes agentiques de qualité production. Ces décisions doivent être traitées de manière stratégique, plutôt que technologique.
Chaque nouveau cas d’utilisation construit sur la mauvaise base rend les correctifs éventuels plus chers. L’écart entre le projet pilote et la production en IA dans le secteur de l’assurance se creuse chaque trimestre, et la cause sous-jacente est l’architecture, pas l’ambition.
Ce qu’il en coûte d’attendre est concret. Chaque trimestre où un assureur continue de bâtir l’IA sans avoir de fondements connectés, trois choses se produisent. La dette liée à l’architecture augmente – intégrer la connexion après coup dans un système déconnecté devient plus coûteux chaque fois qu’une nouvelle capacité est ajoutée. L’exposition à la gouvernance s’accroît – en vertu de la ligne directrice E 23 du BSIF, les organisations qui n’ont pas intégré la surveillance dès le départ sont confrontées à la complexité de la correction au pire moment possible. Enfin, les dépendances aux fournisseurs s’intensifient – ce qui commence par une décision d’approvisionnement devient une contrainte structurelle dont il est coûteux et perturbateur de se départir. La fenêtre pour faire ces choix fondamentaux selon vos propres conditions est ouverte actuellement. Elle ne le sera pas indéfiniment.
La fenêtre pour faire ces choix fondamentaux selon vos propres conditions est ouverte actuellement. Elle ne le sera pas indéfiniment.
Du résultat d’affaires à la décision en matière d’architecture
La plupart des assureurs abordent l’IA en se demandant où ils peuvent l’appliquer dans l’entreprise. L’instinct est compréhensible, mais ce n’est pas le bon point de départ.
La bonne question n’est pas de savoir où les tâches peuvent être automatisées, mais quelles parties de l’entreprise, si elles sont fondamentalement réinventées, changeraient la situation financière. Commencer par un résultat d’affaires, qu’il s’agisse d’une amélioration ciblée du ratio de dépenses, d’un changement progressif de la durée du cycle de règlement des sinistres ou d’une réduction structurelle des coûts de traitement, change tout au moment de déterminer ce qui sera mis en place et dans quel ordre.
Dans le cadre de notre travail auprès d’assureurs, nous appliquons le principe « de la vision à la valeur » pour le faire de façon systématique. Cette approche permet de cartographier la chaîne de valeur complète de l’assureur et de trouver les fonctions où l’IA agentique pourrait générer le changement le plus important. L’objectif n’est pas l’automatisation progressive, mais la refonte en gros de la façon dont le travail est effectué pour obtenir des résultats qui étaient auparavant hors de portée.
Le résultat est la réinvention de fonctions d’affaires spécifiques : ce à quoi elles pourraient ressembler si le travail était repensé à partir des principes de base entourant la collaboration entre les capacités de l’IA et celles des humains, les résultats que cette refonte produirait et la voie à suivre pour passer de l’état actuel à cet avenir. C’est là que la décision d’architecture devient concrète.
Créer des cas d’utilisation un par un, chacun avec sa propre pile et ses propres données.
La gouvernance et la complexité des coûts augmentent avec chaque ajout.
Dix solutions produisent dix résultats différents. Solution additive au mieux.
La plupart des assureurs sont sur cette voie aujourd’hui.
Commencer par les résultats d’affaires. Cartographier la chaîne de valeur. Déterminer où la réinvention crée le plus de valeur.
Séquencer les cas d’utilisation de manière à ce que chacun hérite des renseignements de tout ce qui le précède.
Chaque nouvelle capacité augmente les capacités de l’ensemble. Solution multiplicative.
Les assureurs qui prennent de l’avance font actuellement ce choix.
Ce à quoi cela ressemble en pratique varie selon la fonction. En matière de souscription, la réinvention signifie que des systèmes agentiques traitent la réception des demandes, l’extraction des données, la sélection de la propension à prendre le risque et la notation initiale du risque – réorientant complètement le tarificateur vers des placements complexes, des catégories de risques émergentes et les décisions à forte intensité de relations où son expertise crée une véritable valeur. Le flux de travail est reconstruit à partir des principes de base concernant ce que les humains font le mieux et ce que les agents font le mieux, plutôt que d’automatiser des étapes d’un processus existant qui n’a jamais été conçu pour l’IA.
