ANALYSEASSURANCE
L'IA dans l'assurance : adoption record, industrialisation en retard
L'assurance est le secteur le plus équipé en IA — mais 10 % seulement des assureurs l'ont industrialisée, pendant que la sinistralité dépasse 100 Md$ pour la 6e année. Six familles de cas d'usage, quatre points de rupture, cinq décisions à 90 jours.
Le secteur le mieux équipé de l'économie
Commençons par ce qui distingue ce rapport des précédents. Après le commerce, puis le transport et la logistique — deux secteurs en retard d'adoption —, l'assurance présente la situation inverse : c'est l'un des secteurs les plus équipés en intelligence artificielle de toute l'économie. Aux États-Unis, 33,9 % des entreprises du secteur finance-assurance déclarent utiliser l'IA pour produire leurs services, contre 19,8 % en moyenne tous secteurs confondus (US Census Bureau). Au Royaume-Uni, le régulateur mesure 95 % d'adoption chez les assureurs ayant répondu à son enquête — le taux le plus élevé des services financiers (Bank of England / FCA).
L'Europe continentale confirme, avec ses nuances de branches. Selon l'enquête du superviseur européen auprès de 209 organismes, 50 % des assureurs non-vie et 24 % des assureurs vie utilisent déjà l'IA, et les intentions à trois ans portent ces chiffres vers 80 % et 63 % (EIOPA). Sur l'IA générative, le basculement est allé très vite : début 2026, près de deux tiers des 347 organismes interrogés dans 25 pays l'utilisent activement — 64 % des cas d'usage recensés sur des processus internes, extraction de données de factures et de rapports médicaux en tête, et déjà 36 % face au client (EIOPA). En France, la coupe statistique nationale exclut le secteur financier de son champ d'enquête — mais le superviseur français documente la même dynamique, et la moyenne nationale, 18 % d'entreprises utilisatrices en 2025, situe l'ordre de grandeur que la banque-assurance dépasse largement (INSEE).
L'assurance adopte l'IA plus que le reste de l'économie — partout où on la mesure
Ce niveau d'équipement n'a rien d'un hasard. L'assurance est un métier de données depuis ses origines : tables de mortalité, statistiques de sinistralité, segmentation des risques — l'actuariat est une science de la prédiction, et le machine learning en est le prolongement naturel. Les enquêtes américaines par branche le confirment : 88 % des assureurs auto et 84 % des assureurs santé utilisent, testent ou explorent déjà l'IA et le machine learning (NAIC). La question du secteur n'est donc pas « faut-il y aller » : presque tout le monde y est.
La vraie question est ailleurs, et elle structure tout ce rapport : l'adoption n'a pas encore produit la valeur. Utiliser l'IA quelque part dans l'organisation est devenu banal ; l'industrialiser sur une chaîne complète — souscription, sinistres, fraude, relation client — avec un résultat mesuré reste l'exception. C'est cet écart entre équipement record et industrialisation minoritaire que les chiffres de maturité, plus loin, mesurent précisément. Et il se creuse au pire moment : la sinistralité, elle, ne ralentit pas.
Cent milliards par an, six années de suite
Si l'assurance accélère sur l'IA, ce n'est pas par goût de la technologie : c'est que son équation économique se tend. Les catastrophes naturelles ont coûté 107 milliards de dollars de pertes assurées en 2025 — sixième année consécutive au-dessus du seuil des 100 milliards — après 141 milliards en 2024 ; les incendies de Los Angeles, à eux seuls, ont coûté 40 milliards de dollars assurés, le feu le plus coûteux de l'histoire (Swiss Re Institute). Et 2025 est l'année la plus chère jamais enregistrée pour les périls dits secondaires — inondations, orages, incendies — précisément ceux qui frappent en fréquence (Munich Re).
La France vit la même pression à son échelle. Les événements naturels ont coûté 3,87 milliards d'euros aux assureurs français en 2024, et le régime des catastrophes naturelles a dû relever sa surprime de 12 % à 20 % sur les contrats habitation et professionnels au 1er janvier 2025 (France Assureurs). S'y ajoute la fraude, l'autre fuite du système : 946 millions d'euros détectés en France en 2025, en hausse de 5 % (ALFA) ; 1,16 milliard de livres au Royaume-Uni, un record (ABI) ; et une estimation de 308,6 milliards de dollars de coût annuel pour les consommateurs américains (Coalition Against Insurance Fraud) — sachant que la fraude détectée n'est, par construction, que la partie visible.
