Dans l’assurance, chaque point de ratio combiné compte, et chaque minute gagnée sur un dossier se transforme en marge ou en compétitivité. C’est sur cette équation que Belem, jeune pousse de la French Tech mise en avant le 12/08, veut se différencier : utiliser l’intelligence artificielle pour accélérer la gestion des contrats et des sinistres, tout en rendant la relation client plus fluide. Une ambition qui s’inscrit dans un mouvement plus large : selon France Assureurs, le secteur a collecté 253,1 milliards d’euros de cotisations en 2023, et reste l’un des plus gros utilisateurs de données en France — donc l’un des terrains les plus propices, mais aussi les plus sensibles, pour l’IA.

Belem, une insurtech qui attaque le “temps perdu” des assureurs

La promesse de Belem est simple sur le papier : faire passer un maximum d’opérations répétitives — lecture de documents, extraction d’informations, pré-remplissage, tri et priorisation — dans des pipelines automatisés pilotés par IA. Dans les compagnies d’assurance, une partie significative des coûts provient encore d’actes manuels : analyser des pièces justificatives, vérifier la cohérence d’un contrat, classer des e-mails entrants, répondre à des demandes standardisées.

Dans ce type d’organisation, la productivité est un sujet structurel. Le secteur fonctionne avec des chaînes de décision où la traçabilité est obligatoire, et où la moindre erreur peut se transformer en litige. Belem s’attaque donc à un paradoxe : automatiser davantage, sans perdre le contrôle. « L’enjeu n’est pas de remplacer l’expert, mais de le dégager des tâches à faible valeur ajoutée », résume un dirigeant d’insurtech rencontré sur un salon parisien, qui décrit une attente claire des assureurs : des outils qui “préparent” le travail, plutôt que des systèmes qui décident seuls.

Sinistres, souscription, fraude : les trois terrains où l’IA crée de la valeur

Dans l’assurance, l’IA a déjà trois cas d’usage dominants, et Belem s’inscrit dans cette logique industrielle.

  • La gestion des sinistres : l’objectif est de réduire les délais de traitement et d’orienter plus vite les dossiers. Les modèles peuvent lire des constats, analyser des pièces (factures, devis, rapports), détecter des incohérences et suggérer un parcours “simple” ou “complexe”. Le gain se mesure en jours, parfois en semaines, selon la typologie de sinistre.
  • La souscription : l’IA sert à extraire et vérifier les informations, contrôler l’éligibilité, accélérer l’édition de contrats, et mieux personnaliser les garanties. Là, la bataille se joue sur la fluidité : moins d’abandon de parcours et une meilleure conversion.
  • La lutte contre la fraude : c’est l’un des domaines où l’IA statistique est la plus mature. En France, la fraude en assurance est un sujet récurrent ; l’Agence pour la lutte contre la fraude à l’assurance (ALFA) estimait ces dernières années un coût annuel de l’ordre de plusieurs milliards d’euros. Les modèles cherchent des signaux faibles : répétitions, réseaux de dossiers liés, comportements atypiques, anomalies temporelles ou géographiques.

Belem arrive à un moment où ces trois axes convergent : les outils d’IA générative améliorent l’analyse de documents et la synthèse, tandis que l’IA “classique” reste efficace sur la détection d’anomalies et le scoring. Les assureurs, eux, veulent des produits qui s’intègrent aux systèmes existants, souvent anciens, plutôt que des révolutions impossibles à déployer.

Le nerf de la guerre : la donnée, sa qualité et son droit d’usage

Sans données propres, pas d’IA fiable. Dans l’assurance, cela signifie des données contractuelles, des historiques de sinistres, des échanges clients, mais aussi une masse de documents hétérogènes. Or les systèmes ont été empilés au fil des fusions et des lignes métiers, avec des formats parfois incompatibles.

La question est aussi juridique. L’IA appliquée à la relation client touche à des données personnelles, parfois sensibles. Et la France, comme l’Europe, s’est dotée d’un cadre de plus en plus strict : RGPD, exigences de sécurité, et désormais AI Act européen, qui classe certains usages selon leur niveau de risque. « La confiance n’est pas un supplément d’âme : c’est une condition de déploiement », insiste un responsable conformité d’un grand groupe, rappelant que la moindre fuite de données ou un modèle “trop opaque” peut bloquer un projet pendant des mois.

Pour une jeune entreprise comme Belem, cela implique des arbitrages techniques : hébergement, chiffrement, gouvernance des accès, et surtout capacité à prouver ce que fait le modèle, sur quelles données, avec quelles limites. Les assureurs demandent des garanties, et pas seulement une démonstration produit.

L’IA, oui, mais avec un pilote humain : la pression de l’explicabilité

Dans l’assurance, l’erreur n’est pas seulement un bug : elle peut déclencher un contentieux, une sanction, ou une crise d’image. D’où l’exigence d’explicabilité. Quand un outil propose de classer un sinistre comme “suspect”, ou d’orienter un client vers un refus, il faut pouvoir justifier la décision.

