L'essentiel, d'abord. L'IA a prouvé sa valeur dans la banque et l'assurance, et les grands groupes lui fixent désormais des objectifs chiffrés en centaines de millions d'euros. Mais la preuve n'est pas le déploiement : moins d'un assureur sur quatre l'a intégrée à l'échelle de toute son entreprise. Ceux qui avancent partagent une même architecture : une plateforme commune, plusieurs fournisseurs de modèles, une supervision humaine sur les décisions critiques. Le vrai sujet n'est plus technologique. C'est de savoir si l'entreprise reste capable de comprendre ce qu'elle délègue.
Ce que disent les chiffres
Selon l'étude Accenture, 81 % des assureurs constatent déjà au moins 5 % d'amélioration de leurs primes grâce à l'IA et aux données. Pourtant, moins d'un sur quatre l'a déployée à l'échelle de l'ensemble de l'entreprise.
Cet écart n'est pas un retard technique. Les modèles existent, les budgets aussi. C'est un écart d'organisation, de culture, de courage. L'IA s'est installée sous des formes familières : un chatbot dans l'application, un assistant pour les conseillers, un outil qui repère les fraudes. Mais elle reste cantonnée à quelques équipes, comme une plante rare qu'on protège dans une serre.
Le chantier du moment s'appelle le passage à l'échelle : intégrer l'IA partout, de la souscription à la relation client, en passant par la gestion des sinistres.
On peut tester une technologie en secret. On ne peut pas la généraliser sans se transformer soi-même.
Ce que font les grands groupes
Les grandes banques ne se contentent plus d'expérimenter. Elles fixent des cibles, autour de deux leviers : équiper les collaborateurs d'assistants et d'agents, et automatiser la relation client.
Le 24 septembre, BNP Paribas a signé un partenariat de cinq ans avec Google Cloud. Gemini rejoint LLM@CIB, l'assistant d'IA générative de sa banque de financement et d'investissement, accessible à plus de 65 000 collaborateurs. Des agents préparent des dossiers d'analyse crédit ou appuient la vente, le trading et la recherche. Chacun est authentifié, limité aux ressources utiles, surveillé. Sans exclusivité : « Une approche multi-cloud et multi-modèle nous offre la flexibilité nécessaire », explique Marc Camus, le DSI du groupe. Des formations sont prévues, des fondamentaux de l'IA jusqu'au développement d'agents.
Trois jours plus tôt, la Société Générale dévoilait son plan 2029. Elle attend de l'IA 500 à 600 millions d'euros d'économies, grâce notamment à une baisse de plus de 30 % de ses coûts de développement informatique et à l'automatisation de 40 % des appels clients. Elle s'est alliée à Anthropic pour déployer Claude auprès de tous ses collaborateurs, afin d'automatiser des rapports ou de suivre des indicateurs clés.
Équiper. Former. Automatiser. Un programme industriel, certes. Mais BNP Paribas prévoit des formations, pas seulement des déploiements. Un outil que l'on ne comprend pas reste un meuble encombrant, ou pire, une béquille.
Ce qui freine
Au Forum Fintech Canada, le responsable Canada de Cohere a rappelé qu'un agent efficace à petite échelle n'est pas forcément assez sûr, ni assez rentable, pour des millions de clients. La cofondatrice de la plateforme Spade a posé une autre exigence : la traçabilité, savoir sur quelles données repose chaque décision.
Dans un laboratoire, une réponse surprenante est une curiosité. Dans une banque, une décision inexplicable est un risque, juridique, financier, moral.
Reste l'obstacle le plus prosaïque et le plus tenace. Selon Accenture, la moitié des assureurs citent l'intégration aux systèmes existants comme principal frein. Ces systèmes se sont empilés par décennies, comme les couches d'un mille-feuille. Y greffer une intelligence nouvelle relève de la chirurgie, pas du branchement.
Slawomir Krupa, directeur général de la Société Générale, garde d'ailleurs la tête froide : selon lui, le poids des régulateurs limitera l'effet de l'IA à court terme. Dans les métiers de la confiance, la lenteur est parfois le prix de la solidité.
On ne passe pas à l'échelle une promesse. On passe à l'échelle une responsabilité.
AXA, le cas le plus abouti
Le 15 septembre, Thomas Buberl, directeur général d'AXA, a présenté « Growing Forward », la feuille de route du groupe pour 2027-2029. « L'ambition centrale est l'esprit de conquête », a-t-il résumé. L'IA en est l'un des piliers, et elle va, selon lui, changer en profondeur le métier d'assureur.
Deux objectifs chiffrés : atteindre 100 millions de clients en 2029, contre 92 millions aujourd'hui, et dégager grâce à l'IA des bénéfices récurrents annuels de 500 à 700 millions d'euros avant impôts.
