DERNIÈRE DISCUSSION
Quand votre entreprise évolue, votre IA le sait-elle ?
Le prochain test pour l’IA d’entreprise est de savoir si elle peut fonctionner dans le cadre des obligations, des exceptions et des décisions qui font d’une entreprise ce qu’elle est.
Imaginez un assureur qui a acquis un portefeuille de contrats d'assurance vie fermé aux nouvelles affaires. L'acquisition est terminée. Les enregistrements ont été migrés. Les employés peuvent retrouver les documents. Un assistant IA est prêt à répondre aux questions du service client.
Un assuré demande une estimation de la valeur de rachat du contrat. L'assistant récupère un document authentique, le cite correctement et produit une explication convaincante. Pourtant, elle a choisi les conditions d’un produit plus récent plutôt que celles régissant le contrat de l’assuré.
Rien n'a besoin d'être fabriqué pour que la réponse soit fausse.
Ce cas hypothétique expose un défi plus profond que celui de maintenir à jour un modèle d'IA. Une entreprise établie contient des décisions prises à différents moments, pour différents clients, dans différentes conditions. Les salariés expérimentés passent une partie de leur vie professionnelle à concilier ces différences. Ils savent à quelle exception appartient un portefeuille acquis, quand une modification du contrat d'assurance modifie la formulation standard et quand une demande apparemment routinière nécessite l'intervention d'un spécialiste.
À mesure que nous automatisons ce travail, nous devons rendre ces jugements explicites, testables et maintenables. Autrement, l’IA peut transformer une ambiguïté organisationnelle non résolue en une erreur opérationnelle cohérente.
C'est la question du leadership que je souhaite aborder : comment préserver le sens d'une entreprise tout en changeant son mode de fonctionnement ?
La réponse peut nécessiter le passé et le présent en même temps
Revenons à notre exemple de souscripteur. Le contrat a été établi en 2008, puis modifié par un avenant. Le portefeuille a ensuite changé de propriétaire, et l’assureur a adopté cette année une nouvelle procédure de gestion. Le calcul du montant doit également tenir compte du solde pertinent du compte et de la date de valorisation.
Il n'existe pas de « dernière version » unique qui réponde à tout cela.
| Partie de la décision | La question qui fonde son autorité |
|---|---|
| Droit contractuel | Quelles conditions de police et modifications applicables régissent la demande de ce client ? |
| Procédure opérationnelle | Quel processus agréé s'applique désormais à ce portefeuille d'assurance et à ce type de transaction ? |
| Calcul financier | Quels service autorisé, hypothèses, soldes et date d'évaluation déterminent le montant ? |
| Autorisation d'agir | Qui peut approuver l'action, et quelles conditions doivent encore être remplies lors de son exécution ? |
Une instruction de service client actuelle ne peut pas simplement être considérée comme modifiant un droit contractuel plus ancien. De même, un ancien contrat ne signifie pas que les salariés doivent utiliser un mode opératoire abandonné. L'interprétation juridique et contractuelle applicable appartient à des spécialistes qualifiés ; la technologie doit préserver et appliquer les règles approuvées par ces spécialistes qualifiés.
Dans ce cas, le système d'administration du contrat ou le service de calcul validé doit établir le devis. L’IA peut rassembler les preuves pertinentes, expliquer les entrées du calcul et mettre en évidence un conflit. Il ne faut pas improviser une valeur financière à partir de la prose récupérée.
Cette distinction est particulièrement importante en assurance longue durée. Un portefeuille peut cesser d’accepter de nouvelles affaires alors que ses responsabilités en matière de service client, de réclamations et de reporting continuent. La modernisation doit perpétuer les obligations de ce portefeuille d’assurance, y compris les distinctions qui le différencient des produits les plus récents de l’assureur. Une migration techniquement réussie peut encore laisser cette signification commerciale incomplètement représentée.
Le travail des personnes expérimentées entre les documents
Lorsque deux documents sont en désaccord, un employé compétent ne se contente pas de choisir le plus récent. Ils enquêtent sur la relation : l’une est-elle une règle générale et l’autre une exception autorisée ? Cela concerne-t-il une juridiction différente ? Un changement a-t-il été approuvé mais jamais mis en œuvre ? L’incohérence est-elle un véritable défaut qui nécessite une décision commerciale ?
Un système qui mélange ces sources dans un paragraphe fluide peut masquer le désaccord même qu'un réviseur autorisé doit voir. La maîtrise peut éliminer les signes visibles d’incertitude sans résoudre leur cause.
