IA en assurance : qui répond lorsque le modèle ne sait pas expliquer sa réponse ?

Un résumé automatique de sinistre semble inoffensif jusqu'au moment où il influence une priorité, une indemnisation ou une communication au client. Le vrai sujet n'est alors plus « utilisons-nous de l'IA ? », mais « quel cas d'usage, quelle donnée, quelle décision et quel contrôle ? ». Le 6 août 2025, l'EIOPA a publié son avis sur la gouvernance et la gestion des risques de l'intelligence artificielle dans l'assurance, fondé sur une approche proportionnée et orientée par le risque. L'avis clarifie des attentes de supervision ; il ne transforme pas chaque outil en système à haut risque et n'ajoute pas silencieusement une nouvelle loi. Cette nuance ouvre une offre B2B précise pour cabinets de gouvernance, courtiers, intégrateurs et spécialistes de modèle : inventorier un cas d'usage réel, suivre son influence et attribuer la décision avant d'étendre l'outil.

L'avis de l'EIOPA explique comment les principes existants de gouvernance et de gestion des risques de l'assurance s'appliquent aux systèmes d'IA dans son périmètre. Il met en avant proportionnalité, équité, données, documentation, explicabilité et contrôle humain.

L'avis vise les autorités nationales et éclaire les attentes de supervision. Il distingue son champ des pratiques interdites et systèmes à haut risque couverts par le règlement européen sur l'IA. La qualification juridique reste à faire cas par cas.

Non. Un inventaire utile relie chaque outil à une tâche, une population, une donnée, un fournisseur et une décision. Deux assistants identiques peuvent avoir des expositions opposées s'ils résument un document interne ou influencent une tarification.

Le premier achat choisit un cas d'usage, reconstitue sa chaîne d'influence, teste quelques dossiers et attribue les contrôles. Il livre une fiche de décision, des écarts et une condition de poursuite, pas un programme IA général.

Le pilote commence par les usages réellement actifs, y compris les outils accessibles sans achat central. Il conserve exemples, versions, validations et incidents sans exposer inutilement les données des assurés.

Plus la sortie agit directement sur le client, le prix, la couverture ou le sinistre, plus la preuve, la revue et l'escalade doivent être robustes. Un usage interne faible ne justifie pas le même dispositif qu'une décision fortement automatisée.

La proportionnalité doit rester démontrable. L'équipe note pourquoi elle retient un niveau de contrôle, quelles limites elle connaît et quel événement imposerait une escalade. Ce raisonnement vaut davantage qu'une couleur de risque appliquée sans contexte ni propriétaire.

Assureurs vie et non-vie, réassureurs, courtiers, délégataires, gestionnaires de sinistres et fournisseurs technologiques composent le bassin. Le meilleur signal est un usage déjà testé ou déployé, associé à une décision encore mal attribuée.

Une nouvelle interface, un pilote GenAI, un changement de fournisseur ou une demande du contrôle interne ouvre la conversation. La lecture value for money traite la valeur du produit ; celle-ci traite l'influence d'un système sur une décision.

Le message propose de rendre un cas d'usage explicable et attribué. Il n'affirme pas que l'avis EIOPA crée une certification, que l'outil est conforme ou qu'un contrôle technique suffit au droit de l'assurance.

Le parcours combine contenus par fonction, réseaux assurance, partenaires technologiques, événements, recherche ciblée et approche directe. L'IDD devient connexe lorsque l'IA influence information ou conseil, mais garde sa propre preuve de distribution.

Les tests comparent des cas représentatifs, des cas limites et des erreurs connues, puis observent sortie, revue humaine et décision finale. Une métrique moyenne ne suffit pas si elle masque un impact disproportionné sur un groupe ou un client.

Un jeu de tests doit pouvoir être rejoué après une modification significative. Version du modèle, instructions, données de référence et règle de revue sont conservées avec la date. Si le fournisseur ne rend pas une information accessible, l'absence devient une inconnue à traiter, pas une preuve de sécurité. La restitution sépare performance observée, limite connue et décision d'usage. Elle documente aussi le canal de contestation lorsque la sortie atteint un assuré, afin que le contrôle humain reste une capacité réelle et non une mention dans une politique.

Elle devient récurrente si données, modèle, fournisseur, usage ou résultats évoluent. La revue s'arrête ou change de fréquence lorsque l'influence reste stable et que les incidents ne justifient plus le même contrôle.

Le prestataire structure l'inventaire, les tests et l'acquisition ; il ne qualifie pas seul le système au regard du droit, ne décide pas pour l'assuré et ne remplace ni l'actuariat, ni la conformité, ni le contrôle interne.

Oui, si elle commence par une décision observable plutôt que par une transformation totale. Le test offert mesure la densité du bassin, la crédibilité du pilote et les synergies d'acquisition.