
IA et assurance : comprendre les outils pour garder la maîtrise
Publié le 26 octobre 2026Par Lidia by Codelaw · Mis à jour le
Retour sur la première partie de l’atelier animé par Jean Marot chez AG Insurance le 26 octobre 2026. Des modèles de langage aux agents capables d’agir sur des documents, une même question a guidé les échanges : comment profiter de leurs capacités sans confondre résultat convaincant et résultat fiable ?

Retour sur la première partie de l’atelier animé par Jean Marot chez AG Insurance le 26 octobre 2026. Des modèles de langage aux agents capables d’agir sur des documents, une même question a guidé les échanges : comment profiter de leurs capacités sans confondre résultat convaincant et résultat fiable ?
1. Une réponse plausible mérite encore d’être vérifiée
Pour comprendre les outils d’IA, il faut d’abord regarder ce qu’ils produisent. Un modèle de langage construit une suite à partir du contexte et de probabilités. Il travaille avec des tokens, des mots ou des fragments de mots transformés pour le calcul. La formulation d’une demande et son contexte orientent donc la réponse.
L’atelier a illustré ce fonctionnement à travers des exemples de génération de texte, en faisant varier les paramètres. Une réponse peut paraître naturelle, cohérente et précise sans être exacte. Comprendre cette distinction aide à prendre du recul devant un texte qui inspire spontanément confiance.
Un exemple juridique l’a rendu concret : un courrier bien rédigé contenait deux références qui ne résistaient pas à la vérification. Le soin apporté à la forme ne suffisait pas à établir la solidité du fond. Pour un usage professionnel, les sources, les références et les chiffres restent à contrôler.
2. Du dialogue à l’enchaînement de tâches
La présentation a ensuite distingué le chatbot, les capacités de raisonnement et les agents. Le chatbot permet de dialoguer. Les capacités de raisonnement permettent notamment de construire des étapes et d’explorer des scénarios. Un agent peut aller plus loin en mobilisant des outils pour exécuter une succession de tâches.
Il peut, selon les accès dont il dispose, chercher des ressources, produire des documents ou coordonner plusieurs sous-tâches. L’intérêt est de passer d’une réponse dans une conversation à un travail sur des éléments concrets.
Cette autonomie se règle. Dès qu’un outil peut agir sur des fichiers, la question dépasse la qualité du texte produit : il faut aussi décider de ce qu’il peut consulter, modifier et exécuter, ainsi que des étapes où une validation humaine est nécessaire.
3. Trois démonstrations, trois usages concrets
La première illustration portait sur la préparation de diapositives à partir d’une consigne vocale. L’assistant devait ajouter une diapositive, puis adapter son travail à une demande portant sur deux diapositives. Il s’appuyait sur une présentation, une charte et des informations déjà accessibles. L’exemple montrait l’importance des ressources mises à disposition, autant que celle de la consigne.
La deuxième concernait un dossier documentaire désordonné : plans, offres, factures et documents de travaux. L’agent rassemblait les pièces, établissait une chronologie et un inventaire, puis structurait le dossier et classait les fichiers. Ce travail illustrait une aide à l’organisation documentaire, sans constituer une certification du dossier.
Enfin, un prototype de comparateur de conditions générales a été présenté. Il permettait d’extraire des clauses, de renvoyer à leur page dans un PDF et de produire une comparaison sous forme de rapport exportable. Jean avait demandé à l’IA de préparer d’abord la consigne, puis de créer le comparateur. Il s’agissait d’une démonstration, et non de l’annonce d’un produit Lidia ou d’une validation juridique des résultats.
4. Encadrer l’autonomie plutôt que tout approuver
Ces exemples ont un point commun : le contrôle humain reste central. Un agent peut se tromper dans une réponse, mais aussi dans une action sur un document ou un fichier. Approuver systématiquement ses demandes retire une part essentielle de ce contrôle.
L’enjeu est de trouver un équilibre entre des validations incessantes et une autonomie sans limites. Définir l’objectif, les accès autorisés et les actions à faire valider permet de donner un cadre au travail demandé. Aider l’outil à préciser la consigne peut aussi faciliter son utilisation, sans garantir pour autant la fiabilité du résultat.
Pour passer à la pratique
Le principal enseignement de cette première partie tient en quelques réflexes : comprendre ce que l’outil produit, lui donner un objectif clair, limiter ses permissions et vérifier ce qui sera utilisé. Une démonstration réussie donne des pistes d’usage ; elle ne dispense pas d’évaluer le résultat dans son contexte professionnel.
Avant de reprendre un texte ou d’approuver une action, deux questions simples peuvent servir de repères : sur quelles sources ce résultat repose-t-il, et qu’est-ce que l’outil est autorisé à faire ?
