Blog

Un résultat poli n'est pas encore un bon résultat

30 juillet 2026

4 min

Un résultat poli n'est pas encore un bon résultat

Table des matières

Ce que les hallucinations d'IA chez les Big Four nous apprennent sur la gestion des sinistres

KPMG a publié en octobre 2025 un rapport sur l'IA agentique comptant 45 sources. Cinq d'entre elles se sont révélées exactes.

Deloitte a livré pour 1,6 million de dollars un rapport de 526 pages à la province de Terre-Neuve-et-Labrador au Canada, sur le déploiement du personnel dans les soins de santé. Des sources inventées parcouraient tout le document : des articles qui n'ont jamais été écrits, des auteurs à qui l'on attribuait des travaux qu'ils n'ont jamais réalisés.

Deloitte Australie a dû rembourser au gouvernement une partie d'une mission de 440 000 dollars australiens, après qu'il est apparu que le rapport contenait des citations académiques inventées, attribuées à de vrais professeurs de la University of Sydney et de la Macquarie Law School.

EY Canada a retiré un rapport de cybersécurité. 16 des 27 citations se sont révélées inexistantes.

Et aux Pays-Bas, une avocate forte de trente ans d'expérience a déposé une requête contenant une jurisprudence qui n'existait pas. Quand cela a été découvert, elle a corrigé avec trois affaires supplémentaires. Elles aussi étaient inventées. Le juge l'a dit brièvement : 'Soit l'IA s'est emballée, soit vous avez inventé l'affaire.'

Cinq organisations, quatre pays, deux secteurs. Toujours le même schéma.

Le problème ne réside pas dans le modèle

La conclusion facile est que l'IA hallucine et qu'il faut donc y prêter attention. C'est vrai, et ce n'est d'ailleurs plus une nouvelle. Quiconque a travaillé avec un modèle de langage sait qu'il peut inventer une source qui paraît convaincante et qui pourtant n'existe pas.

Le problème réside dans l'étape qui n'a pas eu lieu ensuite. Chez KPMG, chez Deloitte, chez EY et chez cette avocate, il y avait un brouillon avec des sources dedans. Quelqu'un devait encore vérifier ces sources avant que le document ne sorte. Cette vérification n'a pas eu lieu.

Ce n'est pas une erreur technique. C'est une erreur humaine : quelqu'un a repris le résultat parce qu'il avait l'air bon, pas parce qu'il avait été contrôlé. L'IA relève ainsi le niveau plancher de la présentation. Un document faiblement étayé avait autrefois aussi l'air faible, et c'était le signal pour creuser. Désormais, le même document faiblement étayé a l'air soigné et convaincant. La structure tient, la langue tient, et les hypothèses fragiles sont seulement mieux habillées. Le signal incitant à contrôler a disparu, alors que la nécessité de contrôler s'est justement accrue.

Pourquoi cela pèse plus lourd pour les assureurs dommages

Pour un rapport de conseil d'un cabinet Big Four, le préjudice est fâcheux : perte de réputation, un remboursement, un moment pénible au tribunal. Dans le traitement des sinistres, l'enjeu est plus grand.

Un dossier de sinistre touche directement à une indemnisation, à une question de responsabilité ou à une interprétation de police. Une source inventée dans ce processus, un précédent inexistant, un chiffre qui ne repose sur rien, n'est pas seulement embarrassant quand cela se sait. Cela peut conduire à une décision d'indemnisation erronée, à un sinistre refusé à tort, ou à un dossier qui ne tient pas face au contrôle de la DNB ou d'un juge.

Un document proprement étayé sur une source inventée est en cela plus dangereux qu'un document visiblement brouillon. Le document brouillon soulève de lui-même la question de sa fiabilité. Le document soigné, non. Il a l'air prêt pour le client, et c'est précisément le risque.

Ce qu'il faut à la place

La réponse n'est pas un meilleur modèle qui hallucine moins souvent. Les modèles s'améliorent, mais aucun modèle ne garantit que chaque source qu'il cite existe réellement. La réponse réside dans les limites que vous construisez autour de ce modèle.

Chez DCSolutions, nous proposons pour cela Claim360, qui rend superflue la recherche libre de sources par l'IA. Claim360 travaille uniquement au sein de données que l'assureur gère lui-même : données de sinistres internes, chiffres de marché vérifiés, dispositions de polices propres et jurisprudence consignée. Si une source n'existe pas dans ce jeu de données, Claim360 ne l'invente pas. Il signale que la source manque, afin qu'un humain puisse encore répondre à cette question.

C'est un choix délibéré de laisser parfois le système paraître moins impressionnant qu'une IA qui a réponse à tout. En gestion des sinistres, c'est précisément la différence entre un outil auquel vous pouvez vous fier et un outil que vous devez démentir après coup.

Le jugement de vos collaborateurs n'est pas rendu superflu par l'IA. Il devient plus important. Mais encore faut-il qu'il y ait quelque chose sur quoi ce jugement puisse s'appuyer, plutôt que quelque chose qui se révèle après coup avoir été inventé.

Un résultat poli n'est pas encore un bon résultat.