Le socle de cette ambition s'appelle le Global AI Hub. Plutôt que de laisser chaque filiale développer sa propre infrastructure dans son coin, AXA mutualise tout sur une même plateforme, pour réduire les coûts et les délais. Ouverte à plusieurs fournisseurs de modèles, elle garantit une supervision humaine sur toutes les décisions critiques. Livrée en juillet, cette première version sert déjà cinq entités. Pour l'étendre plus vite et y déployer ses agents, le groupe a fait appel à Publicis Sapient.
Les premiers cas d'usage sont en développement en Allemagne, en France, en Suisse et au Royaume-Uni : l'automatisation des sinistres auto, le traitement des e-mails clients, la gestion des connaissances internes. En Suisse, AXA a adopté Shift Claims, une solution de Shift Technology qui évalue et priorise les dossiers de sinistres en s'intégrant aux systèmes existants.
Ces terrains sont modestes, et c'est précisément là que se joue le passage à l'échelle. Pas dans la démonstration. Pas dans la vitrine. Pas dans l'annonce. Dans la répétition silencieuse de milliers de gestes.
Ce qu'il faut en retenir
La valeur est démontrée, mais l'adoption reste minoritaire : le goulot d'étranglement est organisationnel. Les acteurs les plus avancés convergent vers le même modèle : plateforme mutualisée, fournisseurs multiples, supervision humaine inscrite dans le dispositif. Et les freins sont connus : intégration aux systèmes existants, traçabilité, coût et fiabilité à grande échelle, cadre réglementaire.
Reste une question que les plans stratégiques ne traitent pas. Une entreprise qui automatise ses appels, ses sinistres et sa mémoire interne déplace ce qu'elle sait d'elle-même vers des machines. Elle y gagne en vitesse. Elle y perd, si elle n'y prend garde, en discernement et en savoir-faire incarné.
La supervision humaine ne doit pas devenir une case que l'on coche pour rassurer les régulateurs. Elle doit rester une compétence vivante. Pour superviser, il faut comprendre. Pour comprendre, il faut avoir pratiqué. Il est urgent de former celles et ceux qui travailleront aux côtés de ces agents, non pas à appuyer sur les bons boutons, mais à garder la main sur le jugement. Il faudra apprendre à déléguer sans abdiquer.
On ne délègue pas l'essentiel.
FAQ
Qu'appelle-t-on « passage à l'échelle » de l'IA ?
C'est le moment où l'on cesse de tester l'IA sur quelques cas d'usage pour l'intégrer dans toute l'entreprise : souscription, relation client, gestion des sinistres. Le défi n'est plus de prouver que l'outil fonctionne, mais de le faire fonctionner partout, durablement.
Où en sont réellement les assureurs ?
Selon Accenture, 81 % constatent déjà au moins 5 % d'amélioration de leurs primes grâce à l'IA et aux données, mais moins d'un sur quatre l'a intégrée à l'échelle de toute l'entreprise.
Que font BNP Paribas et la Société Générale ?
BNP Paribas a signé un partenariat de cinq ans avec Google Cloud pour faire entrer Gemini dans LLM@CIB, accessible à plus de 65 000 collaborateurs, avec des agents authentifiés et surveillés. La Société Générale déploie Claude, via Anthropic, auprès de tous ses collaborateurs, dans le cadre de son plan 2029.
Quels gains sont attendus ?
La Société Générale vise 500 à 600 millions d'euros d'économies, avec plus de 30 % de coûts de développement informatique en moins et 40 % des appels clients automatisés. AXA attend de l'IA 500 à 700 millions d'euros de bénéfices récurrents annuels avant impôts.
Quels sont les principaux freins ?
L'intégration aux systèmes existants, citée par la moitié des assureurs selon Accenture. S'y ajoutent la sûreté et la rentabilité d'un agent face à des millions de clients, l'exigence de traçabilité des décisions, et le poids des régulateurs, qui pourrait limiter l'effet de l'IA à court terme selon Slawomir Krupa.
Qu'est-ce que le Global AI Hub d'AXA ?
Une plateforme commune qui évite à chaque filiale de bâtir sa propre infrastructure. Ouverte à plusieurs fournisseurs de modèles, elle garantit une supervision humaine sur les décisions critiques. Livrée en juillet, elle sert déjà cinq entités.
Quels sont les premiers usages chez AXA ?
L'automatisation des sinistres auto, le traitement des e-mails clients et la gestion des connaissances internes, en Allemagne, en France, en Suisse et au Royaume-Uni. En Suisse, AXA utilise Shift Claims, de Shift Technology.
Pourquoi la supervision humaine reste-t-elle centrale ?
Parce qu'une décision que l'on ne sait pas expliquer est un risque, et que superviser suppose de comprendre. Garder des humains dans la boucle, c'est aussi préserver le discernement et le savoir-faire que l'automatisation tend à éroder.
-thumb.webp)