L’exploitation des données documentaires reste l’un des principaux défis des assureurs. Pour Aurélien Couloumy, fondateur et CEO de Dylogy – société française spécialisée dans l’intelligence artificielle appliquée à l’assurance – l’IA peut accélérer la souscription, l’analyse des contrats et la compréhension des sinistres, à condition d’être intégrée avec méthode.
Les assureurs disposent de masses considérables de données. Pourquoi peinent-ils encore à exploiter efficacement les informations contenues dans leurs contrats et dossiers de sinistres ?
Le principal frein reste l’héritage technologique. Comme pour la donnée structurée, la donnée documentaire a souvent été stockée au fil des années sans véritable logique d’exploitation. Les assureurs souhaitent aujourd’hui utiliser cette information, mais ils se heurtent à des systèmes qui n’ont pas été conçus pour cela. Avant même de parler d’intelligence artificielle, il faut donc répondre à des questions de gouvernance : savoir d’où vient la donnée, pourquoi elle est collectée, à qui elle appartient et où elle est stockée. C’est généralement sur ces sujets que commencent nos discussions avec les acteurs de l’assurance.
Quels risques cette mauvaise exploitation des données fait-elle peser sur les métiers de l’assurance ?
Le premier risque est juridique. Dans de nombreuses organisations, les contrats sont encore analysés de manière partielle, faute de temps ou d’outils adaptés. Certaines clauses protectrices peuvent alors passer inaperçues ou être mal interprétées. La crise de la Covid-19 a illustré cette réalité avec les clauses d’interruption d’activité. Plus largement, les assureurs peuvent s’exposer à des risques qu’ils n’ont pas identifiés, notamment sur des sujets émergents comme le cyber. Du côté des sinistres, les informations descriptives sont généralement disponibles, mais les enseignements permettant de comprendre réellement les causes des événements restent souvent sous-exploités. Les assureurs passent ainsi à côté d’une meilleure compréhension de leur exposition au risque et de leviers de compétitivité importants.
La souscription est souvent présentée comme l’un des métiers les plus impactés par l’IA. Jusqu’où l’automatisation est-elle réellement possible ?
Les tâches documentaires sont déjà largement automatisables. La vérification des pièces justificatives, l’extraction d’informations ou encore les contrôles de conformité avec les règles de souscription sont aujourd’hui des usages maîtrisés. Nous avons notamment travaillé sur des dossiers de souscription auto où l’automatisation couvre déjà l’ensemble de ces étapes. En revanche, lorsqu’il s’agit d’analyser des risques complexes ou des dossiers corporate, l’expertise humaine reste indispensable. L’IA apporte une capacité supplémentaire de lecture et de normalisation des dossiers, mais les assureurs ne souhaitent pas déléguer entièrement leurs décisions à la machine. Les enjeux de responsabilité et de maîtrise du risque imposent de conserver l’humain au cœur du processus.
Vous lancez Claims Discover. Que peut apporter cette solution aux assureurs ?
Nous sommes partis d’un constat partagé par de nombreux assureurs : ils savent généralement identifier le montant d’un sinistre, sa localisation ou son responsable, mais ils peinent encore à comprendre précisément pourquoi il s’est produit. Pourtant, cette information est souvent déjà présente dans les rapports d’expertise et dans la documentation associée. Avec Claims Discover, nous avons développé pendant deux ans des modèles spécialisés capables d’extraire non seulement le « qui », le « quoi » et le « comment », mais également le « pourquoi ». L’objectif est d’identifier les causes profondes des sinistres afin d’améliorer la compréhension du risque, les politiques de prévention et les décisions de souscription. Nous transformons ainsi les dossiers de sinistres en graphes de connaissances et en chaînes causales d’événements plutôt qu’en simples tableaux de données.
Face à la multiplication des modèles d’IA, quelle stratégie les assureurs doivent-ils adopter ?
Nous sommes convaincus qu’il n’existe pas de modèle universel capable de répondre à tous les besoins. Certaines tâches simples ne nécessitent pas les grands modèles génératifs qui occupent aujourd’hui le devant de la scène. Chez Dylogy, nous avons développé un « AI Gateway » qui permet de sélectionner le modèle le plus pertinent selon l’usage. Cette approche apporte davantage de performance, de maîtrise des coûts et de résilience. Dans certains cas, des modèles open source offrent une qualité comparable à celle de modèles propriétaires pour un coût jusqu’à dix fois inférieur. L’enjeu n’est donc pas de choisir un modèle unique, mais de disposer d’une architecture capable de s’adapter à chaque besoin métier tout en limitant les risques opérationnels, financiers ou géopolitiques liés à une dépendance excessive à une seule technologie.
Où en est aujourd’hui Dylogy sur le plan financier ?
J’ai cofondé l’entreprise avec deux associés, l’un rencontré en Belgique dans le cadre professionnel, l’autre sur les bancs de l’école d’actuariat. Nous avons créé Dylogy en 2023 avec l’objectif de nous développer en autofinancement jusqu’à atteindre un premier palier. En 2024, nous avons réalisé une levée de fonds de 2 M€. Cette opération a été menée notamment avec Convex, en tant qu’investisseur stratégique et premier utilisateur de notre solution, ainsi qu’avec le fonds Hub612 de la Caisse d’épargne et plusieurs investisseurs complémentaires. Ces fonds ont été principalement investis dans la recherche et développement et dans le recrutement des équipes nécessaires au développement de nos différentes technologies : la plateforme, l’offre dédiée à l’analyse contractuelle et celle consacrée à l’analyse des sinistres. Nous préparons désormais un nouveau cycle de développement. Une prochaine levée de fonds est envisagée au cours du second semestre afin d’accompagner notre croissance internationale. En 2025, notre chiffre d’affaires s’est établi à près d’1M€ de chiffre d’affaires. Cette année, nous visons quasiment le double et nous sommes actuellement en ligne avec cet objectif.
Vous réalisez déjà 30 % de votre chiffre d’affaires à l’international. Pourquoi les marchés anglo-saxons semblent-ils adopter l’IA plus rapidement que la France ?
Nous observons effectivement un décalage important. La technologie évolue extrêmement vite, mais son intégration dans les compagnies d’assurance reste beaucoup plus lente. Ce n’est pas un problème technologique. Les assureurs sont des organisations complexes, avec des contraintes réglementaires, des processus de décision longs et des enjeux de gouvernance importants. Chaque étape d’appropriation peut prendre plusieurs mois. Sur les marchés anglo-saxons, notamment au Royaume-Uni, nous constatons une plus grande facilité à remettre en question les processus existants et à expérimenter de nouvelles approches. La conduite du changement y est souvent plus rapide. À l’inverse, la France se montre généralement plus prudente. Cette prudence ralentit l’adoption mais présente aussi un avantage : lorsque les transformations sont engagées, elles ont tendance à s’inscrire davantage dans la durée.
