Lauréat du palmarès Choiseul 100, Jérémy Jawish est le cofondateur et directeur général de Shift Technology, une entreprise qui développe des solutions d’IA dans le secteur de l’assurance. Détecter les fraudes, automatiser la gestion des sinistres et améliorer la prise de décision, tant de domaines au sein desquels la licorne français déploie son expertise. Jérémy Jawish revient notamment sur l’enthousiasme grandissant autour de l’IA et son application concrète dans le secteur des assurances, sans pour autant remplacer les experts.
Vous avez traversé plusieurs cycles d’enthousiasme autour de l’IA. Est-ce que la période actuelle marque une vraie rupture dans la maturité des organisations, ou une nouvelle vague qui retombera comme les précédentes ?
Oui, je pense qu’il y a une vraie rupture. Mais elle n’est pas seulement technologique, elle est surtout opérationnelle. Pendant longtemps, l’IA a été traitée comme un sujet d’innovation : intéressant, prometteur, mais souvent périphérique. Aujourd’hui, les conversations ont changé de nature : les dirigeants ne nous demandent plus simplement ce que l’IA peut faire. Ils nous demandent où elle peut créer de la valeur, comment la déployer à grande échelle, comment mesurer son impact etc.
L’émergence de l’IA agentique accélère ce basculement. Nous passons d’outils capables de produire une analyse ou une recommandation à des systèmes capables d’orchestrer des tâches métier complètes : collecter l’information pertinente, prioriser un dossier, proposer une action, déclencher certaines étapes d’un processus. La vague actuelle retombera probablement pour les usages superficiels ou mal intégrés. Mais pour les entreprises qui sauront intégrer l’IA, et notamment l’IA agentique, au cœur de leurs opérations, ce ne sera pas un effet de mode.
L’assurance est un secteur contraint, audité, exposé au risque réputationnel. Comment expliquez-vous que ce soit précisément là que l’IA appliquée a trouvé son terrain le plus fertile ?
C’est précisément parce que l’assurance est un secteur contraint que l’IA y est pertinente.
Dans un environnement moins régulé, on peut parfois se permettre d’expérimenter rapidement avec des outils génériques. Dans l’assurance, ce n’est pas possible. Les décisions doivent être justifiables, auditables et compréhensibles. Une IA qui fonctionne comme une boîte noire n’a pas sa place dans un processus qui touche à l’indemnisation d’un assuré, à une suspicion de fraude ou à une décision de souscription. Cette exigence oblige à construire une IA plus mature : explicable, traçable, gouvernée, et intégrée aux règles métier.
L’autre raison est que les cas d’usage sont massifs et mesurables. Fraude, gestion des sinistres, traitement documentaire, souscription, recours : ce sont des processus à fort volume, avec un impact direct sur les coûts, la qualité de service et la satisfaction client. L’IA, et notamment l’IA agentique, ne se limite pas à automatiser des tâches répétitives.
Sa vraie valeur est de mieux orienter l’attention des experts. Dans le cas d’un gestionnaire fraude, par exemple, l’IA peut analyser des milliers de signaux, identifier des incohérences, faire remonter des corrélations entre plusieurs dossiers et recommander les vérifications à mener. Mais elle ne prend pas la décision finale.
Le gestionnaire reste responsable de l’arbitrage. Il conserve le jugement métier, la compréhension du contexte et la relation avec l’assuré. L’IA agentique agit comme un copilote spécialisé, ce n’est pas une IA qui décide à la place des experts. C’est une IA qui orchestre, filtre, priorise, explique et escalade et c’est l’humain qui décide. Au fond, l’assurance est un très bon terrain pour l’IA appliquée parce qu’elle combine trois éléments rares : de la complexité, du volume et une exigence forte de confiance.
La confiance dans un système d’IA, comment se construit-elle ?
La confiance dans l’IA ne vient pas uniquement de sa performance mais de sa capacité à être comprise et contrôlée. Par exemple, dans un secteur comme l’assurance, une recommandation ne suffit pas. Il faut pouvoir expliquer pourquoi un dossier est priorisé, pourquoi une alerte est remontée, quelles données ont été prises en compte et quelles règles métier ont été appliquées. Si l’utilisateur ne comprend pas le raisonnement du système, il ne l’adoptera pas au long terme.
Il y a aussi un point souvent sous-estimé : une IA fiable doit savoir s’arrêter. Dans un environnement critique, elle ne doit pas chercher à répondre à tout prix. Si un dossier est incomplet, contradictoire ou trop sensible, elle doit être capable de s’abstenir et de transmettre le cas à un expert humain. C’est un élément central du contrôle de l’IA.
Il faut définir ce que le système peut faire seul, ce qu’il peut recommander, ce qu’il doit expliquer, et les situations dans lesquelles il doit impérativement escalader vers un humain. Dans l’assurance, cette capacité à encadrer l’action de l’IA est aussi importante que sa performance.
La confiance repose donc sur plusieurs piliers : l’explicabilité, la traçabilité, la supervision humaine, la gouvernance des données et la sécurité. Ma conviction est que l’IA ne doit pas retirer le contrôle aux experts. Elle doit leur permettre de prendre de meilleures décisions. La technologie analyse, priorise et recommande ; l’humain conserve la responsabilité de la décision finale. C’est cette complémentarité qui rend l’IA acceptable, utile et durable.
Au-delà des priorités politiques, quelle transformation de fond, culturelle, organisationnelle, l’Europe doit-elle opérer pour jouer un rôle de premier plan dans la prochaine décennie de l’IA ?
L’Europe n’a pas un problème de talent. Elle a un problème de vitesse et parfois d’exécution. Nous avons des chercheurs de très haut niveau, d’excellents ingénieurs, des entrepreneurs solides et de grands groupes capables de déployer des technologies à grande échelle. Mais nous passons encore trop souvent trop de temps à analyser les risques avant de construire les champions capables d’imposer des standards.
Comme on le voit en particulier depuis ces derniers mois, dans l’IA, la vitesse d’adoption est devenue un avantage compétitif. Cela ne veut pas dire avancer sans cadre. Cela veut dire expérimenter plus vite, apprendre plus vite, industrialiser plus vite. L’Europe ne doit pas chercher à copier les États-Unis ou la Chine. Elle a une carte différente à jouer : construire une IA performante, mais aussi fiable, explicable et adaptée aux secteurs régulés. C’est un positionnement extrêmement fort si nous savons le transformer en produits, en clients et en déploiements à grande échelle.
Je pense que la transformation culturelle est là : faire davantage confiance à nos scale-ups, créer des alliances plus fortes entre grands groupes, startups et pouvoirs publics, et passer plus vite du débat à l’exécution.
Jérémy Jawish est lauréat du palmarès Choiseul 100, à retrouver dans son intégralité ici : https://www.choiseul.info/wp-content/uploads/2026/04/choiseul_100_2026-1.pdf
