Des agents en production depuis longtemps, jamais réévalués
Validés à leur mise en service, ils tournent depuis sur des produits, des garanties et des canaux qui ont changé. On ne vérifie plus qu'ils orientent juste.
Secteur · Assurance
L'IA dans l'assurance tourne déjà. Sait-on ce qu'elle rapporte ?
L'IA dans l'assurance est déjà là : tri des sinistres, assistants sur les plateaux, aide à la vente dans les réseaux, copilotes au siège. On sait ce que ces outils coûtent, rarement ce qu'ils rapportent. Chez un assureur, une erreur d'agent ne se voit pas tout de suite : elle se paie plus loin, en retravail pour les gestionnaires et en délai pour l'assuré. Nous mesurons l'usage réel à partir des journaux que vos plateformes produisent déjà, et d'entretiens avec vos directions.
- 40+diagnostics IA menés en un an
- 41 200utilisateurs mesurés
- 218cas d'usage qualifiés
- 20 à 40 %des licences IA payées non utilisées sur les parcs analysés (constat de mission, pas une étude)
Repères d'entreprise, sur l'ensemble de nos missions : aucun n'est attribué à un client, aucun n'est un résultat garanti d'avance.
En bref
Dans l'assurance, l'IA sert surtout la relation client, la gestion des sinistres, la distribution, les fonctions siège et les équipes informatiques. Elle se mesure rarement : plus de la moitié des entreprises équipées que rencontre Idun Group ne mesurent rien, ou seulement avec les statistiques de l'éditeur. L'audit de l'usage réel d'Idun Group croise les journaux d'usage et des entretiens, rapproche ce que font les agents de ce qui se passe après eux, et dit quoi industrialiser, consolider ou couper.
L'IA dans l'assurance aujourd'hui : beaucoup d'usages, peu de mesures
Parmi les entreprises équipées rencontrées par Idun Group, 93 ont dit comment elles mesurent l'usage de leur IA : 39 n'ont aucune mesure et 14 s'en tiennent aux statistiques de l'éditeur. Dans les grandes entreprises (5 000 salariés et plus), 18 sur 29 ne mesurent rien. Dans l'assurance, l'usage est installé mais encore jeune : selon l'enquête de l'EIOPA, l'autorité européenne des assurances, publiée en février 2026 auprès de 347 organismes de 25 pays, 65 % des organismes interrogés utilisent déjà l'IA générative ; 64 % des cas d'usage qu'ils déclarent en sont encore au pilote, 32 % sont en production.
Chez un assureur, l'IA générative est d'abord entrée par la relation client : 40 % des 347 organismes interrogés par l'EIOPA l'y utilisent déjà. Viennent ensuite la gestion des sinistres (32 %) et la vente et la distribution (22 %). Au siège, Microsoft 365 Copilot, ChatGPT ou Claude ont souvent été ouverts par licence aux fonctions support. Les équipes informatiques ont leurs assistants de code.
Nous ne touchons pas aux autres usages de l'intelligence artificielle dans l'assurance : la tarification, la souscription et la sélection des risques, les modèles actuariels, la détection de fraude, la décision d'indemnisation automatisée.
Pour l'IA de travail déjà en place, celle dont les équipes se servent chaque jour (assistants, copilotes, agents qui préparent les dossiers), reste à savoir ce qu'elle rapporte. Un assureur nous a répondu qu'il cherchait de la qualité, pas un ROI. La qualité se mesure aussi : le travail que les gestionnaires reprennent, les délais, les assurés qui renoncent en cours de conversation.
Pourquoi les assureurs nous parlent
L'assurance est un métier de dossiers et de délais, où chaque échange avec un assuré engage une promesse du contrat. Six situations reviennent dans nos échanges avec le secteur.
Le retravail humain invisible
Quand un agent se trompe à la marge, les gestionnaires rattrapent, dossier par dossier. Ce temps, absent des tableaux de bord, se retrouve dans les délais.
Une organisation par entités et par produits
Vie, dommages, santé, prévoyance, réseaux salariés ou intermédiés : chaque entité a construit ses assistants, souvent sur les mêmes cas d'usage.
