Nehos Groupe
Assurance mutualiste, France

Exemple de situation — Transformation digitale assurance mutualiste : souscription en ligne, agent IA sinistres, conformité DORA

Exemple de situation, sans client nommé : un assureur mutualiste conduit en parallèle une souscription en ligne, un agent IA pour les sinistres, un espace client omnicanal et sa mise en conformité DORA, avec la méthode ROI-First IA.

Durée

Plusieurs mois (diagnostic et cadrage, puis déploiement progressif par chantier, puis revue des indicateurs), à ajuster selon le périmètre réel.

Équipe

Équipe dimensionnée selon le projet

Technologies clés

Méthode propriétaire Nehos ROI-First IA Claude (Anthropic) Mistral (stack souveraine on-premise type OVHcloud) React + Next.js

Satisfaction

Satisfaction des sinistrés, relevée avant le programme puis suivie à chaque étape

Délai

Délai moyen de traitement d'un dossier sinistre, mesuré avant et après

Souscription

Abandon dans le parcours de souscription en ligne, relevé par étape

DORA

Conformité DORA : cartographie des prestataires IT, gouvernance du risque et procédure de notification d'incident

#Exemple de situation — Transformation digitale assurance mutualiste : souscription en ligne, agent IA sinistres, conformité DORA

Exemple de situation Nehos. Méthode ROI-First IA. Ce cas illustre, à partir d'une reconstitution composite non attribuée à un client réel, une souscription 100 % digitale déployée sur plusieurs lignes de produits, un agent IA gestion sinistres intégré sur l'ensemble des canaux entrants, un espace client omnicanal, et une mise en conformité DORA.

#Contexte (exemple de situation)

Ce cas est un exemple de situation, construit pour illustrer notre méthode : il ne décrit aucun client réel et ne contient aucun résultat chiffré. Il n'illustre pas un client réel nommé, et aucune donnée chiffrée ci-dessous ne doit être lue comme un résultat mesuré chez un client identifiable — les valeurs sont représentatives d'un ordre de grandeur typique, pas des mesures d'audit.

Le profil retenu pour ce scénario est celui d'un grand assureur mutualiste : plusieurs dizaines de milliers de collaborateurs, plusieurs millions de sociétaires actifs, une présence dans plusieurs pays et plusieurs milliards d'euros de primes collectées chaque année. Le groupe type est structuré en caisses ou entités régionales fédérées autour d'une holding nationale, ce qui implique une gouvernance décentralisée avec des systèmes d'information partiellement autonomes par entité.

La distribution s'appuie historiquement sur un réseau de plusieurs milliers d'agents généraux exclusifs — une force de frappe terrain déterminante dans le paysage assurantiel français, mais également un facteur de complexité dans l'équation digitale : tout projet de transformation doit composer avec les intérêts du réseau, ses outils de travail quotidiens et son rôle central dans la relation de confiance avec les sociétaires.

Dans ce type de mission, le point de départ est généralement un faisceau de signaux convergents.

Sur le plan technique, ce type d'assureur s'appuie fréquemment sur plusieurs plateformes legacy historiques en production, avec une dette technique accumulée sur plusieurs décennies. Les équipes internes — compétentes et motivées — se heurtent à des cycles de développement longs, à une fragmentation des API internes et à l'absence d'une couche de données unifiée permettant une vision complète du sociétaire à travers les entités régionales.

Enfin, le cadre réglementaire s'est alourdi avec l'entrée en vigueur du règlement européen DORA (Digital Operational Resilience Act), qui impose à l'ensemble des entités financières — dont les assureurs — un niveau de maturité opérationnelle sur la résilience numérique, la gestion des prestataires IT critiques et les tests de pénétration avancés.

C'est ce type de contexte de pression simultanée — NPS dégradé, compétitivité digitale, dette technique legacy, mise en conformité réglementaire — qui amène ce profil d'assureur à lancer un programme de transformation comme celui décrit ci-dessous.

