Pourquoi l'assurance dédiée à l'IA ne couvre que des fragments du business case, et pourquoi le risque économique résiduel reste au bilan du client.
Déployer un logiciel consistait autrefois à transférer un artefact : un programme, une base, un flux. Déployer une IA, c’est transférer une capacité de décision, et ce seul déplacement reconfigure d’un coup la gouvernance, la responsabilité, l’assurance et le financement. Le marché de l’assurance dédiée à l’IA existe désormais et grandit, et il est tentant d’y voir l’instrument qui transfère enfin l’aléa de rentabilité d’un déploiement à un tiers. Il n’en est rien, et le motif n’est pas l’immaturité du marché. Le motif est que le résultat économique résiduel d’un déploiement n’est pas le genre d’objet qu’un assureur sait tarifer. Cette note énonce ce motif et s’y tient.
Toute la difficulté se comprime en une phrase : le fournisseur livre un système, le métier attend un résultat, l’assureur couvre un péril. Trois unités, et rien ne garantit qu’un objet exprimé dans l’une soit exprimable dans les deux autres. Une hallucination est un mécanisme, non un sinistre. Le sinistre, s’il advient un jour, est la perte juridiquement établie d’un tiers qui s’y est fié, et les frais de défense sont ce qu’une police accepte d’indemniser. Traiter l’hallucination comme un sinistre est l’erreur fondatrice du discours ambiant, car elle écrase six niveaux distincts (péril, exposition, dommage, risque, déclencheur, objet de garantie) en un seul. Le marché peut couvrir une défaillance définie de l’IA. Il ne peut pas transformer toute déception économique en perte indemnisable.
Les objets que le marché sait traiter, une atteinte à un tiers, un incident de sécurité, une violation de propriété intellectuelle, un écart à un seuil de performance, sont des événements ou des états délimités. Le résultat économique net d’un déploiement n’en est pas un. C’est un agrégat causal endogène au client, où interviennent d’un même mouvement la performance technique, l’adoption organisationnelle, l’usage réel, le coût de supervision, la conduite du changement, la qualité du management et des chocs externes. Quatre propriétés le rendent réfractaire à l’indemnisation classique. La causalité est diffuse : un système techniquement conforme peut manquer son ROI, et un modèle médiocre peut le produire grâce à une réorganisation ou une hausse de prix. Le contrôle appartient largement à l’assuré, ce qui installe un aléa moral d’une tout autre ampleur qu’un seuil technique. La mesure est contrefactuelle : indemniser un manque à gagner suppose de comparer le monde observé à un monde sans défaillance, contrefactuel rarement observable. La volatilité est en partie externe. Un objet doté de ces quatre propriétés n’attend pas d’être mieux reconstruit. Il attend, au mieux, d’être décomposé.
Lues au niveau de preuve où elles se donnent, les offres publiques confirment le déplacement. Armilla, coverholder du Lloyd’s, a porté sa police autonome à vingt-cinq millions de dollars début 2026, avec un déclencheur fixé sur une performance jugée inférieure aux attentes initiales, non sur l’effondrement du business case. Munich Re, avec aiSure, construit depuis 2018 des garanties autour d’indicateurs définis et mesurables, le déclencheur étant le franchissement d’un seuil, l’analyse portant sur le modèle. Testudo interdit toute généralisation trop rapide : sa police autonome de responsabilité civile tarife sur des données de litige et d’exposition, sans audit technique prolongé du système. La réalité est graduée, non uniforme. Plus le déclencheur dépend du comportement propre du modèle, plus sa caractérisation technique devient centrale ; plus il dépend d’une responsabilité juridique générique, plus la souscription s’appuie sur des proxys d’exposition. Un seul mot, « assurance », confond des instruments qui ne couvrent pas le même objet : l’indemnitaire exige une perte démontrée et un lien causal, la garantie de performance exige un seuil et une méthode de mesure, la couverture paramétrique exige un indice et accepte un risque de base, le contrat de niveau de service plafonne souvent une compensation très inférieure au dommage. Assurer le proxy n’est pas assurer le résultat.