Des licences ouvertes au siège, un usage inconnu
Microsoft 365 Copilot, ChatGPT ou Claude ont été ouverts aux fonctions support, souvent par la DSI du groupe. Une équipe data d'une mutuelle nous l'a résumé : ce n'est pas elle qui déploie les outils, elle en est « consommatrice », et ne cherche pas à savoir ce qu'ils rapportent.
La donnée sous contrainte
Données personnelles et RGPD, secret des affaires, réglementation du secteur : la direction des risques, le délégué à la protection des données et la conformité veulent savoir ce qui entre dans le contexte des agents avant d'étendre quoi que ce soit. La protection des données d'un assureur nous l'a dit : elle n'a accès à aucun journal et s'en tient à ce que déclarent les équipes.
La preuve avant le déploiement à l'échelle
Un assistant testé sur un plateau ou dans une région ne se généralise qu'avec une mesure de sa valeur.
Les usages de l'IA dans l'assurance, et ce que la mesure y révèle
Les usages de l'IA dans l'assurance se rangent en cinq territoires : la gestion des sinistres, la relation client et les plateaux, la vente et la distribution, les fonctions siège, les équipes informatiques. Le tableau décrit ce qu'Idun Group rencontre dans le secteur, jamais une liste de réalisations : pour chaque usage, ce que c'est, ce que l'analyse d'usage révèle et la décision qu'elle permet.
| Usage | Ce que c'est | Ce que l'analyse révèle | La décision permise |
|---|---|---|---|
| La gestion des sinistres | Des agents IA qui reçoivent, lisent et orientent les déclarations : tri par nature et par urgence, contrôle de complétude, préqualification, préparation du dossier pour le gestionnaire. Toujours en appui d'une décision humaine. | L'écart entre l'orientation donnée par l'agent et ce que le gestionnaire fait ensuite du dossier, lu dans un export de votre outil de gestion des sinistres (statuts, réaffectations, délais) et non dans le contenu des dossiers : les cas mal qualifiés à la marge, ceux qui sont renvoyés, ceux qui repassent par un humain sans raison. | Fiabiliser l'agent là où il se trompe avant de l'étendre à d'autres garanties, et mesurer le temps réellement rendu aux gestionnaires. |
| La relation client et les plateaux | Des assistants qui traitent ou préparent les demandes des assurés (courriels, tickets, messages) et qui outillent les conseillers en temps réel : réponse suggérée, contexte du contrat, prochaine étape. | Ce que vivent les assurés, au-delà du volume traité. Les conversations classées en succès, frustration et abandon, les demandes répétées sans réponse et les motifs qui reviennent montrent où l'assistant rend service et où il fait perdre patience. | Corriger les motifs où l'assistant échoue, industrialiser ceux où il réussit, et donner aux équipes métier les demandes que personne n'avait prévues. |
| La vente et la distribution | Des assistants pour les réseaux (conseillers salariés, agents généraux, courtiers) et pour les parcours en ligne : aide au conseil, comparaison de garanties, devis, orientation vers le bon produit ou le bon interlocuteur. | Les parcours tels qu'ils sont empruntés. Les orientations sans rapport avec le besoin exprimé, les étapes que les utilisateurs contournent, les points où la conversation s'arrête. Souvent, ce sont des règles de processus héritées, que l'agent applique fidèlement et que personne n'a relues. | Corriger le processus avant de corriger l'agent. |
| Les fonctions siège | Les copilotes et assistants généralistes, comme Microsoft 365 Copilot, ChatGPT ou Claude, ouverts au juridique, aux ressources humaines, à la finance, aux achats et à la conformité, souvent par licence et sans cadrage. | Les licences utilisées face aux licences payées, les usages massifs non cadrés, ceux qui mériteraient un assistant dédié plutôt qu'un outil généraliste, et la demande non servie : ce que les équipes vont chercher ailleurs parce que l'outil interne ne le propose pas. | Redimensionner au renouvellement, industrialiser les cas d'usage qui rapportent, savoir quelles équipes former, et sur quoi. |
| Les équipes informatiques et de développement | Les assistants de code des équipes qui font vivre des systèmes anciens et des chaînes réglementaires complexes, et de plus en plus les bibliothèques d'instructions partagées qui cadrent les agents. | L'adoption par équipe, les sièges qui dorment et la qualité des instructions partagées (en double, contradictoires ou jamais appelées). | Rationaliser la bibliothèque commune, diffuser les pratiques des équipes qui avancent le plus vite, redimensionner les licences. |
La boucle de mesure
Trois livrables
La carte : l'usage
Ce que les équipes font avec l'IA : cas d'usage détectés, adoption réelle par entité et par plateau, assistants et instructions créés, publiés ou restés privés.
