De la donnée de sinistre à la décision : un pipeline de bout en bout

La donnée de sinistre est l'une des matières les plus riches de l'assurance, et l'une des plus mal exploitées. Elle arrive en désordre, dans des formats hétérogènes, souvent sous forme de documents scannés. Entre cette matière brute et une décision utile, il y a un pipeline. Je vous propose d'en ouvrir le capot, étape par étape, parce que c'est là que se joue la différence entre une démonstration et un outil qui tient en production.

Tout commence par l'acquisition. Un sinistre, ce sont des emails, des pièces jointes, des constats, des courriers d'expert, parfois plusieurs années d'historique. La première difficulté n'est pas l'analyse, c'est l'entrée : capter ce flux sans en perdre une partie. C'est l'un des rôles du Classifier, qui trie le courant entrant et rattache chaque pièce au bon dossier. Une donnée mal rattachée à la source contamine tout ce qui suit.

Vient l'extraction. Une grande partie de ces documents sont des images : il faut les rendre lisibles par la machine. L'OCR à grande échelle a un coût réel, et c'est un piège classique — on lance une extraction massive, et la facture explose. Une partie de notre travail a consisté à maîtriser ce coût : ne traiter que ce qui doit l'être, conserver les textes déjà extraits pour ne jamais repayer deux fois le même document, et réserver l'extraction lourde aux cas qui la justifient. Sur un corpus de plus de cent mille documents, cette discipline fait la différence entre un projet viable et un projet qui se sabote lui-même.

Ensuite, la structuration. Un texte extrait n'est pas encore une donnée. Il faut en tirer ce qui compte : la nature du sinistre, les montants, les dates, les parties, les garanties concernées. C'est là que l'IA apporte le plus, et c'est aussi là qu'elle peut se tromper avec aplomb. D'où une règle que nous ne lâchons pas : tout élément structuré reste traçable jusqu'à sa source. Si le système affirme un montant, on doit pouvoir remonter au document et à la ligne d'où il vient. Sans cette traçabilité, l'automatisation devient un acte de foi — inacceptable en assurance.

Puis la mesure. Comment sait-on que l'extraction est bonne ? Pas à l'intuition. On mesure, sur des cas réels, ce que le système trouve correctement et ce qu'il manque. Ces deux erreurs n'ont pas le même poids : manquer une information critique n'a rien à voir avec en proposer une à vérifier. Calibrer le système, c'est arbitrer en connaissance de cause entre ces deux risques selon l'enjeu du dossier.

Enfin, la décision — et c'est volontairement la dernière étape, jamais la première. Le pipeline ne décide pas. Il prépare, il structure, il met en évidence, il documente. La décision reste humaine, et le système est conçu pour la rendre plus rapide et mieux informée, pas pour la confisquer. Un bon pipeline ne se mesure pas à ce qu'il automatise, mais à la qualité du jugement qu'il permet en bout de chaîne.

Ce qui m'intéresse dans cette chaîne, c'est qu'aucune étape n'est spectaculaire isolément. La valeur naît de leur enchaînement rigoureux, et de la traçabilité maintenue d'un bout à l'autre. C'est moins vendeur qu'une démo, mais c'est ce qui tient quand un vrai dossier arrive.