Le Sommet sur l’assurance tenu récemment à Québec a rassemblé des dirigeants et dirigeantes du secteur de l’assurance autour d’une question fondamentale : comment passer de l’expérimentation avec l’IA à la production de résultats à l’échelle de l’organisation?

L’IA ne fait que prendre de l’ampleur. L’ensemble des secteurs accélèrent leurs investissements dans ce domaine et les assureurs comptent parmi les plus ambitieux. Selon notre étude La voix de nos clients 2025, le secteur de l’assurance envisageait d’allouer près de 2 % de ses revenus annuels au développement de l’IA d’ici 2026, ce qui le classe parmi les plus importants investisseurs aux côtés des secteurs des technologies et des services financiers. Au Canada, de nombreuses organisations ont déjà passé la phase pilote et intègrent l’apprentissage automatique dans la souscription, automatisent le flux de réclamation et introduisent l’IA générative dans les activités courantes.

Toutefois, l’adoption accrue ne se traduit pas toujours par une transformation.

Bien que 46 % des dirigeants et dirigeantes en assurance affirment que leurs stratégies numériques ont donné les résultats attendus, seulement 43 % ont mis en place une stratégie en IA à l’échelle de l’entreprise. Cet écart met en lumière un défi majeur : le déploiement d’outils ne suffit pas pour la mise en œuvre de l’IA. Un alignement organisationnel est nécessaire.

La prochaine phase de maturité en IA sera définie, non pas par des projets pilotes supplémentaires, mais par les décisions stratégiques prises par les assureurs pour favoriser un déploiement responsable et des résultats mesurables.

Voici les cinq principaux constats établis :

1. Redéfinir le modèle opérationnel au-delà du soutien et de l’automatisation des processus

Selon les résultats de la série Executive Outlook 2026 de Canadian Underwriter, près de 80 % des dirigeants et dirigeantes du secteur reconnaissent l’IA comme une priorité stratégique. Les attentes en matière de valeur ajoutée de l’IA sont élevées, mais générer cette valeur nécessite bien plus que l’automatisation.

En assurance, les résultats dépendent de flux de travail interconnectés plutôt que de tâches isolées. Les retombées de l’IA seront mesurées par la capacité de celle-ci à améliorer la qualité de la souscription et la sélection des risques, à réduire les frictions dans les réclamations, à renforcer la détection de la fraude, à accroître la transparence et à rehausser l’expérience de la clientèle. Pour générer ces retombées à grande échelle et de manière constante, il faut transformer les flux de travail en entier.

En matière de niveau de maturité en IA, la plupart des assureurs se situent aux stades d’assistance ou de soutien à la prise de décisions. Les outils utilisés résument les cas, recommandent les mesures à prendre et accélèrent les tâches individuelles. Ces améliorations ne sont pas négligeables, mais elles ne changent pas l’expérience de la clientèle.

Une véritable transformation s’effectue lorsque l’IA coordonne les processus dans l’ensemble de la chaîne de valeur en liant les flux de souscription, de réclamation et de tarification dans des boucles de rétroaction fermées. Cela exige une refonte entière du flux de travail et non pas une simple accélération des étapes individuelles.

Si l’IA n’offre pas d’avantages mesurables pour les opérations ou la clientèle, elle risque d’être simplement intégrée aux systèmes et aux processus des entreprises plutôt que de contribuer à leur transformation. Aujourd’hui, les assureurs repensent leur modèle opérationnel et de nouvelles considérations émergent en ce qui a trait aux données, à la confiance et au contrôle.

2. La souveraineté comme facteur de différenciation stratégique

Les assureurs qui déploient l’IA dans leurs principaux flux de travail constatent que la confiance envers cette technologie est devenue de plus en plus importante.

Les systèmes de réclamations traitent des renseignements personnels et hautement sensibles, comme les dossiers de santé, les données financières et les détails sur les accidents, dans un contexte complexe et changeant en matière de réglementation et de respect de la vie privée au Canada.

L’étude de CGI révèle que 70 % des dirigeants et dirigeantes considèrent que les changements politiques et réglementaires ont des répercussions importantes sur leurs activités et que la cybersécurité demeure leur priorité pour atténuer les risques. Les modèles traditionnels d’IA qui fonctionnent uniquement dans le nuage soulèvent des préoccupations légitimes concernant la résidence des données, l’explicabilité et l’exposition des données aux parties tierces.

Les discussions ont mis en lumière l’adoption d’une architecture d’IA souveraine et hybride comme réponse stratégique.

En vertu de ce modèle, les données à caractère personnel sont traitées localement dans un environnement contrôlé et l’IA dans le nuage n’est appliquée qu’aux flux de travail qui ne traitent pas de données sensibles. Les données sortantes sont intégrées à des cadres de gouvernance vérifiables qui assurent la traçabilité, le contrôle des versions des modèles et la conformité réglementaire.

