BusinessAI News6sem

Pour une IA efficace, les assureurs doivent mettre de l'ordre dans leurs données

Résumé IASource uniqueImpact UE

Le secteur de l'assurance souffre d'un paradoxe criant : 82 % des entreprises estiment que l'IA dominera leur industrie dans les prochaines années, mais seulement 14 % ont pleinement intégré la technologie dans leurs opérations. C'est le constat dressé par Autorek, fournisseur de solutions IA pour l'assurance, dans son rapport Insurance Operations & Financial Transformation 2026, fondé sur une enquête menée auprès de 250 managers au Royaume-Uni et aux États-Unis.

Le tableau brossé par ce rapport est celui d'un secteur structurellement grippé, où les inefficacités opérationnelles freinent autant la rentabilité que la transformation numérique. La fragmentation des données, l'héritage de systèmes informatiques obsolètes et le manque d'expertise interne constituent les principaux obstacles identifiés. Ces blocages ne sont pas nouveaux — le rapport souligne lui-même que ses conclusions précédentes étaient déjà connues — mais ils persistent, aggravés par les fusions-acquisitions qui multiplient les silos de données.

Les chiffres sont éloquents : 14 % des budgets opérationnels partent en correction d'erreurs manuelles, 22 % des répondants imputent leurs hausses de coûts à la complexité des réconciliations, et près de la moitié des entreprises opèrent des cycles de règlement dépassant 60 jours. Les volumes de transactions devraient par ailleurs augmenter d'environ 29 % d'ici deux ans, ce qui risque de faire peser une pression accrue sur des OPEX déjà sous tension. Les entreprises sondées gèrent en moyenne 17 sources de données distinctes, rendant tout déploiement IA sur cette architecture fragmentée difficile à mettre à l'échelle sans explosion des coûts.

Autorek préconise de cibler en priorité les processus de réconciliation comme terrain d'expérimentation initial pour l'IA : domaine borné et fondé sur des règles, il offre des gains rapides et mesurables. Le rapport suggère également de s'appuyer sur des plateformes IA cloud plutôt que sur des solutions internes, pour mieux absorber la complexité des données fragmentées. La conclusion est sans appel : les assureurs qui résoudront leurs problèmes de gouvernance et de standardisation des données en premier creauseront un écart de performance durable sur leurs concurrents.

Impact France/UE

Les assureurs européens font face aux mêmes obstacles de fragmentation des données et de systèmes legacy, mais l'étude ne porte que sur des entreprises britanniques et américaines.

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1AI News

Ocorian : les family offices se tournent vers l'IA pour analyser leurs données financières

Selon une étude mondiale publiée par Ocorian, 86 % des family offices ont désormais recours à l'intelligence artificielle pour analyser leurs données financières et améliorer leurs opérations quotidiennes. Ces structures de gestion de patrimoine privé, représentant ensemble 119,37 milliards de dollars d'actifs, utilisent le machine learning pour moderniser leurs workflows, détecter des anomalies, automatiser le reporting et respecter des cadres réglementaires de plus en plus exigeants. Les outils déployés s'appuient majoritairement sur de grandes infrastructures cloud comme Microsoft Azure ou Google Cloud, qui fournissent la puissance de calcul et les protocoles de sécurité nécessaires. Sur le calendrier d'adoption, 26 % des dirigeants interrogés estiment que l'IA va transformer l'administration et les performances dès l'année prochaine, tandis que 72 % tablent sur un impact plus large à horizon deux à cinq ans. Cette adoption massive marque un tournant pour un secteur historiquement conservateur. L'IA permet aux équipes opérationnelles de repérer des schémas de fraude ou des manquements à la conformité bien plus rapidement que les contrôles manuels, tout en allégeant la charge administrative liée aux obligations réglementaires. Mais l'intégration reste complexe : les architectures de données héritées nécessitent souvent une refonte profonde avant de pouvoir supporter des outils d'analyse prédictive, et moderniser les systèmes sans perturber les services clients constitue un défi majeur. Michael Harman, directeur commercial d'Ocorian pour le Royaume-Uni et les îles Anglo-Normandes, résume bien la situation : les family offices comprennent que l'IA aura un impact considérable et qu'ils doivent commencer à explorer ce domaine, mais ils auront besoin d'accompagnement pour réussir cette transition. Paradoxalement, malgré ce fort taux d'utilisation opérationnelle, seuls 7 % des répondants — issus de 16 territoires dont le Royaume-Uni, les États-Unis, les Émirats arabes unis et Singapour — cherchent actuellement à investir directement dans des entreprises du secteur IA, préférant s'appuyer sur des solutions éprouvées plutôt qu'absorber les risques liés aux startups émergentes. Ce chiffre devrait toutefois évoluer rapidement : 74 % de ces organisations prévoient d'augmenter leurs investissements dans les actifs numériques au cours des trois prochaines années, dont 20 % de façon significative. Les family offices gèrent le patrimoine de familles fortunées et constituent l'un des segments les plus discrets — et les plus puissants — de la finance mondiale. Leur adoption accélérée de l'IA s'inscrit dans une tendance plus large de numérisation du secteur financier, sous la pression conjuguée de la complexité réglementaire croissante et de la concurrence des fintechs.

UELes family offices britanniques et des îles Anglo-Normandes figurent parmi les 16 territoires étudiés, illustrant une adoption croissante de l'IA dans la gestion de patrimoine en Europe, notamment sous la pression des cadres réglementaires financiers comme DORA.

BusinessActu

1 source

2SCMP Tech

Les « exportations de tokens » peuvent-elles donner un avantage à la Chine dans l'ère de l'IA ?