Troisième tension, moins visible mais structurelle : les effectifs. Le secteur américain devait perdre environ 400 000 collaborateurs par départs en retraite d'ici 2026 — souscripteurs et gestionnaires de sinistres en tête (US Bureau of Labor Statistics). L'expertise actuarielle et l'instruction des dossiers reposent sur des savoirs longs à former ; quand ils partent, ils ne se remplacent pas au rythme où la sinistralité augmente. Le combined ratio américain s'est certes rétabli à 92,2 en 2025, son meilleur niveau en dix ans — mais ce rétablissement doit beaucoup aux hausses de primes, dont l'acceptabilité a ses limites (AM Best). La conclusion est arithmétique : quand la sinistralité augmente structurellement et que l'expertise se raréfie, chaque heure d'instruction, chaque dossier de fraude manqué, chaque erreur de tarification coûte plus cher qu'avant. C'est exactement le terrain de l'IA.
L'adoption n'est pas l'industrialisation
Revenons à l'écart annoncé en ouverture, car il se mesure désormais avec précision. Sur 344 dirigeants d'assurance dommages interrogés dans le monde, 10 % seulement dirigent des organisations ayant réellement industrialisé l'IA — les « trailblazers » —, quand 60 % restent au stade de l'exploration ou de la preuve de concept (Capgemini). L'écart de résultats entre les deux groupes est spectaculaire : jusqu'à 21 % de croissance de chiffre d'affaires en plus et 51 % de performance boursière supplémentaire sur trois ans pour les premiers.
Pourquoi si peu franchissent-ils le pas ? Les mêmes enquêtes donnent la réponse, et elle n'est pas technologique : 42 % des assureurs ne suivent aucun indicateur de performance de leurs initiatives IA, et 55 % constatent l'absence de retour sur investissement clair (Capgemini). On ne peut pas industrialiser ce qu'on ne mesure pas. La mise en garde vaut doublement pour la vague des agents autonomes : plus de 40 % des projets d'IA agentique, tous secteurs confondus, seront abandonnés d'ici fin 2027 faute de valeur métier démontrée et de contrôles de risques (Gartner). Dans les services financiers britanniques — assureurs en tête —, 55 % des cas d'usage impliquent déjà une part de décision automatisée, mais 2 % seulement relèvent d'une décision pleinement autonome (Bank of England / FCA) : l'autonomie totale reste, à juste titre, l'exception.
Équipement record, industrialisation minoritaire — l'écart qui fait le classement de demain
Pendant que la majorité expérimente, le capital, lui, a déjà choisi : le financement insurtech mondial est reparti à la hausse en 2025 — 5,08 milliards de dollars, première progression depuis 2021 — et 77,9 % des montants du dernier trimestre sont allés à des sociétés centrées sur l'IA (Gallagher Re). Les clients aussi ont pris de l'avance sur leurs assureurs : près de 70 % déclarent avoir utilisé de leur propre initiative des outils d'IA générative grand public au moment d'acheter une assurance, tout en restant vigilants sur la confidentialité et attachés au contact humain dans les moments difficiles (Geneva Association). L'environnement — capital, clients, concurrents — avance ; l'écart de maturité interne devient le principal risque stratégique du secteur.
Six familles de cas d'usage, une logique commune
Où l'IA produit-elle des résultats mesurés dans l'assurance ? Les déploiements documentés — communiqués officiels, rapports annuels, dépôts réglementaires — dessinent six familles de cas d'usage, chacune portée par des chiffres publiés et vérifiables. Aucune n'exige d'inventer une technologie : toutes exigent une donnée préparée et un périmètre choisi.