Cette approche va au-delà de l’atténuation des risques. Elle intègre la protection des données personnelles dès la conception, réduit l’exposition inutile aux fournisseurs et stimule l’innovation par l’IA dans le domaine des réclamations sans compromettre la souveraineté des données. Dans ce contexte, l’IA souveraine peut accélérer l’innovation en facilitant l’expérimentation sécurisée avec des données sensibles pour permettre aux assureurs de réaliser des démonstrations de faisabilité, de tester différentes charges de travail et de déployer de nouveaux cas d’utilisation avec confiance.

Cela dit, l’atteinte de ces ambitions repose sur la robustesse du socle technologique.

3. La modernisation n’est plus facultative

La performance de l’IA dépend de l’architecture sous-jacente.

L’étude de CGI indique que plus d’un tiers des assureurs citent leurs systèmes vieillissants comme un obstacle majeur à la transformation numérique. Un environnement de données fragmenté et des systèmes essentiels contraignants limitent l’efficacité de tout déploiement de l’IA.

Les assureurs sont désormais confrontés à un choix stratégique : renforcer des systèmes stables capables de supporter des extensions d’IA, moderniser entièrement les environnements lorsque la dette technique limite l’agilité, ou adopter une approche hybride par la stabilisation des principaux systèmes tout en recherchant la flexibilité.

Intégrer l’IA à une infrastructure rigide peut entraîner des inefficacités qui finissent par s’accumuler. Les assureurs doivent appliquer une stratégie claire de modernisation pour réaliser leurs ambitions en IA et créer un avantage concurrentiel.

La modernisation n’est plus facultative; elle est essentielle au déploiement d’une IA évolutive dans toute l’organisation.

4. Un véritable rendement du capital investi provient d’une intégration de bout en bout

Avoir le bon modèle opérationnel et les bons outils ne suffit pas; il faut intégrer l’IA à l’ensemble de l’entreprise pour générer une valeur réelle.

Les flux de travail en assurance étant interconnectés, améliorer uniquement une partie de l’écosystème peut créer des blocages coûteux ailleurs.

Par exemple, automatiser la réception des réclamations sans repenser leur traitement limite les gains potentiels. Reconfigurer le modèle opérationnel sans intégrer des phases de tests et de déploiement crée des frictions en aval. Une adoption partielle de l’IA peut améliorer ponctuellement certaines tâches, mais ne transformera pas le modèle opérationnel lui-même.

Un véritable rendement du capital investi nécessite l’intégration de l’IA dans toute la chaîne de valeur, le maintien des informations pertinentes dans les flux de travail et une bonne coordination pour générer des gains cumulatifs.

Un risque courant est de déployer l’IA de manière isolée. La valeur réelle pour l’entreprise est observable lorsque l’IA est intégrée à l’ensemble des processus plutôt qu’à certaines tâches. La réussite d’une intégration globale repose toutefois sur une exécution méthodique.

5. Le cadre AI Launch Pad pour un déploiement discipliné appuyé par une gouvernance structurée

Nous savons que les projets de transformation d’entreprise sont complexes. Nous avons donc introduit le cadre AI Launch Pad pour guider les assureurs durant les 90 premiers jours de l’adoption de l’IA.

Au lieu de lancer de grands changements simultanément, les assureurs devraient privilégier une exécution méthodique et axée sur les résultats et les priorités qui suivent :

  • déterminer un ou deux cas d’utilisation à valeur élevée favorisant les résultats liés aux opérations ou à la clientèle;
  • définir des critères de mesure de la réussite et du rendement du capital investi;
  • évaluer l’état de préparation des données, de la gouvernance et de l’architecture en vue du déploiement;
  • renforcer les capacités internes et l’apprentissage lors du déploiement technique.

Le rôle de la gouvernance change à mesure que les initiatives en IA prennent de l’importance : d’un mécanisme de contrôle, elle devient un levier stratégique. Les approches d’intervention humaine (human-in-the-loop) et de supervision humaine (human-on-the-loop) assurent l’imputabilité, l’explicabilité et la conformité réglementaire, notamment pour les cas d’utilisation concernant les interactions avec la clientèle et l’IA agentique.

Il ne s’agit pas d’éliminer le jugement humain, mais de redéfinir la collaboration entre le personnel humain et les systèmes intelligents. Une bonne discipline adoptée dès le départ favorise une évolutivité à long terme. La maturité en IA évolue lorsque les mesures sont délibérées, délimitées dans le temps et fondées sur la gouvernance.

Regard vers l’avenir

Les investissements en IA s’accélèrent et l’avantage concurrentiel des organisations sera défini par l’efficacité du déploiement de l’IA.

Se préparer pour l’avenir nécessite plusieurs éléments : un alignement à l’échelle de l’entreprise, une architecture souveraine garantissant la confidentialité des données, une approche délibérée en modernisation, des résultats mesurables et une transformation soutenue de bout en bout par un modèle opérationnel fondé sur la gouvernance et combinant l’expertise humaine et l’IA.

CGI collabore avec les assureurs pour moderniser leurs principales plateformes, renforcer leurs bases en données et déployer l’IA de façon responsable dans l’ensemble de leur organisation.

Échangez avec nos spécialistes en IA et en assurance pour découvrir comment nous pouvons transformer vos priorités en résultats mesurables.

Explorez d’autres perspectives de CGI en IA et en assurance :