En ce qui concerne le service des règlements, la réinvention veut dire passer d’un processus linéaire et axé sur le transfert à un processus continu et intelligent. Le premier avis de perte déclenche immédiatement le triage, la validation de la couverture d’assurance et l’acheminement approprié. L’agent gère la documentation, les rapports de situation et les règlements simples de bout en bout. L’expert en sinistres n’intervient que lorsque le jugement, l’empathie ou la complexité le justifient vraiment. L’expérience client s’améliore parce que le processus a été redéfini en fonction du résultat, et non de l’organigramme.
Dans le domaine des ventes et de la distribution, la réinvention signifie que les conseillers et les courtiers obtiennent des renseignements en temps réel : soumissions en fonction du risque disponibles instantanément, recommandations d’assurance proactives en fonction des événements de la vie et des changements dans le portefeuille, et interactions de service courantes gérées par des agents afin que la capacité humaine soit réservée pour les conversations qui définissent la relation.
Le dénominateur commun de ces trois aspects est que le travail de conception des activités et de la technologie se fait simultanément, et non pas successivement. Les répercussions sur la main-d’œuvre ne sont pas une question à gérer après coup une fois la plateforme lancée. Elles sont un élément de la conception dès le premier jour.
Une fois que les fonctions ayant le plus de valeur sont identifiées, la question en devient une de séquencement. Comment se préparer à cet avenir d’une manière qui regroupe plutôt que de fragmenter? C’est là que nous appliquons ce que nous appelons l’« architecture de la chaîne de perles ». Une perle a de la valeur par elle-même. Si on en relie plusieurs pour en faire une chaîne, on obtient quelque chose de qualitativement différent : chaque capacité hérite de l’information de tout ce qui la précède, produisant des résultats qu’aucune solution individuelle ne pourrait fournir seule. (Deloitte Canada, Point de vue sur l’avenir de l’assurance, 2025)
La plupart des portefeuilles d’IA sont des ensembles de capacités dans lesquels chacune résout son propre problème à partir de ses propres données, produisant au mieux 10 solutions et 10 résultats différents. Cependant, lorsque les renseignements du service des règlements alimentent la souscription en temps réel, que la souscription alimente la tarification au niveau du risque individuel, que la tarification alimente la distribution, et que la conformité surveille le tout en continu, quelque chose de fondamentalement différent se produit. Le système devient plus capable que n’importe laquelle de ses parties, produisant des résultats nettement supérieurs à ce que les outils individuels peuvent fournir.
Les décisions de séquencement ont autant d’importance que les capacités elles-mêmes. Il n’est pas possible d’intégrer la connexion après coup dans un système qui a été conçu pour l’isolement. Les bases des données partagées, la couche commune d’orchestration et les contrôles de gouvernance doivent être en place avant l’ajout des perles – sinon chaque nouvelle capacité devient un autre volet cloisonné.
Huit perles illustrent comment cela se passe en pratique. La gouvernance est intégrée à toutes. Lorsque toute la chaîne passe par une plateforme commune et observable, les exigences réglementaires cessent d’être un point de friction et deviennent une propriété intégrée du fonctionnement du système.
Les assureurs que nous voyons prendre de l’avance ne mènent pas des projets pilotes plus intelligents. Ils ont reformulé la question. « Où pouvons-nous déployer l’IA? » est devenu « Quelles parties de cette entreprise, si on les réinventait, changeraient le résultat? ».
Ce qui rend cette solution durable, c’est la base commune sous-jacente. Les contrôles d’authentification, d’observabilité, d’orchestration et de gouvernance sont conçus une fois et accessibles à toutes les capacités qui sont ajoutées par la suite. Le coût de chaque nouvelle perle diminue à mesure que la plateforme prend de la maturité, et la capacité d’exploiter cette base, quels que soient le régime de réglementation et les exigences en matière de souveraineté des données est ce qui rend la solution viable pour les assureurs qui exercent leurs activités à l’extérieur du Canada.