C'est pourquoi j'examinerais le travail d'un personnel expérimenté avant de concevoir le processus de récupération. Demandez à un spécialiste de vous expliquer plusieurs cas difficiles, dont un cas où la source apparemment évidente avait tort. Enregistrez les distinctions qu’ils ont utilisées et les preuves qui les étayent. Remettez également en question les solutions de contournement informelles : une pratique de longue date ne constitue pas automatiquement une règle approuvée.
L'actif résultant est plus utile qu'un dossier de documents. Il s'agit d'un compte rendu indiquant quelles informations s'appliquent à quelles décisions, ainsi que la personne autorisée à résoudre l'incertitude. Ces connaissances peuvent améliorer la formation du personnel, la conversion du système et la cohérence opérationnelle ainsi que l’IA.
L’objectif n’est pas d’encoder en règle générale tous les jugements professionnels. Certains cas restent véritablement ambigus. Une bonne conception reconnaît ces cas à un stade précoce, explique ce qui n’est pas résolu et donne à un spécialiste dûment qualifié les preuves et l’autorité nécessaires pour prendre une décision.
Une fusion rend le problème visible ; L'IA agentique rend la tâche urgente
Une banque intégrant une entreprise acquise est confrontée à un défi connexe. Deux clients peuvent sembler détenir le même type de compte tout en ayant des accords, des modalités de tarification ou des exceptions de service client différents. Un dossier client consolidé ne permet pas d'établir que leur traitement doit être identique.
Dans une demande de frais hypothétique, un assistant peut localiser le tarif actuel de la banque acquéreuse tout en ignorant un accord valide retenu pour un groupe de clients acquis. La solution consiste à établir l'accord régissant le traitement et le traitement autorisé, et non pas simplement à actualiser le tarif plus fréquemment. En cas de conflit d’enregistrements, le cas doit être résolu avant qu’une réponse ou un ajustement ne soit approuvé.
Cela a des implications stratégiques pour les projets d'acquisition. Une analyse de rentabilisation qui budgétise le déplacement des documents mais laisse le rapprochement des significations au personnel de première ligne peut laisser un fardeau d'intégration important non résolu. Les investissements dans l’IA devraient révéler ce fardeau et contribuer à le réduire, plutôt que de le rendre moins visible derrière une interface unifiée.
La newsletter du Comité de Bâle de janvier 2026 sur BCBS 239 identifie les fusions, les nouveaux produits, les parcs de données fragmentés et le lignage des données comme des défis continus de mise en œuvre. Il s’agit d’une discussion informative sur les pratiques en matière de données sur les risques, et non d’une nouvelle exigence en matière d’IA. Sa pertinence ici réside dans le lien entre le changement commercial, la signification des données et l’appropriation durable de la direction.
L'IA agentique fait monter les enjeux car une interprétation erronée peut aller au-delà d'une réponse. Un agent de récupération fournit des preuves, un deuxième agent prépare une recommandation et un troisième lance un flux de travail autorisé. L’accord entre ces agents n’est qu’une faible assurance s’ils dépendent tous de la même source inapplicable. Le système a besoin d'une base commune et contrôlée pour décider quelles preuves sont éligibles et quelles actions sont autorisées.
L'architecture doit préserver le fondement de la décision
La génération augmentée par récupération, ou RAG, apporte les informations récupérées dans la réponse d'un modèle. Cela peut faciliter la recherche d’une réponse, mais la pertinence à elle seule ne suffit pas à établir l’applicabilité. Un paragraphe très pertinent peut toujours concerner le mauvais contrat ou la mauvaise population de clients.
La conception que nous proposons sépare quatre responsabilités : établir le dossier, sélectionner les preuves applicables, produire l'explication et autoriser toute action. Le modèle peut contribuer à ce processus ; il ne devrait pas être responsable de s'accorder l'accès ou de décider des limites de sa propre autorité.
Schéma original Genellipse. Les étiquettes sont en anglais ; l'explication qui l'accompagne est disponible dans la langue de votre choix.
Lire l'explication et les hypothèses
Le contexte du cas fiable, les sources approuvées et les systèmes financiers autorisés fournissent des informations distinctes.
Une vérification d'éligibilité indépendante établit les sources applicables, les autorisations d'accès et les dates d'effet avant que l'IA limitée ne prépare une explication.
Un réviseur agréé qualifié gère les exceptions. Avant l'exécution, le workflow revérifie les autorisations, la validité de la source et l'état actuel. Les preuves sont conservées à chaque étape.
