Assurance : sinistres, documentation, fraude
Les fiches de cette page décrivent un usage d’IA dans une compagnie d’assurance, une mutuelle d’assurance ou un courtage, d’après l’organisation citée ou le vocabulaire du témoignage (sinistre, souscripteur, indemnisation d’un contrat).
Une comparaison d’assurances auto par un particulier, ou l’Assurance maladie (sécurité sociale), n’entre pas dans ce métier : le premier est une démarche personnelle, le second un opérateur public.
Cette sélection compte 22 cas repérés. 21 concernent une organisation en France ou dans la francophonie. Niveaux de preuve : 15 « Témoignage publié par une source identifiée » et 7 « Déclaration de l’éditeur de l’outil ». Outils les plus cités : IA générative (4), ChatGPT (application MAIF) (2) et Dust (2).
Points de vigilance récurrents
- 11 fiches sur 22 mentionnent la vérification des chiffres, des sources ou des extraits.
- 9 fiches sur 22 mentionnent une relecture ou une validation humaine.
- 3 fiches sur 22 mentionnent ce que l’outil peut envoyer ou créer tout seul.
- 3 fiches sur 22 mentionnent un cadre juridique, fiscal ou de conformité.
- 2 fiches sur 22 mentionnent des données personnelles, un secret métier ou le RGPD.
Décompte établi sur le champ « vigilance » des fiches de cette page, sans reformuler les mises en garde.
Les 22 cas repérés
- Industrialiser le traitement documentaire, les chatbots et les modèles prédictifs d’un groupe d’assurance
L’AI Factory de Covéa (MAAF, MMA, GMF) a industrialisé quatre familles de cas d’usage : automatisation, traitement documentaire et RAG, IA conversationnelle pour les clients, et modèles prédictifs sur données structurées et verbatims.
- Résumer des chaînes de mails, structurer de la documentation et chercher dans un corpus interne avec Copilot Chat
Chez Generali France, 100 % des collaborateurs ont Copilot Chat ; 3 700 ont Microsoft 365 Copilot. Emmanuel Néré indique que 70 % s’en servent dans leur métier, une quinzaine de prompts par utilisateur et par semaine.
- Indexer 4,5 millions d’e-mails pour mieux lire les intentions des clients
Generali France indique que des agents ont lu et indexé 4,5 millions d’e-mails afin que les experts comprennent mieux les intentions des clients.
- Standardiser les réponses aux appels d’offres avec l’IA générative
Parmi les usages Generali France cités par Emmanuel Néré figure la standardisation des réponses aux appels d’offres, aux côtés de l’extraction de données non structurées et des campagnes marketing.
- Laisser un agent IA mener la souscription habitation à la place d’une trentaine de questions
Generali France a simplifié le parcours de souscription habitation : au lieu d’une trentaine de questions, le client s’en remet à un agent IA qui « s’occupe de tout ».
- Estimer l’exposition d’une habitation aux risques climatiques depuis une application dans ChatGPT
L’assureur MAIF a ouvert une application dans ChatGPT : en renseignant une adresse, l’utilisateur obtient une analyse d’exposition de l’habitation aux risques climatiques (inondations, tempêtes, sécheresse), puis peut basculer vers maif.fr ou un conseiller.
- Estimer le coût d’une assurance vélo et être orienté vers l’offre adaptée, dans ChatGPT
La même application MAIF dans ChatGPT permet d’estimer le coût d’une assurance vélo et d’être orienté vers la solution jugée adaptée, avant poursuite sur maif.fr ou avec un conseiller.
- Trier les déclarations, extraire les pièces et orienter les dossiers sinistres animaux et santé
Le groupe FINARE a déployé, en assurance animaux et en santé, une IA qui aide les gestionnaires à analyser et trier les déclarations, extraire les informations des documents et orienter les dossiers ; la décision reste humaine.
- Créer KamAI : 40 assistants spécialisés plus 90 conçus par les collaborateurs sur Dust
L’assureur Wakam a créé KamAI, une plateforme d’assistants IA sur Dust : 40 assistants spécialisés développés par l’entreprise, 90 conçus par les collaborateurs, taux d’utilisation revendiqué de 72 %.