Belem, comme d’autres acteurs insurtech, avance généralement une approche “human in the loop” : l’IA recommande, l’humain valide. C’est un compromis pragmatique, mais qui pose une question : si l’agent valide en quelques secondes, la décision est-elle encore réellement humaine ? La pratique montre que plus un outil est performant, plus il devient prescripteur. Pour éviter cet effet, les assureurs cherchent des interfaces qui obligent à documenter les raisons, à afficher les pièces utilisées, et à signaler l’incertitude du modèle.

La Commission nationale de l’informatique et des libertés (CNIL) rappelle régulièrement que l’automatisation doit rester maîtrisée, notamment quand elle a un effet significatif sur les personnes. Dans l’assurance, c’est fréquent : tarification, acceptation, indemnisation.

Un marché sous tension : hausse des sinistres climatiques et course à l’efficacité

Si l’IA accélère dans l’assurance, c’est aussi parce que le secteur fait face à une pression exogène : la multiplication d’événements climatiques coûteux, qui gonflent les volumes de dossiers et complexifient l’évaluation des dommages. Les assureurs français alertent depuis plusieurs années sur l’augmentation de la sinistralité liée aux aléas climatiques et sur ses impacts sur les primes.

Dans ce contexte, chaque automatisation compte : tri des déclarations, pré-évaluation, planification d’experts, analyse d’images, détection de doublons. L’IA devient une réponse opérationnelle à un afflux de demandes, mais aussi un moyen d’améliorer l’expérience client : moins d’attente, plus de transparence, des notifications plus claires.

« Le client compare désormais son assureur à ses usages bancaires ou e-commerce : il veut une réponse immédiate », observe un consultant spécialisé dans la transformation des mutuelles. C’est un changement culturel : historiquement, l’assurance a toléré des cycles longs. L’IA pousse vers un standard “temps réel”.

Belem face aux géants : partenariats, intégration et preuve par les chiffres

Le défi de Belem n’est pas seulement technologique. Il est commercial et industriel. Les grands assureurs travaillent déjà avec des éditeurs historiques, des ESN et, de plus en plus, des cloud providers qui proposent leurs propres briques d’IA. Pour exister, une insurtech doit prouver trois choses : que l’outil s’intègre sans casser l’existant, qu’il tient la charge, et qu’il produit un ROI mesurable.

Dans les appels d’offres, les indicateurs attendus sont concrets : réduction du temps moyen de traitement, baisse du taux de réouverture de dossiers, amélioration du taux de réponse au premier contact, diminution des erreurs de saisie, et parfois impact sur la fraude détectée. Les directions métiers demandent des pilotes rapides, mais les DSI exigent des standards : API, journalisation, réversibilité, sécurité.

La crédibilité se joue aussi sur la capacité à construire des partenariats. Dans l’assurance, l’innovation se déploie rarement en “pure rupture” : elle s’imbrique dans une chaîne (courtiers, gestionnaires, experts, prestataires, réparateurs). Une solution comme Belem doit donc parler autant aux équipes opérationnelles qu’aux fonctions support, de la conformité au juridique.

Le risque de l’IA “qui parle trop” : relation client et promesses à tenir

Les assistants conversationnels sont souvent la vitrine la plus visible. Mais en assurance, ils peuvent devenir un piège : promettre une indemnisation, avancer des délais, ou donner un conseil ambigu peut coûter cher. Les assureurs veulent donc des agents capables de répondre, mais aussi de s’abstenir : escalader vers un humain, citer les limites, et s’appuyer sur des sources internes validées (conditions générales, procédures, historiques).

Les modèles génératifs, par nature, peuvent “halluciner” des réponses. Le secteur privilégie donc des approches encadrées (RAG, bases documentaires maîtrisées, réponses sourcées). Pour une insurtech, l’enjeu est de transformer une technologie spectaculaire en outil robuste. « Le vrai progrès, ce n’est pas un chatbot qui fait une démonstration, c’est un dispositif qui réduit les litiges », résume un expert en expérience client.

Ce que l’émergence de Belem raconte de la French Tech de 2026

Belem illustre une évolution : la French Tech ne se limite plus aux applications grand public. Elle s’attaque à des secteurs régulés, complexes, où la valeur se mesure à la fiabilité. L’assurance, longtemps perçue comme un paquebot, devient un champ d’expérimentation à grande échelle, parce que ses processus sont massifs et documentés, et que les gains de productivité s’y voient immédiatement.

Reste une question centrale : l’IA peut-elle moderniser l’assurance sans la déshumaniser ? La réponse dépendra moins des slogans que des garde-fous : gouvernance des données, traçabilité, contrôle humain, et capacité à prouver les résultats sur des indicateurs simples. Si Belem réussit, ce sera parce qu’elle aura convaincu sur un point : dans un métier bâti sur la promesse, la technologie n’a de valeur que si elle renforce la confiance — et non si elle la remplace.