Pourquoi le contrôle stratégique importe plus que le coût
Le débat sur les modèles d’IA détenus ou loués commence et se termine en général par le coût et le rendement. Ces deux aspects sont importants, mais ni l’un ni l’autre ne déterminera la position concurrentielle au cours de la prochaine décennie. Ce qui importera, c’est qui accumule les renseignements, qui régit la façon dont ils sont utilisés, et qui conserve la capacité de fonctionner de manière indépendante à mesure que le contexte de la réglementation évolue.
Dans cette section, « modèles frontières » s’entend de grands systèmes d’IA polyvalents, de fournisseurs comme OpenAI, Google et Anthropic : des systèmes puissants et ayant un large éventail de capacités, conçus pour une applicabilité générale et fondamentalement différents d’un modèle conçu et formé spécifiquement pour les flux de travail en assurance.
Que ce soit intentionnellement ou non, un assureur qui achemine ses flux de travail les plus importants dans un modèle frontière qui ne lui appartient pas fait trois choses : il fait don de l’information tirée de ces flux de travail au fournisseur, il accepte des contraintes de gouvernance qu’il n’a pas établies, et il crée une dépendance dont il aura plus de difficulté à se départir avec chaque trimestre pendant lequel il continue ainsi.
La plupart des assureurs prennent cette décision sans s’en rendre compte. Choisir un fournisseur de services d’IA pour le règlement des sinistres, normaliser ses activités auprès d’un unique fournisseur de modèle frontière et signer une entente de plusieurs années avec un fournisseur de services infonuagiques à très grande échelle pour la création d’une plateforme d’IA générative – chacune de ces décisions concerne la propriété des renseignements, même si aucune n’est reconnue comme telle. Au moment où la dimension stratégique devient visible, la dépendance est déjà enracinée et les conséquences architecturales s’aggravent. Pour faire ces choix délibérément, la première étape consiste à reconnaître qu’il s’agit de choix.
L’argument en faveur de la propriété des renseignements s’étend sur six dimensions. Les deux premières, l’économie et le rendement, sont des éléments de base. Les quatre autres dimensions sont celles qui créent une différenciation durable.
L’architecture pratique se compose de niveaux : des petits modèles de langage conçus spécialement pour les travaux d’assurance de grand volume et bien définis où la formation exclusive crée un véritable avantage, et l’utilisation sélective de modèles frontières lorsque l’ampleur et le raisonnement sont importants. L’assureur possède et régit toujours la couche d’orchestration, et chaque opération ajoute à ses propres données plutôt qu’à celles d’un tiers.
Détenir ses propres renseignements ne veut pas dire qu’ils doivent être entièrement accumulés à l’interne. La plupart des assureurs font équipe, pour l’exécution, avec des fournisseurs de technologies, des intégrateurs de systèmes et des fournisseurs spécialisés. La capacité d’investissement, l’expertise interne, la rapidité de mise en marché et les priorités stratégiques sont toutes des facteurs qui définissent ce que l’organisation crée elle-même par rapport à ce qu’elle obtient d’autres sources. La question n’est pas de savoir s’il y a lieu de faire équipe avec des tiers, mais de déterminer ce sur quoi il faut garder le contrôle quand on le fait : la couche d’orchestration, la gouvernance et les renseignements qui s’accumulent avec chaque transaction. Faire équipe en ce qui concerne la façon de bâtir l’architecture est entièrement compatible avec le fait de posséder ce qu’elle produit.
Créée délibérément, cette architecture s’améliore avec chaque transaction, chaque perle ajoutée à la chaîne héritant de l’information de tout ce qui la précède. Le système devient plus difficile à reproduire à mesure qu’il prend de la maturité. C’est là la différence entre la location de capacités et la création d’un actif.
Pourquoi l’orchestration d’entreprise délibérée est le facteur de déblocage
L’architecture et la propriété des renseignements sont des choix stratégiques. C’est au moment de prendre des mesures à ce sujet que la plupart des assureurs bloquent. Que faut-il réellement pour passer de l’intention à l’exécution?