#Le défi

Le défi de ce type de mission tient dans l'articulation de plusieurs chantiers de profondeur différente, avec des calendriers contraints et des dépendances techniques fortes entre eux. Chaque chantier, pris isolément, pourrait constituer une mission à part entière. Les mener de front, en garantissant la cohérence d'ensemble et sans déstabiliser les opérations courantes d'un assureur en production 24/7, représente le vrai défi.

Premier chantier type — la refonte de la souscription en ligne. Sur une majorité de lignes de produits (auto, habitation, santé, prévoyance, agricole, professionnels, emprunteur, animaux de compagnie, scolaire), le niveau de maturité digitale est très hétérogène : certaines lignes ont déjà un parcours web fonctionnel mais non optimisé, d'autres reposent encore sur des formulaires papier scannés ou des prises de commande téléphoniques.

La refonte ne peut pas se limiter à un copier-coller unifié : chaque ligne de produit a ses spécificités réglementaires, ses logiques tarifaires, ses flux imposés par les actuaires, et sa réalité terrain avec un réseau d'agents qui doit rester dans la boucle pour les cas complexes.

Deuxième chantier type — l'agent IA gestion sinistres. Le périmètre fonctionnel semble clair au départ (automatiser la prise en charge des sinistres simples, réduire les délais, améliorer le NPS). La réalité technique est nettement plus complexe : les sinistres entrent par de multiples canaux (application mobile, site web, téléphone, mail, courrier, réseau d'agents, API partenaires), chacun avec ses propres formats de données et ses propres interlocuteurs métier.

Construire un agent IA cohérent sur l'ensemble de ces canaux implique de concevoir une couche d'orchestration unifiée — sans quoi on ne ferait qu'automatiser la fragmentation existante. Les contraintes réglementaires sur la décision automatisée (article 22 du RGPD, classification de risque AI Act) imposent par ailleurs un contrôle humain maintenu au-delà de certains seuils de valeur ou de complexité.

Troisième chantier type — l'espace client omnicanal. Un sociétaire peut être en contact simultané avec sa caisse régionale, son agent local, le service sinistres national, l'application mobile et le site web. Chacun de ces points de contact a sa propre vue partielle du dossier, sans synchronisation temps réel.

Construire un espace client unifié suppose de résoudre la réconciliation des identités client entre entités régionales, sans remettre en cause leur autonomie de gestion — une condition non négociable dans une gouvernance mutualiste.

Quatrième chantier type — la conformité DORA. La cartographie des prestataires IT critiques (TPSP) est le plus souvent absente au départ, les tests TLPT n'ont jamais été réalisés à ce niveau de rigueur, et les clauses contractuelles avec les fournisseurs IT ne couvrent pas les obligations de notification d'incident. La DSI doit absorber ces obligations tout en pilotant simultanément les autres chantiers du programme.

L'essentiel sur cet exemple de situation

Exemple de situation, sans client nommé : un grand assureur mutualiste, avec un réseau d'agents généraux exclusifs, un système d'information construit par strates et des entités régionales autonomes.

Nehos intervient typiquement sur quatre chantiers qui avancent en parallèle : souscription en ligne, agent IA de gestion des sinistres, espace client omnicanal, conformité DORA. Ils sont pilotés selon la méthode ROI-First IA, avec des décisions go/no-go à chaque étape.

Ce que l'on suit sur ce type de programme, avant puis après : la satisfaction des sinistrés, le délai moyen de traitement d'un dossier, les coûts d'instruction, l'abandon dans le parcours de souscription. Aucun chiffre n'est promis ici.

Le budget se chiffre sur devis, en 48 h après un premier échange. Une journée d'audit IA express (990 € HT, déduit du projet s'il est lancé dans les trois mois) permet de cadrer le périmètre avant tout engagement.

