Selon l’Observatoire national interministériel de la sécurité routière (ONISR), la France métropolitaine a compté 51 688 accidents corporels de la circulation en 2025, pour un nombre de blessés estimé à 244 000, dont 16 600 gravement. Lors de sa conférence de presse du 26 mars 2025, France Assureurs a indiqué que les sinistres corporels ne représentent que 2 % du total des sinistres automobiles, mais que leurs coûts s’élèvent à 35 % du coût total de la branche.
L’indemnisation du dommage corporel est encadrée par la loi n° 85-677 du 5 juillet 1985, dite loi Badinter, qui impose à l’assureur de formuler une offre dans un délai de huit mois suivant l’accident, sous peine de sanctions financières. Ce processus mobilise plusieurs acteurs et repose sur l’analyse d’un volume conséquent de documents. Les pratiques indemnitaires demeurent hétérogènes d’un assureur à l’autre, ce qui contribue à une inflation des coûts et à une incertitude préjudiciable tant pour l’assureur que pour la victime. Dans ce contexte, l’IA peut-elle rationaliser la gestion des sinistres corporels automobiles ?
Accélérer le traitement sans sacrifier l’accompagnement
des victimes
La gestion d’un sinistre corporel repose sur une succession de tâches documentaires : lecture des pièces médicales, vérification de la complétude du dossier, contrôle de cohérence. Ces opérations, largement manuelles, ralentissent l’instruction et exposent l’assureur au risque de pénalités Badinter. L’article L 211-13 du Code des assurances prévoit en effet un intérêt de plein droit égal au double du taux légal sur l’indemnité fixée par le juge en cas de non-respect des délais.
L’IA peut intervenir dès la phase d’expertise médicale. Des outils comme Indemnisation.AI, développé par la société française CONSEILMED, réalisent des synthèses médicales structurées, identifient les documents manquants et repèrent les incohérences, avec un gain de temps estimé à 70 % sur la rédaction des commémoratifs. Ce gain est d’autant plus précieux que les médecins experts se raréfient : leur effectif est passé de 1 400 en 2004 à environ 700 aujourd’hui, selon les chiffres de l’Association des médecins experts en dommage corporel (AMEDOC). En allégeant la préparation documentaire, l’IA permettrait au médecin de se concentrer sur l’examen clinique.
Pour le gestionnaire, l’IA offre la possibilité de classer automatiquement les pièces par poste de préjudice, de vérifier la complétude de l’offre et de veiller à ce que l’ensemble des postes soient chiffrés, conformément aux exigences des articles R. 211-40 et L. 211-9 du Code des assurances. L’aide serait particulièrement précieuse lors des transferts de mandat prévus par la convention d’indemnisation et de recours corporel automobile (IRCA), lorsque l’assureur repreneur doit se réapproprier l’intégralité d’un dossier. En libérant du temps sur les tâches documentaires, l’IA devrait également offrir au gestionnaire davantage d’occasions de veiller à l’accompagnement de la victime, dans un domaine où la relation humaine est centrale. France Assureurs rappelle en effet que 98 % des transactions sont conclues à l’amiable, ce qui traduit le besoin d’une réponse rapide et compréhensible.
En matière de fraude, l’enjeu est considérable. Les derniers chiffres publics en corporel datent de 2014 : la fraude ne représentait que 2 % des dossiers automobiles frauduleux, mais son montant s’élevait à 47,4 millions d’euros, soit 47 % du total de la branche. L’observatoire Tessi relève par ailleurs que 20 % des assurés ont déjà falsifié au moins un document. L’IA peut jouer un rôle de filtre en identifiant des incohérences : certificat médical antérieur à l’accident, justificatifs modifiés numériquement, décalage entre les lésions déclarées et la durée de l’arrêt de travail. À une échelle plus large, des dispositifs comme ECLA, déployé par Shift Technology en partenariat avec AXA, Generali et le groupe Covéa, permettent de croiser les données sinistres de plusieurs compagnies pour repérer des fraudes impliquant plusieurs assureurs.
Mieux évaluer les préjudices et calibrer les offres
L’évaluation des préjudices patrimoniaux repose sur des données chiffrées : bulletins de salaire, avis d’imposition, bordereaux d’indemnités journalières. Si des outils de calcul comme Quantum automatisent déjà les opérations de capitalisation, l’intérêt de l’IA réside en amont, dans l’extraction et le contrôle des données qui alimentent ces calculs. La société française PLATO a développé une plateforme capable d’analyser les rapports d’expertise, de repérer les périodes imputables et de générer un chiffrage automatique en croisant l’ensemble des informations du dossier, tout en laissant à l’utilisateur la maîtrise des paramètres.
