Épisode 3 « Quels impacts IT » - L’IA dans l’assurance : Révolution ou évolution ?

L’étude menée par i3 avec ses membres, sur le thème de « L’IA dans l’assurance : Quels impacts métier ? Quels impacts IT ? » a été dévoilée lors du Master Club 2025, organisé par Seroni du 10 au 12 septembre 2025.

Outre les impacts métier, que nous avons traité dans l’épisode #2 de notre restitution de l’étude, l’implémentation de l’IA soulève des questions fondamentales en matière d’IT, qui sont bien moins souvent abordées dans les retours d’expérience, alors qu’elles sont en réalité structurantes pendant la phase d’implémentation, mais aussi pour faire vivre les solutions d’IA dans le temps.

Les questions que la DSI doit se poser pour construire une stratégie cohérente

Des points majeurs et de plus long terme que ceux abordés par les métiers s’imposent aux DSI dans leur manière d’aborder les projets d’implémentation de l’IA :

• Quel problème métier cherche-t-on à résoudre : automatisation, personnalisation, prise de décision ?
• Make or buy ? Faut-il développer en interne ou acheter des solutions externes ? Comment garder la maîtrise du SI ?
• Souveraineté, sécurité, transparence : choix du cloud, maîtrise des modèles, gouvernance des données ?
• Organisation et compétences : quelles ressources internes, quel modèle de gouvernance, quel coût total de possession (TCO) ?

Les étapes à respecter dans le déploiement de nouvelles solutions

L’IA impose une transformation profonde des infrastructures, des architectures et de la gouvernance IT, qui nécessite un examen coordonné de leurs impacts afin de dessiner une approche globale.

• Dès le développement : aujourd’hui, il est nécessaire d’APIser les SI pour qu’ils soient appelables par des agents IA externes. Les systèmes doivent être ouverts et interopérables pour intégrer des solutions IA variées (chatbots, analyse d’images, etc.), capables d’absorber de nouvelles technologies et de gérer la multiplication des solutions IA.

• Dans la conception de l’architecture : il s’agit de s’interroger sur la sécurité, le risque de jailbreaking ou l’exposition des données stratégiques. Par exemple, en matière d’auditabilité et d’explicabilité des modèles, les équipes IT doivent garantir que les décisions prises par l’IA sont traçables et compréhensibles, notamment pour répondre aux exigences réglementaires.

• En matière de sécurité. L’arrivée de l’IA multiplie les risques de fuite ou d’exposition de données sensibles, nécessitant des mesures de sécurité renforcées : charte d’utilisation, acculturation des équipes, accompagnement réccurent.

• En termes de scalabilité des infrastructures et de maîtrise des coûts. Les SI doivent pouvoir absorber la montée en charge liée à l’IA (traitement de grandes quantités de données, entraînement de modèles, etc.) tout en maîtrisant les coûts.

• Pour la gouvernance : conformité réglementaire (IA Act, DORA…), responsabilité accrue des DPO et RSSI, collaboration renforcée entre métiers et IT,
• Et enfin par la prise en compte des aspects RSE : anticipation de l’impact social des transformations, accompagnement du changement par la mise en place de chartes d’utilisation, conformité avec le RGPD par exemple.

Vers une stratégie IA responsable

Les SI doivent évoluer pour absorber, sécuriser et gouverner ces nouveaux usages, sous peine de freiner ou de mettre en risque la transformation attendue par les métiers.

Par exemple :

• Un bot conversationnel performant n’a d’intérêt que si le SI peut intégrer ses API et garantir la sécurité des échanges,
• L’automatisation de la détection de fraude n’est efficace que si les données sont accessibles, de qualité, et que les modèles sont audités et explicables.

S’y ne fallait retenir que quelques points-clés de l’étude, l’IA dans l’assurance 2025 présente 4 préconisations :

• L’IA est avant tout une solution IT : elle doit être évaluée avec la même rigueur que tout projet informatique, en anticipant les risques et en mesurant le coût de l’erreur.
• La simplicité et la mesure du risque sont de mise : privilégier des cas d’usage simples pour démarrer, calculer les impacts potentiels.
• Opportunisme vs vision long terme : éviter l’empilement de solutions opportunistes, définir une stratégie IA cohérente et durable plutôt que de s’équiper de solutions sur étagère, qui pourront vite poser des questions de pérennité et de dialogue entre elles, et entre elles et le SI existant.
• Gouvernance et accompagnement : repenser les modèles de gouvernance, anticiper l’impact social, accompagner les équipes dans la transformation sont indispensables face à la puissance de l’IA.

L’IA, catalyseur de performance et de transformation

L’IA s’impose comme un catalyseur de performance, d’innovation et de transformation pour l’assurance. Mais son déploiement doit s’accompagner d’une réflexion stratégique sur la gouvernance, la conformité, la gestion des risques et l’accompagnement humain. i3 invite ainsi les acteurs du secteur à conjuguer pragmatisme, anticipation et audace pour réussir cette révolution, au sein de sa structure de prototypage et d’industrialisation des solutions identifiées comme prometteuses, avec un credo « Préparons-nous à révolutionner nos modèles en profondeur ».

Contact presse :