La gestion des sinistres. C'est la famille où l'écart avant-après est le plus spectaculaire, parce que le sinistre concentre tout : documents, photos, expertise, conformité, relation client. Allianz a mis en production sa première IA agentique de sinistres en Australie — sept agents spécialisés qui vérifient la couverture, valident l'événement météo, filtrent la fraude et calculent l'indemnisation. Sur son premier périmètre, les sinistres simples et plafonnés — les denrées avariées après une coupure de courant —, le temps de traitement et de règlement chute de 80 %, de plusieurs jours à un jour, parfois quelques heures — et la décision de paiement n'est jamais automatisée (Allianz). Chez Lemonade, environ 55 % des sinistres sont réglés de bout en bout sans intervention humaine, et le coût de traitement d'un sinistre animaux est tombé de 44 à 14 dollars en quatre ans (Lemonade). Les acteurs installés suivent la même pente : chez Travelers, plus de la moitié des sinistres sont désormais éligibles au traitement direct, et les effectifs des centres d'appels sinistres ont été réduits d'environ un tiers (Travelers).
La souscription. C'est la famille du document long : dossiers médicaux, états de risque, questionnaires — la matière première existe, elle attend d'être lue. Zurich a réduit de 78 % le temps de traitement de sa souscription commerciale britannique en deux ans, en combinant IA documentaire et imagerie aérienne pour l'évaluation des biens (Zurich). Aviva a lancé fin 2025, après dix-huit mois de test sur mille dossiers, un outil d'IA générative qui synthétise des rapports médicaux de plus de quatre-vingt-dix pages pour la souscription vie — le souscripteur gardant la décision finale (Aviva). Et l'ordre de grandeur atteignable est connu : chez le géant chinois Ping An, 94 % des polices vie sont souscrites avec une décision rendue en quelques secondes (Ping An).
La détection de fraude. C'est la famille au retour le plus directement chiffrable : chaque dossier frauduleux écarté est une économie nette. La référence mondiale est française : Shift Technology, qui a analysé plus de 4 milliards de polices, sinistres et documents pour plus de 120 assureurs dans une trentaine de pays, chiffre à 2 milliards de dollars la fraude mise au jour aux seuls États-Unis en 2025 (Shift Technology). Generali France, cliente depuis 2016, a doublé sa détection en cinq ans sur les sinistres construction (Generali). À l'échelle au-dessus, Ping An économise plus de 10 milliards de yuans de sinistres par an — environ 1,45 milliard de dollars — grâce à sa détection intelligente, pour la troisième année consécutive (Ping An).
La relation client. C'est la famille qui va le plus vite, parce que le coût par contact est déjà connu de tous les directeurs de la relation client. Le plafond est documenté : chez Ping An, les agents IA ont traité environ 1,7 milliard d'interactions en 2025, soit 80 % de l'ensemble du service client du groupe (Ping An). En France, l'assureur santé Alan résout instantanément 40 % des demandes de ses membres — 70 % des questions simples de garanties — avec une satisfaction maintenue à 4,5 sur 5 et une équipe support stable malgré un tiers de membres en plus (Alan). Aux États-Unis, la quasi-totalité des quelque 50 000 messages quotidiens envoyés aux assurés sinistrés d'Allstate sont rédigés par IA générative, les conseillers n'intervenant plus que pour vérifier (Allstate).
La tarification et la modélisation du risque. C'est la famille la plus proche du cœur actuariel — et la plus encadrée, on le verra. L'outillage s'est industrialisé : l'insurtech française Akur8, spécialiste de la tarification par IA transparente, équipe plus de 250 assureurs dans une quarantaine de pays, et plus de 3 000 actuaires l'utilisent quotidiennement (Akur8). La donnée comportementale change l'assiette même du calcul : Progressive nourrit ses modèles de dizaines de milliards de miles de conduite télématique par an, et a gagné 3,7 millions de polices en 2025 (Progressive). Face à la sinistralité climatique, la modélisation fine des périls secondaires devient l'autre usage décisif de cette famille — c'est elle qui décide de la justesse des primes de demain.
