Autorek : l'IA freinée par le chaos des données en assurance

Un rapport alarmant sur l'inefficacité des données

Autorek, un fournisseur de solutions d'intelligence artificielle pour le secteur de l'assurance, a publié un rapport soulignant les obstacles opérationnels qui entravent l'efficacité et l'adoption de l'IA dans l'industrie. Intitulé Insurance Operations & Financial Transformation 2026, ce document repose sur une enquête menée auprès de 250 managers au Royaume-Uni et aux États-Unis.

Les résultats de l'enquête révèlent des goulets d'étranglement interconnectés, tels que des processus de règlement lents et une fragmentation des données. Ces problèmes structurels persistent malgré une prise de conscience généralisée parmi les entreprises interrogées.

Les chiffres clés de l'inefficacité

Selon le rapport, 14 % des budgets opérationnels sont alloués à la correction d'erreurs manuelles. De plus, 22 % des répondants identifient la complexité de la réconciliation comme un facteur majeur d'augmentation des coûts. Environ 22 % des répondants lient également les inefficacités aux risques de gouvernance et d'audit. Près de la moitié des entreprises ont des cycles de règlement qui dépassent 60 jours.

Les volumes de transactions devraient croître de 29 % dans les deux prochaines années, ce qui pourrait alourdir encore plus les charges d'exploitation. Cette augmentation est attribuée à une combinaison de traitements manuels, de systèmes de données disparates et de complexité transactionnelle.

L'écart entre attentes et réalité de l'IA

Bien que 82 % des entreprises s'attendent à ce que l'IA domine le secteur, seulement 14 % ont intégré cette technologie de manière complète dans leurs opérations. Six pour cent des entreprises ne l'utilisent pas du tout.

Le rapport identifie plusieurs obstacles à l'adoption de l'IA, notamment l'intégration des systèmes hérités, la fragmentation des données et le manque d'expertise interne. La question de la fragmentation des données affecte les cadres de gouvernance des données, rendant ces derniers également fragmentés. Les auteurs du rapport citent la complexité des états de données dans de nombreuses entreprises comme la principale raison pour laquelle les déploiements d'IA sont limités dans le secteur.

Les entreprises gèrent en moyenne 17 sources de données, ce qui complique l'implémentation de l'IA, surtout après des fusions et acquisitions.

Solutions proposées pour une adoption réussie

Les auteurs du rapport suggèrent que les processus de réconciliation pourraient servir de terrain d'expérimentation pour l'IA, car ils sont structurés et basés sur des règles. Cependant, toute automatisation appliquée à une architecture de données fragmentée pourrait ne pas évoluer sans coûts accrus.

Le rapport recommande l'utilisation de plateformes d'IA basées sur le cloud pour structurer les sources de données fragmentées. La normalisation des données et une meilleure gouvernance sont essentielles avant d'envisager une automatisation à grande échelle.

Enjeux structurels et perspectives

La dichotomie entre les processus de réconciliation structurés et les sources de données disparates crée une complexité mesurable en termes de coûts et de délais. Les entreprises qui parviennent à résoudre ces problèmes structurels pourraient bénéficier d'un avantage concurrentiel significatif.

L'IA pourrait potentiellement réduire les coûts de réconciliation et s'attaquer à la complexité des données fragmentées et des couches logicielles que l'automatisation basée sur des règles, comme la RPA (automatisation des processus robotiques), pourrait ne pas être en mesure de traiter économiquement. Toutefois, le rythme de résolution de ces problèmes dépend de la technologie héritée et des charges opérationnelles quotidiennes. Bien que l'impact de l'IA sur les performances globales reste incertain, la réduction des coûts pourrait constituer un résultat suffisamment positif pour justifier l'effort d'amélioration structurelle.