Au départ, des systèmes de confiance fournissent l'identité de la police ou du compte, le produit, le marché et les dates pertinentes. Les règles approuvées déterminent à quelles sources l'utilisateur et le flux de travail peuvent accéder et quelles versions s'appliquent. Seul le matériel éligible entre dans l’étape de génération de réponses. Les filtres de métadonnées sont un mécanisme technique disponible ; La documentation de recherche de Microsoft décrit le filtrage du contenu selon des critères définis. Le difficile travail commercial reste de s’accorder et de maintenir ces critères.
Microsoft : filtres de recherche
Les soldes courants et les calculs financiers suivent leurs propres connexions système autorisées. Le dossier de preuve doit relier l'explication à la version du contrat, au matériel récupéré, au résultat du calcul, aux exceptions non résolues et à l'approbation. Cela donne à un réviseur autorisé quelque chose de plus utile qu'une transcription : une base pour comprendre comment la décision a été prise.
Avant une action aux conséquences importantes, le système vérifie à nouveau. Une recommandation peut attendre dans une file d'attente pendant qu'une source est retirée, qu'un compte change ou qu'une approbation expire. L'autorisation et l'état doivent toujours être valides lorsque l'action est exécutée. Une API conventionnelle et un outil Model Context Protocol (MCP) ont tous deux besoin de cette discipline ; aucun des deux types de connexion ne crée par lui-même une autorité commerciale.
Changer la source, c'est gérer les conséquences
Le maintien des connaissances devient une responsabilité opérationnelle dès lors que les réponses influencent le travail. Supposons qu'une procédure soit retirée à midi. Le matériel concerné peut déjà exister dans un index, une copie traduite, une réponse en cache et plusieurs cas inachevés. Le remplacement du fichier maître ne résout qu’une partie du problème.
L'organisation doit identifier ces dépendances, empêcher toute utilisation ultérieure inappropriée, vérifier que le changement s'est propagé et déterminer quels cas en attente doivent être réévalués. Si une décision a déjà été exécutée, modifier la base de connaissances ne la répare pas. Une équipe habilitée doit évaluer les conséquences et toute action corrective.
Les preuves historiques doivent rester disponibles dans le cadre des dispositions appropriées en matière de conservation et d'accès. Il y a deux questions différentes à préserver : qu'est-ce qui devrait régir une décision maintenant et quelles informations étaient disponibles lorsqu'une décision antérieure a été prise. L’enregistrement des dates d’entrée en vigueur et des dates de modification saisies dans le système permet de séparer ces questions.
Quelqu'un doit être propriétaire de l'ensemble du processus. Le propriétaire de l'entreprise approuve l'applicabilité ; l'ingénierie vérifie la propagation ; les opérations traitent les cas concernés ; Les spécialistes des risques, de la conformité et du droit évaluent les conséquences dans le cadre de leur compétence. Un propriétaire de service doit résoudre les écarts entre ces responsabilités. Les directives Manage du NIST comprennent la surveillance post-déploiement et la gestion du changement ; le mode de fonctionnement décrit ici est notre application proposée.
Le niveau de supervision doit refléter les conséquences d'une erreur. L’avis d’août 2025 du EIOPA adopte une approche proportionnée et fondée sur les risques en matière de gouvernance de l’IA dans le secteur de l’assurance. Mon interprétation pratique est qu’une réponse d’information générale et une action affectant l’argent d’un assuré nécessitent différents niveaux de preuve, d’approbation et de contrôle. L'avis est adressé aux contrôleurs nationaux ; il ne s’agit d’une certification d’aucune plateforme.
Mesurer le coût de l'ensemble de la décision
Une affirmation de productivité est incomplète si elle compte une préparation plus rapide tout en ignorant les personnes qui réconcilient, corrigent et expliquent le résultat. Il existe également un risque de déplacement du travail : un assistant traite davantage de demandes, mais les spécialistes héritent d'une file croissante d'exceptions difficiles.
L'analyse de rentabilisation doit donc mesurer l'ensemble du parcours, y compris le coût nécessaire pour maintenir les connaissances utilisables. L'exemple mensuel suivant est hypothétique ; ses entrées sont des hypothèses de discussion, et non des résultats ou des prévisions Genellipse.
| Mesure | Hypothèse de départ | Cible d'évaluation |
|---|---|---|
| Demandes de service | 12,000 | 12,000 |
| Demandes nécessitant une refonte liée aux connaissances | 1,800 (15%) | 720 (6%) |
| Retouche moyenne par demande concernée | 18 minutes | 18 minutes |
| Effort total de retouche | 540 heures | 216 heures |
La différence est de 324 heures de capacité brute. Si la maintenance des sources et la réalisation d'examens supplémentaires nécessitent 60 heures supplémentaires, il reste 264 heures. Ces heures ne deviennent des économies financières que si une dépense réelle change. Ils peuvent plutôt prendre en charge des volumes plus élevés, des temps d'attente plus courts ou un meilleur service. Les coûts de mise en œuvre, de plate-forme et autres coûts d'exploitation font toujours partie du calcul de l'investissement.