Pour attribuer une perte, il faut la reconstruire, et c’est ici que le modèle de livraison montre son trou : la chaîne de preuve est fragmentée entre le fournisseur, le client et l’intégrateur, et la structure contractuelle ne charge personne de la consolider pour l’assureur. La reconstructibilité, ce travail qui convertit un déploiement contextualisé, tacite et distribué en preuves persistantes interrogeables par un tiers financier, réduit une partie de l’asymétrie d’information, la partie distribuée et la partie non observable. Elle ne touche pas la partie stratégiquement retenue, et elle peut même produire davantage de données sans en garantir la crédibilité. Sa valeur excède l’assurance. En rendant un risque opaque observable, attribuable et bornable, elle le transforme en objet financier négociable, condition non seulement d’une police mais du refinancement, de la réassurance, de la notation et de la titrisation. C’est précisément pour cela que son absence coûte cher : le contrat de livraison qui ne finance pas sa production laisse le risque au bilan de celui qui n’a pas les moyens de le céder. Elle ne rend pas pour autant le business case assurable, et elle ne supprime ni l’aléa moral ni la causalité diffuse.
La traitabilité actuarielle n’est pas la porte la plus haute. Un risque peut être actuariellement traitable et normativement indéterminé, et alors l’assureur ignore ce qu’il promet d’indemniser. Deux propriétés font résister la norme applicable à l’IA. Ses exigences sont orthogonales : l’explicabilité et la supervision humaine tirent contre la minimisation des données, le droit à l’explication tire contre le secret qui couvre le modèle, l’exigence de preuve clinique stable du MDR entre en collision avec un AI Act qui présuppose des systèmes qui continuent d’apprendre. Quand deux exigences sont orthogonales, la conformité n’est pas un état que l’on atteint mais un arbitrage que l’on rend, et le péril « non-conformité » est sous-défini par construction. La seconde propriété en découle : une large part de la norme opérante sera forgée par les tribunaux, non écrite par le législateur. L’assureur tarife la norme écrite et paie contre la norme opposable, forgée après le sinistre. Un seul arrêt de principe peut requalifier un portefeuille entier bâti sur le même arbitrage orthogonal, corrélation normative qu’aucune reconstructibilité du système ne détecte, parce qu’elle vit dans la couche juridique, non dans la couche modèle. Les amendes et frais de défense qui figurent avec tant d’assurance dans les descriptions de produits sont, à cette lecture, moins un péril couvert qu’un pari sur le rythme et la direction d’une jurisprudence à peine commencée.
La tentation est d’écrire que l’assurance réduit la variance du break-even. C’est affirmer plus que le mécanisme ne permet. Une couverture bornée, franchisée et sélective ne réduit pas la variance globale et peut même accroître certaines volatilités financières. La proposition exacte est plus modeste : elle ajoute un coût certain à tous les scénarios et peut réduire la gravité de certains scénarios extrêmes qui retarderaient ou empêcheraient le break-even. Même un sinistre couvert laisse une franchise, une sous-limite, un délai de règlement, un litige de causalité. La prime relève du transfert, non de la gouvernance, et séparer les deux révèle le paradoxe qui intéresse le business case : l’infrastructure qui rend le risque transférable peut différer le break-even qu’elle prétend protéger, dès lors que le coût de transfert, ajouté à la gouvernance qu’il exige, croît plus vite que le risque qu’il retire. La police est alors parfois achetée non pour son espérance actuarielle mais comme droit d’entrée contractuel sur des marchés qui l’imposent.
Cette note raisonne sur des descriptions publiques de produits, non sur des wordings contractuels, inaccessibles ; ce qui est décrit comme un déclencheur est un positionnement public, pas une clause opposable. Elle décrit un marché jeune et ne prédit ni sa taille ni la soutenabilité de ses primes. La thèse est falsifiable. Elle s’affaiblirait si des garanties indemnitaires couvraient durablement un résultat économique global sans le réduire à des événements, seuils ou indices bornés, ou si les livrables ordinaires de déploiement produisaient régulièrement un socle de preuve simultanément maintenu, causalement pertinent et réutilisable par plusieurs porteurs. Elle prédit l’inverse. Tant que les trois unités ne se recouvrent pas, et tant que personne n’est contractuellement chargé de dresser la carte qui dit qui contrôle, qui répond et qui paie, la perte trouve toujours quelqu’un pour la supporter. Simplement pas toujours celui qui l’a causée.
[Série : Les coûts cachés du déploiement de l’IA. L’argument complet, avec son vocabulaire à six termes et ses porteurs en note, est dans le document ci-dessous.]
Notes doctrinales et explorations sur l’IA en systèmes régulés. Une à deux fois par mois. Désabonnement en un clic.