- Créer un assistant RH capable de répondre aux politiques internes, quel que soit le pays
Dès le lancement de Dust, l’assureur Wakam a conçu un assistant RH pour les questions de politiques internes, quel que soit le pays de rattachement, afin de réduire les sollicitations répétitives de l’équipe RH.
- Répondre 24 h/24 aux questions des clients d’assurance avec un chatbot d’IA générative, chez Leocare
Christophe Dandois, cofondateur, CEO et directeur marketing de l’assureur Leocare, a lancé un chatbot d’IA générative pour répondre aux clients hors des horaires du service client français : plus de 2 000 sessions par jour, 37 % des interactions.
- Générer des contenus d’assurance liés à l’actualité pour le SEO, chez Leocare
Le même dirigeant de Leocare utilise l’IA en communication publicitaire : davantage de campagnes, moins coûteuses, et des pages générées dès qu’un sujet d’assurance (punaises de lit, inondations) apparaît dans les médias, pour en faire un levier SEO.
- Passer un détourage vidéo de deux semaines à deux minutes, et décliner les contenus SEO du global au local, chez Generali
Rodolphe Pachot, directeur marketing et digital de Generali France, cite un détourage vidéo passé de deux semaines à deux minutes grâce à l’IA, et l’adaptation des contenus SEO du global vers le local, tout en faisant « très peu de créations pures via l’IA ».
- Analyser un appel d’offres en 15 minutes et contrôler un sinistre en 5 minutes, avec quatre agents n8n, chez Pilliot Assurances
Pilliot Assurances (courtage, 110 collaborateurs) a mis en production quatre agents IA sur n8n et OpenAI : un pour les appels d’offres d’assurance (2–4 h → 15 min), trois pour la conformité des contrats et sinistres (45 min → 5 min) — 190 h/mois déclarées.
- Synthétiser 3 000 pages d’un dossier avec des agents IA, en assurance chez SCOR
Xavier Dubois, souscripteur chez SCOR, a conçu des agents IA pour synthétiser des dossiers de 3 000 à 4 000 pages — rapports d’ingénierie, états financiers, ESG — et challenger ses propres analyses de risques, là où plusieurs jours de lecture laissaient encore des informations échapper.
- Détecter les fausses factures de réparation avec l’OCR et un modèle de langage chez un assureur
Abeille Assurances combine reconnaissance de texte et modèles de langage pour extraire les données des factures transmises par ses agences, puis contrôler leur cohérence avec ses bases et des bases publiques.
- Répondre aux souscripteurs et aux agents d’assurance à partir de la documentation produits
Abeille Assurances a développé un chatbot interne appuyé sur la recherche documentaire (RAG) qui répond aux questions sur ses produits en renvoyant vers les documents et les pages utilisés.
- Transcrire les appels commerciaux et vérifier automatiquement les justificatifs de sinistre
Acheel, compagnie d’assurance française d’une soixantaine de collaborateurs en France, utilise l’IA pour la gestion des sinistres, la fraude, la souscription et la lecture de documents, et transcrit toutes les conversations de ses conseillers de vente.
- Préparer un dossier de sinistre d’assurance animaux avant l’examen du gestionnaire
Univé, l’un des plus grands assureurs mutualistes des Pays-Bas, utilise un agent qui assemble le dossier de sinistre, relit les factures vétérinaires et prépare une recommandation traçable ; le gestionnaire garde la décision.
- Assister les équipes de support par des agents spécialisés et accueillir les sinistrés à toute heure
Generali France a déployé une cinquantaine d’agents pour des usages précis, dont des agents qui épaulent son helpdesk et un assistant vocal disponible jour et nuit pour les victimes de sinistre.
- Un agent interne unique, utilisé pour coder, prototyper et analyser les données
Alan a construit Hopper, un agent interne qui répond sur le code, ouvre des pull requests, publie des prototypes et construit des tableaux de bord : 80 % des salariés s’en servent selon l’assureur santé.
- Mesurer par test A/B ce qui améliore vraiment un agent de support
Alan, dont les agents IA traitent une partie des demandes de ses adhérents, a comparé deux façons d’appeler le modèle par un test A/B en production plutôt que de se fier aux chiffres annoncés par le fournisseur.