La cible a également besoin de preuves que l'intervention a provoqué l'amélioration. Comparez les groupes de produits et les types de cas équivalents ; tenir compte des changements de volumes, de personnel et de complexité. Vérifiez que le contact répété n'a pas simplement été déplacé vers un autre canal. Une moyenne en amélioration peut masquer une détérioration d’un petit portefeuille hérité.
La qualité ne peut pas être évaluée à l’aide d’un seul taux de précision. Les erreurs ont des conséquences différentes : une explication mal placée et une instruction de paiement incorrecte ne devraient pas avoir le même poids. Testez les cas difficiles par génération de contrats d’assurance, juridiction, type d’exception et gravité de l’action. Suivez les exceptions non résolues et leur ancienneté, car un assistant qui reporte tout peut être prudent tout en apportant peu de valeur opérationnelle. Une évaluation utile montre à la fois où le système réussit et où les gens ont encore besoin de capacités pour intervenir.
Ce que je demanderais aux dirigeants de financer et comment Genellipse peut aider
Le premier investissement est le temps des personnes qui comprennent le métier. Leur participation doit avoir un budget, un mandat et une place dans la réception des livraisons. Considérer l’expertise du domaine comme un soutien occasionnel à un projet technologique laisse les décisions les plus importantes en suspens.
Chez Genellipse, nous pouvons commencer par un processus métier aux conséquences importantes : service client d'un portefeuille d'assurance-vie acquis, résolution d'une exception bancaire ou préparation d'une revue d'assurance. Nous cartographions les décisions avant de sélectionner l'automatisation. Cela inclut l'identification des systèmes faisant autorité, des variations légitimes de traitement, des calculs et des points sur lesquels quelqu'un doit exercer son jugement.
GeneData peut fournir la base d'informations gouvernée, reliant les données et les connaissances commerciales à la propriété et au lignage. Cortex AI OS fournit l'environnement pour la coordination des agents, des autorisations, des enregistrements de révision et d'activité. Dans un parcours d'assurance, le AegisNow intègre le contexte de l'administration des polices, de l'assurance et de l'actuariat dans la conception, aux côtés des systèmes existants pertinents et des calculs validés.
GeneSecure et GeneComply prennent en charge le travail de sécurité et de contrôle-preuve, tandis que GeneAnalytics peut rendre visibles les exceptions, les retouches et les résultats de service. L’intérêt réside dans la configuration de ces capacités autour d’un processus de décision partagé. Nous confirmons l'adéquation du produit, les intégrations et les exigences de contrôle avec le partenaire plutôt que de supposer que chaque connexion est déjà disponible.
Pour une portée convenablement délimitée, nous visons un MVP dans les six semaines une fois que l'accès, les données représentatives et les décideurs sont disponibles. Son acceptation doit démontrer trois choses : un cas de routine traité correctement ; un cas difficile renvoyé à un spécialiste qualifié avec des preuves suffisantes ; et un changement de source qui atteint le flux de travail concerné et le travail en attente. Un MVP de six semaines établit la preuve du prochain investissement ; une migration plus large d'un portefeuille d'assurance vers un autre système ou un déploiement en entreprise nécessite son propre plan.
C'est également le besoin commercial qui sous-tend notre introduction prévue de Cortex Blueprint fin octobre 2026 : aider les organisations à connecter les résultats commerciaux, les personnes responsables, les informations, les agents et les contrôles lors de l'évolution de leur modèle opérationnel. Il s’agit d’une introduction planifiée et non d’une affirmation selon laquelle les fonctionnalités décrites dans cet article sont déjà configurées pour chaque organisation.
L'opportunité durable est de rendre l'expertise plus facile à appliquer de manière cohérente, de la préserver tout au long du changement organisationnel et de réduire l'effort requis pour expliquer une décision. Cela laisse aux gens plus de capacité pour les cas où le jugement compte le plus.
Avant d'approuver la prochaine extension de l'IA, je demanderais à l'équipe de démontrer une décision du contrat à l'action, puis de modifier une règle à mi-parcours. L'organisation peut-elle identifier quels changements, ce qui doit rester inchangé et qui est responsable du résultat ?
Cette démonstration en dit beaucoup plus à une équipe de direction sur l'état de préparation qu'une autre réponse parfaitement préparée.
DE LA RÉFLEXION À LA PRATIQUE