Le concept auquel nous revenons dans toutes les missions est l’orchestration. L’orchestration au sens le plus large, non pas l’automatisation au niveau des tâches ou le déploiement d’agents isolés, mais la conception délibérée, à l’échelle de l’entreprise, de la façon dont les capacités se connectent, dont les renseignements de toutes les capacités s’accumulent, et dont le jugement humain est positionné là où il est réellement important.
La plupart des assureurs utilisent déjà l’IA. Beaucoup ont des douzaines de solutions mises en place pour le règlement des sinistres, la souscription, la distribution et les opérations. Les capacités sont là, mais la connexion n’est pas établie. Pour combler cet écart, il faut prendre une décision fondamentalement différente de celle qui consiste à choisir le prochain cas d’utilisation.
Trois choses distinguent les assureurs qui s’orientent vers le traitement agentique à grande échelle de ceux qui accumulent la complexité.
Passer à une architecture connectée et détenue par l’entreprise est vraiment difficile. Les unités fonctionnelles qui ont créé leurs propres capacités d’IA ont des préoccupations légitimes au sujet de ce que l’intégration signifie pour leur autonomie. Les pénuries de talents en architecture et gouvernance de l’IA sont réelles dans la plupart des organisations. Déterminer ces réalités rapidement et en tenir compte dans la conception fait partie du travail d’architecture – ce n’est pas un problème de gestion du changement à résoudre par la suite. Les organisations qui relèvent ce défi dès le départ créent de meilleurs systèmes et favorisent l’adoption plus efficacement.
Dans chaque mission que nous avons dirigée, la contrainte qui pèse sur l’IA agentique à grande échelle n’est pas la technologie, mais la volonté de la main-d’œuvre de passer de l’utilisation de l’IA comme outil à la collaboration avec elle en tant que partenaire, et la volonté des dirigeants de redéfinir les rôles, les niveaux et les incitatifs avant le déploiement plutôt qu’après. Avant que les flux de travail puissent être repensés en fonction de l’IA, les organisations ont besoin d’une vision claire et fondée sur des données probantes de ce que les humains font réellement au niveau des tâches, et de ce que l’IA peut prendre en charge de manière significative. La méthodologie de perturbation structurée des rôles de Deloitte permet d’évaluer cet aspect dans l’ensemble de la main-d’œuvre, ce qui produit des évaluations notées qui éclairent la façon dont les rôles sont redéfinis, pas seulement la façon dont l’IA est déployée.
Dans l’ensemble des missions, cette analyse permet invariablement de déterminer la possibilité de transférer de 20 à 50 % du volume de tâches à l’exécution par l’IA, tout en indiquant le travail de supervision et de jugement dont les gens devraient demeurer responsables. Les organisations qui l’effectuent dès le départ créent de meilleurs systèmes. Celles qui la reportent se trouvent obligées d’intégrer après coup des changements touchant la main-d’œuvre dans une plateforme qui n’a pas été conçue en fonction des gens.
La chaîne de perles ne peut pas être assemblée cas d’utilisation par cas d’utilisation. Les bases de données partagées, la couche d’orchestration commune et les contrôles de gouvernance réutilisables doivent être inclus dans la plateforme dès la conception, avant l’ajout des capacités. C’est la partie que la plupart des organisations sautent.
La différence est mesurable. Dans le traitement des demandes d’indemnisation, une chaîne connectée incluant la vérification de l’admissibilité, l’extraction de documents, la classification et des agents d’acheminement dynamique produit des résultats que des outils isolés ne peuvent pas égaler. La logique de conception que nous appliquons vise une réduction des délais de vérification d’environ 95 %, une réduction du temps de traitement des documents de 80 à 90 %, une réduction du temps de triage d’environ 90 %, et l’automatisation de plus de 95 % des décisions d’acheminement. Ces chiffres sont obtenus grâce à la connexion, pas à cause de meilleurs éléments individuels.
La même logique de conception s’applique aux travaux d’actuariat et de tarification. Une architecture connectée peut regrouper l’émergence de demandes d’indemnisation, l’évolution de l’exposition, l’appétence pour le risque de la souscription, l’historique des changements de taux, les hypothèses de dépenses, le coût de la réassurance et les signaux de risque externes dans une seule couche de renseignements sur la tarification et la constitution de provisions. Les agents peuvent préparer des diagnostics, déterminer la dérive des hypothèses, tester des scénarios et réunir des éléments probants pour la gouvernance du modèle. L’actuaire humain demeure responsable des sélections, des dérogations et de la communication de l’incertitude, mais la plateforme réduit de beaucoup le temps consacré à l’assemblage des données probantes.