Questions & réponses

Questions fréquentes sur cet exemple de situation

Les seuils d'escalade doivent être définis avec les équipes juridiques et de conformité avant le développement, pas en fin de projet. Quatre catégories de dossiers sont typiquement escaladées à un gestionnaire humain : tout dossier au-delà d'un seuil de montant, tout sinistre corporel, tout dossier présentant des indicateurs de fraude, et tout cas de responsabilité complexe. L'agent IA pré-instruit alors le dossier — synthèse, pièces, chronologie — pour que le gestionnaire reprenne avec le contexte complet plutôt qu'à zéro. L'objectif est de réduire le temps d'instruction humain sur les dossiers complexes, pas seulement sur les simples.

DORA (Digital Operational Resilience Act, règlement UE 2022/2554) est entré en vigueur le 17 janvier 2025 pour l'ensemble des entités financières, dont les assureurs. Il impose cinq obligations : gouvernance du risque ICT formalisée jusqu'à la direction, gestion des incidents avec délais de notification stricts (4h puis 72h), tests de résilience réguliers incluant des TLPT, gestion du risque lié aux prestataires ICT tiers (TPSP) avec cartographie et clauses contractuelles, et partage d'information sur les cybermenaces. Le chantier le plus complexe est souvent la gestion des TPSP : une trentaine de fournisseurs identifiés, dont plusieurs Critical ICT Third-Party Providers nécessitant des clauses renforcées.

En les impliquant dès la conception plutôt qu'en les informant en fin de projet. Une quinzaine d'agents pilotes participent généralement aux ateliers de co-design sur la souscription en ligne dès la phase de conception, et une vingtaine de points de friction identifiés y sont typiquement corrigés avant la mise en production. Le plus structurant est souvent le transfert de contexte en temps réel entre le parcours digital et l'agent local — si un sociétaire commence une souscription en ligne puis appelle son agence, l'agent voit immédiatement où en était la démarche. Cette fonctionnalité n'existe généralement pas dans le cahier des charges initial : elle naît des ateliers réseau, et convainc souvent les agents que le digital est un outil, pas un concurrent.

Trois raisons typiques de ce secteur. Souveraineté des données : les données sinistres (personnelles, de santé, financières) sont sensibles au point de rendre leur transfert hors UE problématique côté RGPD et potentiellement DORA — l'on-premise certifié HDS est souvent la seule option compatible. Fine-tuning propriétaire : un historique de plusieurs millions de dossiers qualifiés permet d'affiner un modèle souverain pour une précision supérieure à un modèle généraliste. Coût à l'échelle : un volume de plusieurs centaines de milliers de dossiers par an rend le coût marginal d'un modèle cloud plus élevé qu'un modèle interne à coût fixe. Un modèle généraliste type Claude reste utilisé en complément pour le texte et les synthèses, sur des volumes plus faibles.

Le défi est réel : chaque entité régionale a souvent son propre référentiel client, avec ses propres conventions d'identification. La réconciliation ne peut pas se faire par correspondance exacte des identifiants — il faut un algorithme de matching probabiliste. Une approche type combine plusieurs passes : correspondance exacte sur des identifiants stables (numéro de sécurité sociale, IBAN selon les contrats), puis correspondance probabiliste sur prénom, nom, date de naissance et commune, avec un score de confiance élevé requis pour une fusion automatique, et une revue manuelle sous ce seuil.

Le budget se chiffre sur devis, en 48 h après un premier échange. Une journée d'audit IA express (990 € HT, déduit du projet s'il est lancé dans les trois mois) permet de cadrer le périmètre avant tout engagement.

L'agent IA sinistres doit être classifié dès la conception selon la grille AI Act. La classification des dossiers par complexité et l'orientation vers un traitement automatique ou humain relèvent le plus souvent des systèmes à risque limité — mais les décisions affectant des individus dans un contexte financier font l'objet d'une attention réglementaire croissante. Une approche prudente applique les obligations du niveau risque limité (transparence, documentation technique, traçabilité) et anticipe les exigences du niveau risque élevé : explicabilité des critères, contestation humaine possible, logging exhaustif pour audit. La documentation (model card, system card, logs) doit rester accessible aux équipes de contrôle interne et aux régulateurs.

Prendre rendez-vous