Le support interne et les fonctions transverses. C'est la famille discrète — et souvent le premier déploiement rentable, parce qu'elle ne touche ni la tarification ni la décision d'indemnisation. AXA a ouvert son IA générative sécurisée à l'ensemble du groupe : 65 000 collaborateurs y avaient accédé fin 2024, dont 16 000 utilisateurs réguliers chaque semaine, sur des usages allant du résumé de dossier à la préparation de souscription (AXA). Covéa a mis six outils d'IA générative en usage quotidien — dont la synthèse automatique de dossiers sinistres, qui fait gagner jusqu'à quinze minutes par dossier complexe (Covéa). Travelers compte plus de 20 000 utilisateurs réguliers de ses outils internes (Travelers) ; CNP Assurances instruit une trentaine de cas d'usage en méthode test-and-learn (CNP Assurances).
Deux vitesses de retour — et ce qui les conditionne
Six familles, un point commun : le dossier consolidé. L'assureur qui structure sa donnée de polices, de sinistres et d'échanges clients sert ses assurés — et rend chacune de ces familles accessible dans l'ordre de son choix.
La preuve en français
L'objection classique — « ces résultats sont ceux de géants américains ou asiatiques » — tient encore moins ici qu'ailleurs : deux des références mondiales de l'IA d'assurance sont des sociétés françaises, et les grands groupes de la place documentent leurs déploiements avec les mêmes règles que partout : un périmètre étroit, une donnée préparée, un résultat mesuré. Quatre cas suffisent à le montrer.
Un cinquième signal français mérite le détour, parce qu'il ne porte pas sur la technologie mais sur la méthode : la MAIF a signé en mai 2026 avec six syndicats représentatifs un accord d'entreprise dédié à l'IA — engagement d'absence de licenciement économique lié à l'IA, formation des 9 000 salariés, commission de suivi rattachée au comité social (MAIF). Dans un métier où la valeur repose sur des gestionnaires et des souscripteurs expérimentés, embarquer les équipes n'est pas un supplément d'âme : c'est une condition du résultat.
Le rail réglementaire : la tarification vie et santé est déjà classée
L'assurance a une particularité que ni le commerce ni la logistique ne connaissent à ce degré : une partie de ses cas d'usage IA est déjà nommément classée à haut risque par la loi. Le règlement européen sur l'IA range dans son annexe III les systèmes d'évaluation des risques et de tarification en assurance vie et santé ; l'accord européen de mai 2026 a reporté l'application de ces obligations au 2 décembre 2027 — un délai, pas une dispense (AI Act). En France, l'ACPR — pressentie comme autorité de surveillance de ces usages — a ouvert à l'été 2026 une consultation publique sur l'équité algorithmique : le superviseur prépare ses doctrines avant l'échéance (ACPR).
Le reste du cadre est déjà en vigueur, et il couvre la quasi-totalité des six familles. Le superviseur européen a publié en août 2025 son opinion sur la gouvernance de l'IA — données, traçabilité, équité, explicabilité, supervision humaine — applicable à tous les systèmes, y compris ceux que l'AI Act ne classe pas (EIOPA). La résilience numérique s'impose depuis janvier 2025 à tous les assureurs européens, prestataires d'IA et de cloud compris (DORA). Et le RGPD encadre strictement les données de santé qui nourrissent la souscription et la gestion des sinistres (CNIL). Les États-Unis suivent la même pente par leurs propres canaux : le bulletin modèle sur l'IA est adopté par 24 États et le District de Columbia, le Colorado impose sa gouvernance des modèles prédictifs depuis octobre 2025, et New York exige la preuve d'absence de discrimination indirecte en souscription (NAIC).
Un cadre déjà posé — et un seul régime « haut risque » nommément désigné
Aucune de ces règles n'interdit quoi que ce soit : elles distinguent les familles à conformité légère — support interne, relation client, fraude — de celle qui exigera un dossier complet. Le choix du premier cas d'usage est donc aussi un choix de régime réglementaire.
Le parcours d'un projet — et ses quatre points de rupture
Les projets d'IA qui s'enlisent dans l'assurance ne butent pas sur les murs du commerce ou de la logistique : ils butent sur les leurs. En superposant les retours de terrain — les 10 % qui industrialisent comme les 60 % qui expérimentent sans cadre (Capgemini) —, quatre points de rupture propres au secteur se dégagent. Chacun se prévient par une décision qui ne coûte rien, à condition d'être prise avant le lancement.
