L'objet de l'assurance

Ce que mesure le nouveau marché de l'assurance IA, et ce qu'il laisse encore à la charge de l'acheteur

Heather M. Grizzle Novara Consulting Group Septembre 2026

L'assurance en matière d'intelligence artificielle est en train de devenir une industrie. Cette phrase aurait relevé de la spéculation il y a deux ans ; elle est aujourd'hui simplement descriptive. Le Department for Science, Innovation and Technology du Royaume-Uni a recensé plus de cinq cents entreprises et environ un milliard de livres de valeur ajoutée brute sur le marché national de l'assurance en 2024, projette un marché approchant les dix-neuf milliards de livres d'ici 2035, et a publié en septembre 2025 une Trusted Third-Party AI Assurance Roadmap exposant la manière dont l'État entend aider ce marché à mûrir. En juin 2026, cette feuille de route a donné naissance à une institution : un consortium présidé par BCS, avec techUK réunissant son groupe consultatif sectoriel, chargé pour sa première année de rédiger un code de déontologie volontaire pour les praticiens de l'assurance, de construire un référentiel de compétences, et de cartographier les informations que les développeurs doivent communiquer aux personnes chargées de les auditer. Parallèlement, la filière de certification s'est consolidée. L'ISO/IEC 42001 fournit une norme de système de management pour l'intelligence artificielle, l'ISO/IEC 42006:2025 établit les exigences applicables aux organismes qui réalisent des audits par rapport à celle-ci, et des organismes nationaux d'accréditation, dont UKAS au Royaume-Uni et ANAB aux États-Unis, ont accrédité des organismes de certification tout au long de 2025 et 2026.

Voilà à quoi ressemblent les débuts d'une profession. Elle dispose de normes, d'une accréditation, d'un référentiel de compétences naissant, d'un code de déontologie émergent, et d'une légitimité défendable sur la confiance du public. Les institutions qui attendaient une réponse reconnue à la question de savoir comment déterminer si un système d'intelligence artificielle est digne de confiance disposent désormais d'un point de référence.

Elles devraient examiner de près ce vers quoi il pointe.

Le système de management n'est pas le système lui-même

L'ISO/IEC 42001 est structurellement parallèle à l'ISO/IEC 27001. Il s'agit d'une norme de système de management, ce qui signifie qu'elle certifie qu'une organisation a établi, documenté et maintenu un ensemble de processus de gouvernance de l'intelligence artificielle, et que ces processus font l'objet d'un audit interne et d'une amélioration continue. Elle ne certifie pas qu'un système particulier construit au sein de ce système de management produit un résultat adéquat. Il ne s'agit pas d'une faiblesse de la norme : c'est ce qu'est, par définition, une norme de système de management. La confusion apparaît en aval, dans les processus d'achat, où un certificat est interprété comme une déclaration sur le produit plutôt que comme une déclaration sur le producteur.

Cette distinction importe le plus lorsque le résultat constitue l'objet même de l'achat. Un fournisseur vendant un système de traduction automatique en langue des signes peut détenir un certificat dûment accrédité attestant d'un système de management de l'intelligence artificielle bien géré, tout en livrant un résultat qu'un utilisateur Deaf maîtrisant la langue ne peut pas suivre. Rien dans le certificat n'est faux. Rien n'y répond à la question que l'institution acheteuse a réellement besoin de voir résolue, à savoir si la personne se tenant au guichet, dans la salle d'examen, ou devant la commission disciplinaire, reçoit une information qu'elle peut comprendre.

L'échelle confirme ce constat plutôt qu'elle ne le contredit. Les compilations sectorielles situent la certification mondiale selon l'ISO/IEC 42001 à environ trois cent cinquante organisations à la mi-2026. À titre de comparaison, l'ISO 9001 est détenue par plus d'un million d'organisations. La norme est jeune et son adoption en est à ses débuts, ce qui n'a rien d'étonnant. Ce qui l'est davantage, c'est le poids interprétatif déjà accordé à un si petit nombre de certificats dans les discussions d'achat, et la rareté avec laquelle un acheteur se demande de quoi, exactement, le certificat atteste.