Le compte : le ROI
Ce que chaque cas d'usage coûte et ce qu'il rapporte : les licences payées face à l'usage constaté, le retravail renvoyé en aval, et le temps rendu, converti en coût au taux établi avec vous à partir de vos profils.
Le cap : la stratégie
Quoi industrialiser en premier, quoi couper, quelles équipes former et sur quoi, sur un horizon de six mois à deux ans. Et ce que vos équipes ont à outiller : publier les actifs restés privés, brancher l'IA dans les outils de gestion où le travail se fait.
Du pilote à l'échelle, trois issues
Passer d'un pilote à un déploiement à l'échelle se décide sur des signaux d'usage, pas sur l'impression laissée par le pilote. Une fois l'usage mesuré, l'arbitrage se ramène à trois issues, chacune liée à une action budgétaire : industrialiser un usage large et répété qui renvoie peu de retravail en aval, consolider un même cas d'usage réimplémenté par plusieurs entités, couper un usage marginal dont le retravail dépasse le temps rendu.
| Décision | Signal observé | Action |
|---|---|---|
| Industrialiser | Usage large et répété, peu de retravail en aval, gain lisible sur le délai de traitement | Étendre à d'autres garanties ou à d'autres entités, avec un budget dédié |
| Consolider | Même cas d'usage réimplémenté par plusieurs entités ou sur plusieurs produits | Choisir une implémentation, aligner les règles, arrêter les doublons |
| Couper | Usage marginal, licences payées non utilisées, retravail supérieur au temps rendu | Résilier, ou réaffecter vers un cas d'usage mieux mesuré |
Ce que l'analyse montre, et ce qu'elle ne montre pas
Idun Group analyse des usages, jamais des personnes ni des dossiers : les résultats sont agrégés par équipe, par outil et par entité. Le statut exact du traitement se valide avec votre délégué à la protection des données. L'analyse se fait en lecture seule : aucune écriture dans vos systèmes, aucun scan des postes de travail. Le traitement est hébergé en France, chez Scaleway à Paris, ou chez vous. Le cadre contractuel (sous-traitance, conservation des données, vos obligations au titre de DORA) se règle en rendez-vous avec votre RSSI.
Ce que la donnée montre
- l'usage agrégé, par équipe, par outil et par entité
- le coût rapporté à l'usage constaté
- le retravail que les agents renvoient en aval, lu dans les statuts et les délais de l'outil de gestion
- ce qui entre dans le contexte des agents
- la demande non servie : ce que les équipes cherchent sans le trouver
Ce qu'elle ne montre pas
- l'activité d'un collaborateur nommé
- le contenu des dossiers et les données des assurés
- la tarification, la souscription, les modèles actuariels, la décision d'indemnisation
- ce que les exports ne contiennent pas : le rapport le dit dans son annexe des non-dits
Le genre de situation que l'analyse traite
Trois situations représentatives de ce que l'analyse d'usage fait remonter dans le secteur. Elles sont illustratives : elles ne décrivent aucun client en particulier et ne se chiffrent pas.
« L'agent de tri se trompait à la marge. Personne ne le voyait. »
Un agent oriente les déclarations de sinistres depuis des mois, et ses résultats semblent bons. Rapprochés de ce que les gestionnaires font ensuite des dossiers, ses journaux montrent qu'une part des déclarations est mal qualifiée, dans un sens ou dans l'autre : les gestionnaires retravaillent, ou l'urgence du dossier est mal appréciée. Rien de tout cela n'apparaissait dans les indicateurs de l'agent. La performance d'un agent se lit dans ce qui se passe après lui.
« Lire ce que vivent les assurés, pas seulement ce qu'ils demandent. »
Un assistant traite les demandes entrantes. Le taux de réponse est élevé, la satisfaction n'est pas mesurée. En classant les conversations réelles en succès, frustration et abandon, puis en analysant les motifs qui reviennent, on trouve les situations où l'assistant répond sans résoudre, et celles où l'assuré renonce.
