Maturité IA du secteur assurance : de quelle maturité parlons-nous vraiment ?

L'indice de maturité IA que le cabinet Evident vient de publier pour le secteur assurance raconte une histoire flatteuse : 29 assureurs sur 30 progressent, l'écart entre Allianz et Axa en tête de classement et le peloton qui suit se resserre, et le secteur accélère sur l'intégration de l'IA agentique dans ses workflows critiques (souscription, gestion des sinistres, tarification). Une dynamique sectorielle plus homogène que dans la banque, où le fossé entre les leaders et les retardataires continue au contraire de se creuser. 

C'est une bonne nouvelle. Mais c'est aussi une question mal posée. Un indice qui agrège des scores pour déterminer une position générale dans un classement répond à la question « qui avance le plus vite ? ». Il ne répond pas à la question qui compte vraiment pour un COMEX en 2026 : avancer vite sur quoi, exactement, et au prix de quel déséquilibre ? 

Le problème du chiffre unique 

Chez Gabriel Greenfield, le diagnostic GAME (Greenfield AI Maturity Evaluation) part d'un principe simple qui contredit frontalement la logique du classement agrégé : la maturité IA d'une organisation n'est jamais la moyenne de ses capacités, elle est déterminée par sa dimension la plus faible. GAME évalue sept dimensions, de la stratégie à l'organisation et au leadership, en passant par les données, la plateforme de modèles, les cas d'usage, la gouvernance et conformité, et le vivier de talents. Chacune est positionnée sur cinq paliers, de N1 (exploratoire, POC isolés, gouvernance nulle) à N5 (natif, avantage défendable). La règle d'or : aucune dimension ne peut être en avance de plus d'un niveau sur les autres sans que l'organisation ne bascule, de fait, dans la catégorie de sa dimension la plus en retard. 

Appliquée à un assureur qui affiche une belle progression sur l'indice Evident, cette règle change complètement la lecture. Un assureur peut très bien être à N3 ou N4 sur ses cas d'usage agentiques (Dimension 4, "Use cases & Value") et sur sa plateforme technique (Dimension 3, "Models & AI Platform"), tout en restant à N1 sur la gouvernance et la conformité (Dimension 5) ou sur les talents et la culture (Dimension 6). Dans la grille GAME, cet assureur n'est pas « globalement avancé avec un axe à consolider ». Il est classé au niveau de sa dimension la plus faible, parce que c'est précisément là que se matérialise le risque. 

Sécurité et conformité : l'angle mort le plus fréquent 

C'est ici que la question posée autour de la maturité IA prend tout son sens : la sécurité et la conformité sont-elles réellement au rendez-vous de cette accélération sectorielle, ou l'indice mesure-t-il surtout la vitesse d'adoption sans regarder ce qui la sous-tend ? 

Pour l'assurance, la réponse est structurellement inconfortable. La souscription automatisée et la gestion des sinistres relèvent, dans la très grande majorité des cas, de la catégorie « haut risque » de l'AI Act européen : elles affectent directement l'accès à un service financier et les droits d'un assuré. GAME a documenté, sur des organisations comparables dans le secteur financier, un scénario qui se répète presque à l'identique : une plateforme MLOps solide et éprouvée depuis plusieurs années sur les modèles prédictifs, mais aucun processus LLMOps équivalent pour les copilotes et agents déployés depuis douze à dix-huit mois, aucun monitoring de dérive actif sur ces nouveaux systèmes, et des procédures de rollback jamais testées en conditions réelles. Le verdict GAME dans ce cas de figure est sans appel : l'organisation est N3 sur le prédictif, N1 sur le génératif et l'agentique, et elle échoue aux critères de passage N2 vers N3. 

Transposé à l'assurance, cela signifie qu'un assureur peut afficher une intégration agentique impressionnante dans ses workflows de sinistres tout en n'ayant ni inventaire structuré de ses agents, ni classification de risque AI Act formalisée, ni certification ISO 42001 engagée, ni seuils d'escalade testés pour les décisions automatisées les plus sensibles. La vitesse d'adoption devient alors, littéralement, une dette : dette technique, dette de gouvernance, dette réglementaire, qui se matérialise rarement au moment du déploiement, mais presque toujours au moment de l'incident ou de l'audit. 

Le change management, grand oublié des indices de maturité 

Le second point que soulève l'accélération observée par Evident concerne les talents : le secteur recrute davantage d'experts IA, ce qui explique en partie la progression du score. C'est une nécessité, mais ce n'est pas suffisant. Dans la grille GAME, cette dimension (Dimension 6, "Talent & Culture") ne se limite pas au recrutement de compétences techniques : elle évalue la présence d'un programme de formation structuré par population, et surtout d'une conduite du changement documentée et pilotée dans la durée, pas seulement annoncée en interne. 

C'est précisément le scénario que Gabriel Greenfield a documenté chez un acteur du retail ayant investi douze millions d'euros sur deux ans dans une plateforme IA multi-modèles techniquement mature (D2 et D3 à N3-N4), pour découvrir que ses dimensions D6 et D7 (talent, organisation et leadership) restaient à N1 : aucun programme de formation structuré, aucun AI Product Manager ou AI Business Analyst dans les équipes produit, aucun modèle opératoire défini pour les décisions liées à l'IA, laissées par défaut à la seule DSI. L'écart de trois niveaux entre les dimensions techniques et humaines signale, dans la méthode GAME, un risque d'effondrement du programme par désalignement organisationnel, pas une simple marge de progression. 

Pour l'assurance, où l'intégration agentique touche directement le métier du conseiller, du souscripteur et du gestionnaire de sinistres, ignorer cette dimension revient à construire un système performant que personne, en interne, n'a la légitimité ni la compétence pour superviser, challenger ou faire évoluer une fois les consultants partis. Le Lean Change Management que mobilise notre framework Meridian sur ses missions de transformation repose sur un principe simple mais rarement appliqué : traiter la résistance des équipes comme de l'information exploitable, jamais comme de l'obstruction à vaincre, et mesurer l'adoption réelle des nouveaux workflows, pas seulement leur taux de déploiement technique. 

Ce que révèle vraiment un bon diagnostic 

L'indice Evident a le mérite de mettre le sujet sur la table des COMEX, ce qui est déjà une avancée par rapport à un secteur qui, il y a encore deux ans, discutait de l'IA en termes exclusivement technologiques. Mais un classement sectoriel raconte une moyenne, et une moyenne masque exactement les déséquilibres qui font basculer un programme IA d'un actif stratégique à un passif réglementaire et humain. 

La question que devrait se poser tout dirigeant d'assurance qui se réjouit de sa position dans l'indice n'est donc pas « suis-je devant ou derrière mes pairs ? », mais « quelle est ma dimension la plus faible, et suis-je prêt à ce qu'elle détermine, demain, mon niveau réel face à un régulateur, un client lésé ou un incident agentique ? ». C'est une question inconfortable. C'est exactement pour cela qu'elle mérite un diagnostic honnête plutôt qu'un chiffre rassurant.