Le report a déplacé l'échéance, pas la difficulté

Le calendrier de l'Union européenne a désormais évolué d'une manière qui façonnera le comportement des institutions au cours des dix-huit prochains mois. L'Omnibus numérique relatif à l'intelligence artificielle a été adopté sous la forme du règlement (UE) 2026/1744, publié le 24 juillet 2026 et entré en vigueur le 27 juillet. Il reporte les obligations liées aux systèmes à haut risque de l'AI Act pour les systèmes autonomes relevant de l'annexe III au 2 décembre 2027, et pour l'intelligence artificielle intégrée dans des produits réglementés relevant de l'annexe I au 2 août 2028. Les obligations de transparence prévues à l'article 50 n'ont pas été reportées et s'appliquent depuis le 2 août 2026, avec une courte période de grâce courant jusqu'au 2 décembre 2026 pour les systèmes génératifs déjà sur le marché avant cette date antérieure.

La raison de ce report constitue l'élément de fond. Le calendrier initial présupposait l'existence d'un écosystème fonctionnel de normes techniques harmonisées émanant du CEN-CENELEC, d'autorités nationales de surveillance du marché désignées et dotées de moyens, et d'organismes notifiés capables de réaliser des évaluations de conformité. Fin 2025, cet écosystème n'existait manifestement pas. Les législateurs ont opté pour de nouvelles dates fixes plutôt que pour un mécanisme conditionnel lié à la disponibilité des normes, estimant que la prévisibilité sert mieux la conformité qu'un déclencheur flottant.

Interprété sans détour, cela revient à admettre que les mécanismes de production des preuves relatives aux systèmes à haut risque ne sont pas encore en place. L'horloge réglementaire a été déplacée parce que l'infrastructure probatoire était en retard. Il s'agit d'une situation très différente de celle où les preuves existeraient et où l'échéance aurait simplement été incommode.

Les achats publics, cependant, ne se reportent pas. Les institutions achètent selon des cycles budgétaires, des calendriers de subventions, le rythme imposé par une lacune de service que quelqu'un doit combler au cours de cet exercice fiscal. D'ici décembre 2027, un organisme public acquérant un système d'intelligence artificielle d'accessibilité se verra proposer trois choses : un certificat de système de management si le fournisseur en possède un, une autodéclaration de conformité, et un rapport de conformité d'accessibilité. Le premier parle du producteur. Le deuxième parle de lui-même, ce qui constitue précisément le problème. Le troisième, dans la forme que le marché a normalisée, est un document rédigé par le fournisseur mettant en correspondance un produit avec une liste de critères techniques qui n'ont pas été conçus en tenant compte de la langue des signes générée. Aucun des trois ne constitue une preuve que le résultat fonctionne.

Ce que le marché horizontal ne peut pas voir

Le diagnostic de la feuille de route est instructif à cet égard. Il identifie quatre contraintes pesant sur un marché fiable d'assurance par des tiers : la qualité de l'activité d'assurance elle-même, y compris le constat qu'une part substantielle des outils de gouvernance de l'intelligence artificielle disponibles reposent sur des métriques potentiellement trompeuses ; une pénurie de praticiens combinant des compétences techniques, juridiques, éthiques et sectorielles spécifiques ; un accès insuffisant des prestataires d'assurance aux données d'entraînement, aux détails des modèles et à la documentation interne dont ils ont besoin ; et des incitations faibles au développement collaboratif de nouvelles méthodes d'assurance.