« Des données qui n'avaient rien à faire dans le contexte. »
En analysant ce qui est envoyé aux agents, on découvre que des données personnelles y circulent sans nécessité. Elles ne servent pas la réponse, alourdissent le contexte et créent une exposition que personne n'avait mesurée. Le constat conduit à assainir ce qui entre dans les agents : moins de données, des réponses aussi bonnes, une exposition réduite.
Ce que nous avons déjà mesuré
Idun Group est un cabinet de conseil indépendant. Cette indépendance conditionne la valeur de l'analyse : nous devons pouvoir conclure contre nos propres intérêts. Aucune de nos références publiables n'est un assureur.
Cabinet de conseil et de formation
Dans un cabinet de conseil et de formation, l'analyse de l'usage réel de Claude a établi 85 % d'activation réelle sur une quarantaine de sièges, démarrages avortés compris. Avec les sièges sans aucune trace, 31 % des sièges, près d'un sur trois, étaient à réaffecter ou à activer. Dans ce cabinet, la consommation des trois plus gros utilisateurs vaut, au tarif de l'API, 12 à 25 fois le prix d'un siège premium.
La limite La limite, écrite en tête et jamais en annexe : l'export de la plateforme avait une rétention glissante à trente jours alors que le déploiement en comptait cinq mois. Un mois sur cinq a été mesuré.
Le secteur n'est pas l'assurance. Ce qui se transpose, c'est la lecture : les sièges actifs face aux sièges payés, les postes qui ne laissent aucune trace.
Ce que les directions nous demandent
Quels sont les usages de l'IA dans l'assurance ?
Dans l'assurance, l'IA dont se servent les équipes se concentre sur cinq territoires : la relation client sur les plateaux, la gestion des sinistres, l'aide au conseil dans les réseaux de distribution, les copilotes des fonctions siège et les assistants de code des équipes informatiques. Selon l'EIOPA, 40 % des organismes d'assurance interrogés utilisent déjà l'IA générative dans la relation client, 32 % dans la gestion des sinistres et 22 % dans la vente et la distribution. La tarification, la souscription, la sélection des risques, les modèles actuariels, la détection de fraude et la décision d'indemnisation utilisent aussi l'IA, mais sortent du périmètre d'Idun Group.
Où en est l'IA générative chez les assureurs ?
Selon l'enquête de l'EIOPA publiée en février 2026 auprès de 347 organismes d'assurance de 25 pays, 65 % des organismes interrogés utilisent déjà l'IA générative. Sur les cas d'usage qu'ils déclarent, 64 % en sont encore au pilote et 32 % sont en production.
Comment mesurer le ROI de l'IA dans l'assurance ?
Le ROI de l'IA dans l'assurance se mesure sur l'usage constaté, pas sur le seul temps gagné que déclarent les équipes : on croise les journaux d'usage des plateformes et des entretiens avec les directions. On rapporte le coût de chaque cas d'usage à son usage constaté, puis à ce qui se passe après lui : le temps rendu aux gestionnaires, le retravail, les délais. Un cas d'usage dont le retravail dépasse le temps rendu est à couper. Aucun gain n'est chiffré à l'avance : il se mesure chez vous.
Comment passer d'un pilote à un déploiement à l'échelle ?
Un pilote d'IA passe à l'échelle sur des signaux d'usage, pas sur l'impression qu'il laisse. Chez un assureur, un pilote mérite d'être étendu quand son usage est large et répété, qu'il renvoie peu de travail en aval et que le délai de traitement baisse. Sans ces signaux, on corrige ou on coupe avant d'étendre.
Comment savoir si nos agents de gestion des sinistres font le bon tri ?
Un agent de tri des sinistres se juge en rapprochant l'orientation qu'il donne de ce que le gestionnaire fait ensuite du dossier, à partir d'un export de l'outil de gestion des sinistres (statuts, réaffectations, délais), sans lire le contenu des dossiers. Cet écart révèle les cas mal qualifiés à la marge et la part du travail que l'agent renvoie en silence.
Comment mesurer l'adoption réelle de l'IA au siège ?