- Rupture n°1 — le pilote avant le dossier. L'organisation lance un assistant de souscription ou de sinistres au-dessus de générations de systèmes cœur qui ne se parlent pas : les polices dans un système de gestion hérité, les sinistres dans un autre, les pièces en GED, les échanges dans les messageries. L'outil calcule sur du sable et l'équipe conclut que « l'IA ne marche pas ». Les cas aboutis font l'inverse — Aviva a testé sa synthèse médicale dix-huit mois sur mille dossiers préparés avant d'ouvrir le service (Aviva). La parade : commencer par consolider le dossier du seul cas choisi, même si c'est le chantier le moins visible.
- Rupture n°2 — le modèle opaque devant la validation actuarielle. L'assurance est le seul secteur où tout modèle qui touche au risque passe une validation formelle — actuariat, gestion des risques, audit. Le pilote brillant construit sur un modèle inexplicable s'arrête précisément là, après des mois de développement : impossible de documenter ce que le superviseur exige déjà — explicabilité, traçabilité, supervision humaine (EIOPA). La parade : exiger l'explicabilité dès le choix de l'outil, pas en fin de parcours — c'est le positionnement de la tarification par IA transparente d'Akur8, et la règle d'Aviva, où le souscripteur garde la décision finale.
- Rupture n°3 — la donnée de santé et l'équité découvertes après le développement. Le cas touche la tarification ou des données de santé, et la revue réglementaire arrive après coup : discrimination indirecte non testée, information des personnes absente, base légale fragile — exactement ce que l'AI Act classe à haut risque en vie et santé, que le RGPD encadre, et que les superviseurs mettent en doctrine, de l'équité algorithmique à la preuve d'absence de proxy discrimination (ACPR ; NYDFS). La parade : intégrer la revue conformité au chiffrage du cas — et réserver la tarification vie-santé au moment où la gouvernance est prête.
- Rupture n°4 — l'automatisation du moment de vérité. Le sinistre est l'instant où l'assurance prouve sa valeur — et le seul contact que le client redoute de perdre : près de 40 % s'inquiètent de la disparition du contact humain, au moment même où ils adoptent l'IA pour tout le reste (Geneva Association). L'organisation qui automatise de bout en bout jusqu'au refus d'indemnisation gagne des minutes et perd la confiance — réclamations, départs, attention du régulateur ; le marché ne s'y trompe pas : dans les services financiers britanniques, 2 % seulement des cas d'usage relèvent d'une décision pleinement autonome (Bank of England / FCA). La parade : revue humaine obligatoire sur toute décision défavorable — Allianz l'a inscrite dans le fonctionnement même de ses agents de sinistres — et automatisation intégrale réservée aux demandes simples et aux décisions favorables.
Chaque point de rupture se prévient par une décision qui ne coûte rien — à condition de la prendre avant de commencer, pas après.
Ce que le dirigeant doit décider — et quand
Ni plan de transformation à trois ans, ni attentisme prudent pendant que les référentiels bougent : la trajectoire qui fonctionne, à en juger par les déploiements menés à terme, tient en cinq décisions sur quatre-vingt-dix jours — chacune avec son indicateur, chacune répondant à l'un des points de rupture ci-dessus.
- Choisir une famille, pas une technologie. Parmi les six familles documentées, prendre celle où le coût actuel est le plus mesurable — relation client, fraude et support interne sont les entrées les plus fréquentes, et les moins exposées réglementairement. Indicateur : un chiffre de coût de départ validé (coût par contact, minutes par dossier, délai de souscription, fraude détectée).
- Auditer le dossier du cas choisi — pas toute l'entreprise. Historique de polices, dossiers de sinistres, pièces jointes, conversations clients : la donnée existe-t-elle, est-elle consolidée, depuis quand ? Indicateur : verdict écrit en quinze jours.
- Passer la revue conformité du cas avant de signer. Données de santé, information des personnes, explicabilité, discrimination indirecte : quel régime — AI Act, RGPD, doctrine du superviseur — s'applique à ce cas précis, et que faut-il documenter ? Indicateur : revue écrite jointe au chiffrage — avant signature.