Pour les préjudices extrapatrimoniaux, la difficulté porte sur le positionnement indemnitaire. À quel montant chiffrer un déficit fonctionnel permanent (DFP) de 15 % pour une victime de 35 ans ? En l’absence d’outil objectivé, ce positionnement repose largement sur l’expérience individuelle du gestionnaire et sur les référentiels internes propres à chaque compagnie. L’intelligence prédictive, telle que celle développée par Case Law Analytics (fondée en 2017, rachetée par LexisNexis en 2023), analyse des millions de décisions de justice pour proposer une vision d’ensemble des issues probables d’un dossier. En modélisant les décisions les plus probables d’une juridiction sur la base d’un cas comparable, l’outil aide l’assureur à situer son offre amiable dans une plage cohérente avec la tendance jurisprudentielle. L’objectif n’est pas de s’aligner sur les montants contentieux, mais de disposer d’un repère fiable.
Vers un référentiel amiable commun
En France, les professionnels ont recours à une pluralité de référentiels pour évaluer les préjudices : Mornet, Intercours, référentiels régionaux, auxquels s’ajoutent deux barèmes de capitalisation concurrents, le barème de capitalisation de référence pour l’indemnisation des victimes (BCRIV) et celui de la Gazette du Palais. Cette hétérogénéité contribue à l’inflation des coûts. L’Association des professionnels de la réassurance en France (APREF) a démontré qu’entre 2010 et 2023, l’indemnisation pour un homme de 40 ans victime d’un polytraumatisme avec un DFP de 50 % a subi une inflation de 124 %, soit 6 % par an. Pour un paraplégique de 30 ans, l’inflation atteint 175 %. Cette imprévisibilité complique le provisionnement au regard des exigences de Solvabilité II et accentue le sentiment d’iniquité entre victimes.
Le projet DATAJUST, lancé en 2020 par le ministère de la Justice, devait constituer un référentiel indicatif public fondé sur l’analyse de décisions de justice par l’IA. Il a été abandonné en 2022. Sa limite fondamentale résidait dans le choix de ses sources : il ne s’appuyait que sur des décisions judiciaires, en écartant les transactions amiables qui représentent pourtant 98 % des règlements. Le rapport annuel de l’Association pour la gestion des informations sur le risque en assurance (AGIRA) sur le Fichier des victimes indemnisées (FVI) confirme d’ailleurs l’écart entre les deux pratiques : pour un taux d’atteinte à l’intégrité physique et psychique (AIPP) de 2 %, la valeur médiane du déficit fonctionnel temporaire (DFT) s’établit à 1 300 euros à l’amiable contre 1 610 euros au judiciaire.
Les données issues de la pratique amiable existent déjà au sein du FVI, alimenté par l’ensemble des assureurs à chaque indemnisation. L’IA pourrait exploiter ces données pour proposer une fourchette d’indemnisation cohérente avec les pratiques amiables, gage d’harmonisation entre assureurs et de transparence vis-à-vis des victimes. Toutefois, la fiabilité d’un tel référentiel dépend de la qualité des données qui l’alimentent. Des gestionnaires peuvent mal ventiler leurs offres, biaisant les résultats. C’est précisément sur ce besoin de fiabilisation que l’IA pourrait intervenir, en détectant les incohérences de ventilation au moment de la saisie. France Assureurs a d’ailleurs proposé de contribuer avec les pouvoirs publics à l’établissement d’un référentiel sur cette base.
La singularité des préjudices résiste à la standardisation
Certains postes de préjudice résistent à la modélisation. Le préjudice d’agrément, apprécié in concreto selon la nomenclature Dintilhac, dépend du niveau de pratique, de l’âge de la victime et du caractère identitaire de l’activité. Un marathonien expérimenté devenu paraplégique ne sera pas indemnisé comme un coureur occasionnel, même si leurs séquelles paraissent comparables. Aucun barème officiel ne fournit d’indication chiffrée pour ce poste. De même, l’incidence professionnelle échappe à toute standardisation : le déclassement d’un cadre supérieur n’a pas la même portée que la reconversion forcée d’un artisan. Le risque d’un recours systématique à l’IA serait, par facilité, l’accoutumance du gestionnaire au suivi des propositions formulées, sans regard critique. L’outil deviendrait alors un barème de fait.
Le médecin expert demeure au cœur du processus. Son rôle ne se réduit pas à une lecture technique : il observe le comportement de la victime, évalue la cohérence entre les lésions et les déclarations, analyse le retentissement du dommage sur la vie quotidienne. Cette dimension humaine, indissociable de l’examen clinique, est hors de portée de l’IA actuelle. Le médecin engage par ailleurs sa responsabilité personnelle et doit pouvoir soutenir ses conclusions lors d’une expertise contradictoire. Même si l’IA peut synthétiser les documents médicaux et interpréter un rapport achevé, elle n’a pas contribué au raisonnement contextualisé qui a conduit le médecin à établir son diagnostic.