L'adoption réelle de l'IA au siège se mesure par les licences utilisées face aux licences payées, et par la rétention dans le temps, par équipe et par outil : Microsoft 365 Copilot, ChatGPT, Claude. Sur les parcs qu'analyse Idun Group, 20 à 40 % des licences IA payées ne sont pas utilisées : un constat de mission, pas une étude.
Quelles données entrent dans le contexte de nos agents ?
Pour savoir ce qui entre dans le contexte des agents, Idun Group analyse ce qui leur est envoyé, en plus de ce qu'ils répondent. Cette analyse fait apparaître les données servies sans nécessité. Le résultat se formule en hygiène du contexte et en pseudonymisation.
Nos éditeurs fournissent déjà des tableaux de bord. Qu'apportez-vous de plus ?
Un tableau de bord d'éditeur ne voit pas hors de son propre outil. Il ignore l'usage qui s'est déplacé vers d'autres outils. Idun Group réunit vos outils dans une seule vue, pour comparer un même cas d'usage d'un outil à l'autre, et mène les entretiens qui expliquent les écarts.
Traitez-vous des données d'assurés ou des données de santé ?
Nous ne lisons ni le contenu des dossiers ni les bases d'assurés. Les journaux des outils d'IA peuvent pourtant contenir ce que les équipes y ont collé, données personnelles et parfois données de santé comprises, et l'analyse du contexte le relève parmi ses constats. Quand l'analyse détecte des données personnelles, elle s'en tient au constat ; la suite se décide avec vous et votre délégué à la protection des données (périmètre, finalité, information des personnes). Les résultats sont agrégés par équipe et par outil, et le traitement est hébergé en France, chez Scaleway à Paris, ou chez vous.
Vos agents font-ils encore ce qu'on croit ?
Trente minutes pour choisir par où commencer (un agent de tri des sinistres, un plateau, les licences du siège), les plateformes à lire et ce que vous attendez de la restitution. Vous repartez avec notre avis sur la pertinence de l'exercice chez vous.
Lecture seule. Nous analysons des usages, jamais des personnes.
Accompagné par
Comment mesurer ce que rapporte l'IA d'un assureur
On mesure ce que rapporte l'IA d'un assureur, son retour sur investissement (ROI), en croisant deux sources : les journaux d'usage que produisent déjà ses plateformes, et des entretiens avec ses directions. Idun Group rapporte ensuite le coût de chaque cas d'usage à son usage constaté, et ce que font les agents à ce qui se passe après eux : le retravail, les délais, les conversations qui échouent. La qualité se mesure de la même façon que le retour sur investissement. L'audit se mène sous 15 jours, avec au moins douze entretiens.
Les journaux et exports que vous produisez déjà
Nous partons de ce que produisent les plateformes que vous administrez : modèles internes, copilotes, assistants métier, agents sur mesure. Pour les agents d'IA qui préparent des dossiers, nous rapprochons leurs journaux d'un export de votre outil de gestion (statuts, réaffectations, délais), sans le contenu des dossiers. Nous n'installons rien sur les postes, n'instrumentons pas vos plateformes et n'écrivons aucun code chez vous. Vos équipes nous remettent les exports ou nous ouvrent une connexion en lecture seule ; le choix se fait en réunion de cadrage.
Ce qui entre dans le contexte des agents
Nous analysons ce qui est envoyé aux agents en plus de ce qu'ils répondent. Cette lecture permet une hygiène du contexte : moins de données servies, des réponses aussi bonnes, une exposition réduite. La direction des risques et la conformité veulent le savoir avant toute extension.
Les entretiens, pour ce que les journaux ne disent pas
Les journaux des outils d'IA disent quelles équipes utilisent quels outils, à quelle fréquence, à quel coût, et quelles conversations échouent ou s'arrêtent. Ils ne disent pas l'intention. Les entretiens avec la DSI et les directions métier sont une étape obligatoire : les interviews et la donnée, jamais l'une à la place de l'autre.
Entité par entité, puis consolidé
L'exercice se conduit entité par entité et produit par produit, puis se consolide. Les cas d'usage réimplémentés plusieurs fois apparaissent à cette étape, et avec eux les convergences les plus rapides.