Trois de ces quatre contraintes se font sentir le plus durement au niveau du domaine. Un cadre d'assurance horizontal peut dire à une institution si un fournisseur tient un registre des risques. Il ne peut pas lui dire si le système reproduit les traits grammaticaux non manuels qui portent la négation, la formation des questions, la thématisation et le marquage conditionnel dans une langue des signes, car l'assurance horizontale n'a aucun vocabulaire pour cette question ni d'évaluateur compétent qui y soit affecté. Il ne peut pas évaluer si un corpus d'entraînement a été constitué avec le consentement des signeurs qui y figurent, sous une licence autorisant un déploiement commercial, à partir de signeurs dont la maîtrise a été vérifiée. Il ne peut pas distinguer une démonstration soignée d'un déploiement réel. Il ne peut pas dire si la métrique automatisée qu'un fournisseur cite comme preuve de la qualité du signage mesure quoi que ce soit de pertinent, et pour la langue des signes générée, il n'existe actuellement aucune métrique de qualité automatisée validée, ce qui fait des scores apparentés à la traduction, présentés comme preuve de compréhensibilité, une erreur de catégorie plutôt qu'une preuve faible.

Le cadre de compétences actuellement en construction pourra peut-être un jour couvrir une partie de cela. Ce n'est pas encore le cas, et le calendrier de la feuille de route laisse lui-même la certification des praticiens sans date. Dans l'intervalle, l'écart se situe précisément là où les conséquences sont les plus importantes. Les systèmes déployés dans l'accueil des patients en santé, les notifications d'urgence, les annonces de transport et les processus d'emploi sont ceux dont les défaillances sont les moins réversibles, et ce sont ceux que le marché général de l'assurance est le moins équipé pour examiner.

La position adoptée par Novara Consulting Group

L'assurance exige un objet. La question n'est pas de savoir si un fournisseur est bien gouverné dans l'abstrait, mais si un système spécifié, dans une version spécifiée, produit un résultat adéquat pour un usage spécifié, jugé par les personnes qui doivent s'y fier. Tout le reste est un indicateur indirect, et les indicateurs indirects s'accumulent discrètement jusqu'à ce qu'une institution croie avoir acheté des preuves alors qu'elle a acheté de la paperasse.

Les indicateurs indirects s'accumulent discrètement jusqu'à ce qu'une institution croie avoir acheté des preuves alors qu'elle a acheté de la paperasse.

Heather M. Grizzle

Le Sign Language Access Trust Index repose sur ce postulat. Il s'agit d'un instrument d'évaluation fondé sur des critères, organisé autour de cinq domaines de confiance et de quarante indicateurs notés, appliquant des échelles distinctes à l'adéquation des preuves et à la confiance dans le système, de sorte qu'un système faible mais bien documenté et un système inconnu mal documenté ne se confondent pas dans la même notation. Sa classification des enjeux de déploiement s'attache aux déploiements plutôt qu'aux systèmes, sur le raisonnement que le même moteur de traduction porte un risque entièrement différent dans une légende de musée et dans une instruction de sortie d'hôpital. Le Evaluation Standard est publié et citable, déposé avec un identifiant d'objet numérique sous licence Creative Commons attribution, de sorte qu'un acheteur, un fournisseur ou un critique puisse lire la méthode et en débattre.

Trois engagements distinguent l'instrument d'un simple exercice de conformité. Aucun constat n'est émis sans l'accord d'un évaluateur Sourd, car la communauté qui subit les conséquences d'un système inadéquat détient la compétence pour juger de son adéquation, et une consultation proposée après une décision de conception ne constitue pas une gouvernance. Le cabinet ne détient aucun intérêt financier dans un fournisseur d'intelligence artificielle en langue des signes, n'accepte aucun paiement conditionnel, de référencement ou en actions de la part d'une partie évaluée, et ne fait pas varier ses honoraires en fonction d'un constat défavorable, ce qui répond directement au problème de conflit d'intérêts qui a miné les marchés de l'assurance dans tous les secteurs qui en ont créé un auparavant. Et la méthode énonce ses propres limites : un examen des preuves publiques rend compte de ce qui a été trouvé et de ce qui ne l'a pas été, consigne les lieux de recherche vérifiés, que du matériel y ait été trouvé ou non, et identifie les indicateurs qui ont peu de chances d'être documentés publiquement, afin que le lecteur puisse distinguer une défaillance du fournisseur d'une limite de la méthode.