Les sinistres graves posent en outre un problème statistique. Sur les 39 903 victimes avec AIPP indemnisées en 2023, seules 219 conservaient un taux supérieur ou égal à 50 %, soit 0,6 %. L’AGIRA reconnaît elle-même que pour ces cas, « la mesure statistique n’est pas appropriée du fait du nombre plus faible de victimes et de la forte disparité des situations ». Moins l’IA dispose de données, plus ses estimations seront imprécises. La durée de ces dossiers, jusqu’à 105,9 mois à l’amiable au-delà de 50 % d’AIPP, accentue cette incertitude.
Données sensibles, AI Act et nouvelles fraudes
Le règlement général sur la protection des données (RGPD) impose des contraintes strictes sur le traitement des données de santé, classées par la Commission nationale de l’informatique et des libertés (CNIL) parmi les catégories les plus sensibles. L’article 22 interdit toute décision exclusivement automatisée produisant des effets juridiques sur la personne concernée. L’assureur ne peut donc laisser l’IA fixer les montants sans intervention humaine. Une analyse d’impact relative à la protection des données (AIPD) est nécessaire dès lors que le traitement porte sur des données sensibles à grande échelle. Se pose également la question de l’hébergement : les modèles d’IA fonctionnent souvent sur des serveurs situés hors de l’Union européenne. Certains assureurs, comme AXA avec SecurGPT, développent leur propre système afin de maîtriser le circuit de traitement de bout en bout, conformément aux exigences du règlement sur la résilience opérationnelle numérique, dit DORA (Digital Operational Resilience Act).
Le règlement européen sur l’IA, ou AI Act (règlement 2024/1689), premier cadre juridique mondial dédié à l’IA, impose des exigences de transparence, de surveillance humaine et de documentation technique. L’accord « omnibus numérique » du 7 mai 2026 a repoussé les échéances d’application à décembre 2027 pour les systèmes à haut risque autonomes. Les sanctions prévues peuvent atteindre 7 % du chiffre d’affaires annuel mondial. Le déploiement de l’IA ne pourra donc s’envisager qu’au terme d’un processus structuré : test sur des dossiers clôturés, mise à disposition en tant qu’assistant sur des cas réels, puis généralisation une fois la fiabilité éprouvée.
L’IA constitue par ailleurs un nouveau vecteur de fraude. L’observatoire Tessi relève une augmentation de 244 % des fraudes numériques entre 2023 et 2024, liée à l’émergence de l’IA générative. En 2024, des arrêts de travail falsifiés ont été monnayés via les réseaux sociaux, pour un préjudice estimé à 30 millions d’euros par l’Assurance Maladie. Si l’IA peut détecter des incohérences documentaires, certaines formes de fraude comme la simulation de symptômes ou l’exagération de douleurs, échappent à ses capacités et ne relèvent que du médecin expert.
Former les gestionnaires pour garder la maîtrise de l’outil
L’intégration de l’IA modifie le métier de gestionnaire. L’Observatoire de l’évolution des métiers de l’assurance indique que les gains de capacité conduiront les gestionnaires à se concentrer sur les dossiers les plus complexes, densifiant l’activité. Le risque principal est celui de la dépendance à l’outil. Si le gestionnaire valide systématiquement les propositions de l’IA sans regard critique, l’outil deviendrait un barème de fait.
Or, l’article 14 de l’AI Act impose une surveillance humaine qui ne pourra s’exercer que par des professionnels compétents. Si l’assureur confie à l’IA les tâches qui contribuaient à la montée en compétences progressive du gestionnaire junior, le cursus de professionnalisation sera incomplet. Pour disposer d’experts, il faut des juniors bien formés. Le 27 novembre 2025, AXA et son comité européen ont d’ailleurs signé une charte engageant le groupe à former ses salariés à un usage éthique et sécurisé de l’IA.
Cette nécessité d’adaptation n’est pas propre à l’assureur. Les avocats spécialisés s’équipent des mêmes technologies d’analyse jurisprudentielle, dont ils sont parfois à l’origine du développement. Au Canada, la société Painworth a développé un robot conversationnel accompagnant les victimes dans la négociation de leur indemnisation. L’asymétrie d’information entre les acteurs tend à se réduire. La partie qui disposera des outils les plus performants bénéficiera d’un avantage déterminant en négociation. L’investissement dans l’IA n’est donc pas optionnel, mais vital.