- Chiffrer en coût total — équipes comprises. Licence, intégration aux systèmes de polices et de sinistres, consolidation du dossier, accompagnement des gestionnaires et souscripteurs — avec les équipes dans la boucle dès le premier jour, à la manière de l'accord signé à la MAIF. Indicateur : un budget où la préparation des données et l'accompagnement humain sont visibles en première page.
- Fixer la date de décision et instrumenter la mesure dès le premier jour. Industrialiser ou arrêter, à douze ou vingt-quatre semaines selon la famille ; le chiffre d'arrivée se compare au chiffre de départ, sur le même périmètre, avec la revue humaine maintenue tant que la qualité n'est pas démontrée. Indicateur : la date figure à l'agenda du comité exécutif, le tableau de bord avant/après est actif dès la semaine 1.
Le troisième scénario — ne rien faire — a aussi un prix, même s'il n'apparaît sur aucun budget. Les 10 % d'assureurs qui ont industrialisé affichent jusqu'à 21 % de croissance de plus et un rendement actionnarial six fois supérieur (Capgemini ; McKinsey) ; la sinistralité dépasse 100 milliards de dollars pour la sixième année consécutive (Swiss Re Institute) ; et chaque euro de fraude non détectée est définitivement payé. Dans un secteur où presque tout le monde est déjà équipé, l'écart ne se fait plus sur l'adoption : il se fait sur la discipline — pas plus de moyens, plus de méthode.
Méthode
Ce rapport s'appuie sur trois matériaux. D'abord, les enquêtes statistiques et travaux publics d'institutions de référence — US Census Bureau, NAIC, Bank of England / FCA, EIOPA, INSEE, ACPR, CNIL, France Assureurs, ALFA, ABI, Swiss Re Institute, Munich Re, AM Best, Capgemini, Gallagher Re, Geneva Association, Deloitte, Gartner, McKinsey — dont les références complètes figurent ci-dessous. Ensuite, la base de connaissance YPrtnrs Institute : plus de 330 cas d'entreprises et points de données vérifiés, dont près de soixante spécifiques à l'assurance, chacun rattaché à une publication originale. Enfin, l'analyse propre de YPrtnrs Institute, dont les estimations sont systématiquement signalées comme telles et jamais présentées comme des mesures. Les chiffres d'entreprises proviennent de communications officielles, de rapports annuels, de dépôts réglementaires ou de déclarations de leurs dirigeants relayées par la presse spécialisée citée en ressources ; les projections (McKinsey, Deloitte, Gartner) sont datées et désignées explicitement comme des projections.
Ressources
ACPR. (2025, septembre). Surveillance de l'IA dans le secteur financier — réunion de place ; ACPR. (2026, juillet). L'ACPR lance une consultation publique sur l'équité algorithmique. Autorité de contrôle prudentiel et de résolution.
Allianz. (2025, novembre). When the storm clears, so should the claim queue — Allianz launched its first agentic AI to automate claims [corporate article].
Allstate. (2025, février). Déclarations du directeur des systèmes d'information au Wall Street Journal, relayées par The Register : Insurance giant finds claims rep that gives a damn (it's AI).
AM Best. (2026, mars). Best's Special Report : US Property/Casualty Industry Sees Underwriting Income Nearly Triple to $61 Billion in 2025.
Association of British Insurers. (2025, novembre). Fraudulent insurance claims continue to top £1 billion.
Aviva plc. (2025, novembre). Aviva to launch groundbreaking AI Underwriting Tool [press release].
AXA. (2023, juillet). AXA propose une IA générative sécurisée à ses collaborateurs [communiqué] ; Le Monde Informatique. (2024, décembre). Comment Axa avance dans la GenAI.
Bank of England, & Financial Conduct Authority. (2024, novembre). Artificial intelligence in UK financial services — 2024.
Capgemini Research Institute. (2026, mai). World Property & Casualty Insurance Report 2026 [communiqué de synthèse].
CNIL. (2025, février). IA et RGPD : la CNIL publie ses nouvelles recommandations pour accompagner une innovation responsable. Commission nationale de l'informatique et des libertés.
CNP Assurances. (2025, janvier). Entretien à La Revue du Digital : « Une véritable envie de faire évoluer tous les métiers avec l'IA générative ».