Les entreprises chinoises d'intelligence artificielle s'imposent progressivement comme fournisseurs majeurs de ce que les analystes appellent des "exportations de tokens" sur le marché mondial. Selon des données couvrant la période du 18 mars au 18 avril 2026, les modèles chinois représentaient quatre des dix modèles les plus consommés en tokens sur OpenRouter, une place de marché de référence pour les développeurs. Cette présence dans le top 10 mondial illustre une percée concrète dans les usages réels, au-delà des seuls benchmarks techniques. L'enjeu dépasse la simple compétition technologique. Les tokens consommés via des modèles comme DeepSeek ou Qwen représentent une forme d'influence économique et stratégique nouvelle : chaque requête traitée par un modèle chinois génère des données d'usage, fidélise des développeurs et ancre une infrastructure logicielle dans les flux numériques mondiaux. Pour l'industrie tech mondiale, cela signifie que la domination américaine sur l'outillage IA des développeurs n'est plus acquise, et que les éditeurs comme OpenAI ou Anthropic font désormais face à une concurrence directe sur les marchés émergents et auprès des développeurs indépendants. Ce phénomène s'inscrit dans un contexte de montée en puissance accélérée des modèles chinois depuis la publication de DeepSeek-R1 début 2025, qui avait démontré qu'un modèle très compétitif pouvait être entraîné à coût réduit. La demande domestique en Chine croît également fortement, ce qui renforce la capacité des acteurs locaux à investir en R&D et à baisser leurs prix à l'export, une dynamique que Washington surveille de près dans un contexte de restrictions sur les semi-conducteurs.

UELes développeurs européens indépendants sont directement exposés à cette concurrence tarifaire, les modèles chinois comme DeepSeek ou Qwen s'imposant comme alternatives compétitives aux outils américains sur des plateformes comme OpenRouter.

BusinessOpinion

1 source

3The Information AI

Google I/O : les entreprises veulent de l'aide pour exploiter l'IA

Lors de la conférence Google Cloud Next, le discours dominant a changé de cap par rapport à l'année précédente. En 2025, les dirigeants de Google vantaient la puissance brute de leurs modèles d'IA pour les entreprises. En 2026, le message central est devenu : comment aider concrètement les entreprises à faire fonctionner ces modèles. Des entretiens menés sur place auprès de clients et de revendeurs Google Cloud révèlent que de nombreuses organisations buttent sur des obstacles concrets dans leur adoption de l'IA, certaines peinent encore à déployer leur premier agent, tandis que d'autres se retrouvent à gérer une multitude d'agents dont la coordination devient ingérable. Ce glissement de priorité illustre un problème structurel de l'industrie : l'écart entre la promesse marketing des outils d'IA et leur déploiement opérationnel réel. Les entreprises ne manquent pas de modèles ni d'accès aux API, elles manquent d'expertise pour intégrer ces briques dans leurs processus métier, gérer les erreurs, orchestrer plusieurs agents en parallèle et maintenir des systèmes fiables en production. C'est un frein majeur à la monétisation pour les fournisseurs de cloud, qui misent sur la consommation à grande échelle. Google Cloud se retrouve dans une position partagée par ses concurrents Microsoft Azure et Amazon Web Services : après avoir massivement investi dans la course aux modèles, les hyperscalers doivent maintenant construire la couche de services, d'outillage et d'accompagnement qui transforme la puissance brute en valeur business. La conférence Next marque ainsi une maturité nouvelle du marché, où l'implémentation devient le vrai champ de bataille.

UELes entreprises européennes font face aux mêmes obstacles d'adoption de l'IA, et pourraient bénéficier des nouvelles couches de services et d'outillage que les hyperscalers développent pour faciliter le déploiement opérationnel.

BusinessOpinion

1 source

4TechCrunch AI

Les investisseurs misent des milliards sur l'IA : pourquoi OpenAI abandonne-t-il Sora ?

Les investisseurs en capital-risque continuent de parier des milliards sur l'IA, mais les réalités du terrain viennent tempérer cet enthousiasme. Une femme de 82 ans dans le Kentucky s'est vu proposer 26 millions de dollars par une entreprise d'IA souhaitant construire un centre de données sur ses terres — elle a refusé. La société tente désormais de rezonifier 2 000 acres voisins pour contourner ce refus. Pendant ce temps, OpenAI a décidé de fermer Sora, son outil de génération vidéo lancé en grande pompe il y a moins d'un an, dans un contexte de rationalisation de ses produits. Ces deux anecdotes illustrent une même tension : l'écart grandissant entre les ambitions affichées de l'industrie de l'IA et les contraintes concrètes auxquelles elle se heurte. Les centres de données exigent des terres, de l'eau et de l'électricité en quantités massives, et les communautés locales commencent à résister. Pour OpenAI, tuer Sora signale que même les grandes plateformes doivent arbitrer sévèrement entre leurs projets face à des coûts opérationnels colossaux. Ce phénomène s'inscrit dans un moment charnière pour le secteur. Alors que les levées de fonds atteignent des sommets historiques — OpenAI ayant récemment bouclé un tour de 40 milliards de dollars —, la question n'est plus seulement de savoir qui financera l'IA, mais où et comment elle sera physiquement déployée. Les résistances locales aux infrastructures, les abandons de produits et les arbitrages stratégiques dessinent les véritables contours d'une industrie qui doit désormais composer avec le monde réel, pas seulement avec ses propres projections.

UELes tensions croissantes autour de l'implantation des centres de données (foncier, eau, énergie, résistances locales) concernent directement les projets d'infrastructure IA en France et en Europe, où des conflits similaires émergent autour de nouveaux datacenters.

BusinessOpinion

1 source