Une plateforme agentique créée sans observabilité, vérifiabilité et surveillance humaine dès le départ échouera à l’examen réglementaire et ne sera pas adoptée par la main-d’œuvre. En vertu de la ligne directrice E-23 du BSIF, expliquer comment une décision fondée sur l’IA a été prise est une exigence de conformité. L’architecture de gouvernance et la gestion du changement doivent faire partie de la structure technique et y être intégrées dès le départ plutôt qu’ajoutées une fois que la plateforme est fonctionnelle.
Les assureurs qui s’orientent vers le traitement agentique à grande échelle ne mènent pas plus d’expériences. Ils ont remplacé la question « Que pouvons-nous automatiser? » par « Comment allons-nous créer une entreprise qui devient plus intelligente au fil du temps? ».
Les choix qui sont faits aujourd’hui détermineront dans quelle mesure la prochaine étape sera difficile. Les assureurs qui construisent délibérément le fondement, pendant qu’il peut encore être construit plutôt qu’hérité, trouveront l’expansion subséquente beaucoup plus facile à gérer. Ceux qui le reportent en faveur de la rapidité des cas d’utilisation devront faire face au coût plus tard, lorsque le changement d’architecture sera nettement plus perturbateur.
Le changement sous-jacent n’est pas technique. Il s’agit d’un changement dans la façon dont les dirigeants comprennent l’IA. Aujourd’hui, la plupart des assureurs considèrent toujours l’IA comme une capacité que l’organisation déploie – un outil appliqué à des problèmes précis, mesuré selon ses propres conditions. Les assureurs qui prennent de l’avance ont fait un choix fondamentalement différent : ils intègrent l’IA à la structure du travail, la traitent comme une compétence de base plutôt qu’une couche de capacités, et séquencent leurs investissements de sorte que chacun ajoute au précédent. Ce changement, qui consiste à passer de cas d’utilisation isolés à une plateforme de renseignements connectés, est ce qui transforme l’IA d’une source d’efficacité opérationnelle en une véritable source de différenciation et un catalyseur direct de la stratégie d’affaires.
Les questions suivantes ne servent pas à établir un diagnostic seulement. Elles indiquent explicitement les décisions qui doivent être prises. Dans notre travail, les assureurs qui savent bien s’y prendre passent par une séquence cohérente : déterminer où le potentiel de transformation est le plus concentré et où les lacunes en matière d’architecture sont les plus coûteuses; concevoir la base commune avant d’ajouter des capacités afin que l’infrastructure de gouvernance, d’orchestration et de données soit établie une seule fois; ensuite, construire et séquencer de manière à ce que chaque nouvelle capacité soit une amélioration plutôt qu’une complication.
Les questions suivantes ne servent pas à établir un diagnostic seulement. Elles indiquent explicitement les décisions qui doivent être prises. Dans notre travail, les assureurs qui savent bien s’y prendre passent par une séquence cohérente : déterminer où le potentiel de transformation est le plus concentré et où les lacunes en matière d’architecture sont les plus coûteuses; concevoir la base commune avant d’ajouter des capacités afin que l’infrastructure de gouvernance, d’orchestration et de données soit établie une seule fois; ensuite, construire et séquencer de manière à ce que chaque nouvelle capacité soit une amélioration plutôt qu’une complication.
Il n’existe pas de bonnes réponses universelles à ces questions. Ce qui importe, c’est qu’elles soient posées explicitement – et que les décisions d’architecture qui sont prises aujourd’hui soient fondées sur des réponses honnêtes.
Les assureurs qui domineront en 2035 ne sont pas ceux qui auront mené le plus d’expériences. Ce sont ceux qui auront connecté leurs systèmes les premiers. La fenêtre pour créer ce fondement selon vos propres conditions est encore ouverte. Pendant combien de temps le sera-t-elle?