Deux points concernant la situation actuelle doivent être énoncés plutôt que sous-entendus. Novara Consulting Group n'est pas un organisme de certification accrédité, et l'Index n'est pas un dispositif de certification ; aucun dispositif d'accréditation n'existe actuellement pour l'évaluation spécifique au domaine de l'intelligence artificielle en langue des signes, et il serait trompeur de suggérer le contraire. Ce que produit l'Index est une position de preuve documentée et reproductible sur laquelle une institution acheteuse peut s'appuyer, qu'elle peut défendre dans un dossier d'appel d'offres et transmettre à son conseil juridique. Deuxièmement, l'application de l'instrument aux fournisseurs évalués à ce jour a produit un constat constant : aucun n'a atteint le niveau de confiance le plus élevé, et la raison en est uniforme plutôt qu'accidentelle. La validation indépendante des sorties, menée par des parties sans intérêt commercial dans le résultat, fait défaut sur l'ensemble du marché. Il s'agit là d'un constat sur le secteur, et non sur une entreprise en particulier.

Ce qu'un acheteur devrait exiger d'ici décembre 2027

Le report a créé une fenêtre, et les fenêtres sont utilisées à bon ou à mauvais escient. Mal utilisée, elle devient dix-huit mois d'acquisitions fondées sur des affirmations de fournisseurs non examinées, avec un règlement de comptes en matière de conformité qui survient une fois les systèmes déjà porteurs. Bien utilisée, c'est la période pendant laquelle les institutions construisent les habitudes de preuve que les obligations ultérieures supposeront déjà acquises.

L'exigence pratique est suffisamment précise pour être inscrite dans un appel d'offres. Demandez ce que le certificat atteste, et exigez du fournisseur qu'il précise par écrit s'il couvre le système de management ou la performance du système vendu. Exigez des preuves générées dans le contexte d'utilisation proposé plutôt que dans un environnement de démonstration, avec les conditions d'exploitation nommées. Exigez la provenance du corpus d'entraînement, la licence sous laquelle il est détenu, et la base sur laquelle les personnes qui y sont enregistrées ont consenti à cet usage. Exigez des preuves de compréhension provenant d'utilisateurs maîtrisant couramment la langue en question, rapportées avec leur méthode, et traitez un score de qualité automatisé proposé à la place comme une question sans réponse plutôt que comme une réponse. Exigez que le fournisseur désigne le rôle responsable en cas de défaillance de sortie. Lorsque le déploiement comporte un poids juridique ou une conséquence irréversible, exigez qu'un humain qualifié reste dans la boucle, car, au vu des preuves actuelles, aucun système de cette catégorie n'est prêt à constituer la dernière ligne de défense.

Rien de tout cela n'attend une norme harmonisée, un organisme notifié ou un dispositif de certification professionnelle qui n'existe pas encore. Cela n'attend que la décision de l'institution selon laquelle l'assurance devrait porter sur ce qu'elle achète réellement.

Références

Department for Science, Innovation and Technology, Trusted Third-Party AI Assurance Roadmap (septembre 2025).

BCS et techUK, documents de lancement de l'AI Assurance Consortium (juin 2026).

Règlement (UE) 2026/1744 (Omnibus numérique sur l'intelligence artificielle), publié le 24 juillet 2026, entré en vigueur le 27 juillet 2026, modifiant le règlement (UE) 2024/1689.

ISO/IEC 42001:2023, Technologies de l'information, Intelligence artificielle, Système de management.

ISO/IEC 42006:2025, Exigences pour les organismes procédant à l'audit et à la certification des systèmes de management de l'intelligence artificielle.

Grizzle, H. M., SLAT Index Evaluation Standard, version 2.0, Novara Press, 24 juillet 2026. DOI 10.5281/zenodo.21537271.