Coalition Against Insurance Fraud. (2022, août). The Impact of Insurance Fraud on the U.S. Economy.
Colorado Division of Insurance. (2025). SB21-169 — Protecting Consumers from Unfair Discrimination in Insurance Practices [Regulation 10-1-1 amendée] ; New York State Department of Financial Services. (2024, juillet). Insurance Circular Letter No. 7.
Covéa. (2025, septembre). Les usages de l'IA générative chez Covéa [dossier corporate].
Deloitte Center for Financial Services. (2025, octobre). 2026 Global Insurance Outlook.
EIOPA. (2024, avril). Report on the digitalisation of the European insurance sector ; EIOPA. (2025, août). Opinion on AI governance and risk management ; EIOPA. (2026, février). Survey on Generative AI shows swift but cautious adoption among Europe's insurers. European Insurance and Occupational Pensions Authority.
Eurostat. (2025, décembre). 20 % of EU enterprises use AI technologies [enquête ICT 2025] ; Statistisches Bundesamt — Destatis. (2024, novembre). Jedes fünfte Unternehmen nutzt künstliche Intelligenz.
Finyear. (2024, septembre). Akur8 boucle sa Série C à 120 millions de dollars menée par One Peak [d'après le communiqué d'Akur8].
France Assureurs. (2026, janvier). L'assurance des événements naturels en 2024 ; ALFA — Agence de lutte contre la fraude à l'assurance. (2026, juillet). Bilan 2025 de la fraude détectée [relayé par News Assurances Pro].
Gallagher Re. (2026, février). Global InsurTech Report Q4 2025.
Gartner. (2025, juin). Gartner Predicts Over 40 % of Agentic AI Projects Will Be Canceled by End of 2027 [press release].
Geneva Association. (2025, novembre). Gen AI in the Insurance Customer Journey [enquête auprès de 6 000 clients, six pays].
INSEE. (2026, juillet). Les TIC et le commerce électronique dans les entreprises en 2025 (Insee Première n° 2120). Institut national de la statistique et des études économiques.
Lemonade, Inc. (2026, février). Annual Report 2025 (Form 10-K, dépôt SEC) ; Lemonade, Inc. (2026, février). Q4 2025 Shareholder Letter.
MAIF. (2026, mai). Accord d'entreprise relatif à l'intelligence artificielle [relayé par L'Assurance en Mouvement].
McKinsey & Company. (2023, juin). The economic potential of generative AI ; McKinsey & Company. (2026, juillet). How AI will reshape the economics of insurance : A CEO's guide to strategy.
Munich Re. (2025, janvier). Natural disaster figures 2024 ; Munich Re. (2026, janvier). Natural disaster figures 2025 [NatCatSERVICE].
NAIC. (2023-2026). Enquêtes IA/ML par branche (auto, habitation, vie, santé) et Implementation of NAIC Model Bulletin : Use of AI Systems by Insurers [carte au 1er avril 2026]. National Association of Insurance Commissioners.
Ping An Insurance (Group) Company of China. (2026, mars). Ping An Reports 2025 Performance [annual results release].
Progressive Corporation. (2026, mars). Réunion investisseurs 2026 [relayée par Repairer Driven News].
Shift Technology. (2026). Détection de fraude — chiffres clés [site officiel] ; Microsoft. (2025, avril). Shift Technology helps hundreds of insurers fight claims fraud using Azure OpenAI Service [customer story] ; Generali France. (2025, avril). Generali renouvelle sa confiance en Shift Technology [communiqué].
Swiss Re Institute. (2025, décembre). 2025 marks sixth year insured natural catastrophe losses exceed USD 100 billion [sigma, communiqué].
Travelers. (2026, janvier). Résultats du quatrième trimestre 2025 et déclarations associées [relayés par Carrier Management] ; Union européenne. (2024-2026). Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l'intelligence artificielle [AI Act], annexe III et accord « Digital Omnibus » du 6 mai 2026 ; EIOPA / ESAs. (2025). Digital Operational Resilience Act (DORA) — application depuis le 17 janvier 2025 ; US Bureau of Labor Statistics. (2023). Projections d'attrition du secteur assurance [relayées par Insurance Business America].