L’intelligence artificielle agentique commence à modifier en profondeur la manière dont les assureurs abordent la modernisation de leurs systèmes centraux. Longtemps considérés comme des chantiers lourds, risqués et coûteux, ces projets peuvent désormais s’appuyer sur des agents capables d’automatiser l’analyse de l’existant, la conception cible, les tests et la migration. Dans une publication parue début 2026, Boston Consulting Group analyse comment cette approche transforme un exercice défensif de réduction de dette technique en levier opérationnel de transformation métier.
Les systèmes centraux de l’assurance concentrent plusieurs décennies d’empilements applicatifs, de règles métiers implicites et de dépendances techniques rarement documentées. Cette complexité explique pourquoi la modernisation progresse lentement malgré des investissements constants. BCG observe que l’IA agentique se distingue des outils d’automatisation classiques par sa capacité à enchaîner des actions complexes et contextualisées. « L’IA agentique peut effectuer une grande partie du travail lourd dans chaque phase, de la découverte à la migration », expliquent les auteurs, en soulignant sa capacité à analyser des applications héritées, à extraire des règles métiers et à produire des artefacts directement exploitables par les équipes de transformation.
Phase de découverte, un processus automatisé et traçable
La compréhension de l’existant constitue historiquement l’un des principaux freins à la modernisation des cœurs de système. Les agents IA peuvent désormais analyser automatiquement des bases de code anciennes, y compris en COBOL, croiser ces informations avec des schémas de données et produire des cartographies détaillées des flux et des dépendances. Selon BCG, ces agents sont capables de « créer des cartes de processus et de générer la documentation » qui font souvent défaut dans les organisations. Cette automatisation réduit les cycles d’ateliers manuels, limite les erreurs d’interprétation et fournit une base factuelle partagée entre les équipes informatiques et métier.
Cette capacité de découverte automatisée change la dynamique des projets. Là où les premières phases pouvaient s’étaler sur plusieurs mois avec un haut niveau d’incertitude, les agents produisent rapidement une vision consolidée du fonctionnement réel des systèmes. BCG souligne que cette accélération porte sur « l’une des étapes les plus difficiles et les plus chronophages de la modernisation », à savoir la compréhension fine de systèmes parfois modifiés pendant des décennies sans cohérence d’ensemble.
Une conception zero-based facilitée par les agents IA
Au-delà de l’analyse de l’existant, l’IA agentique intervient dans la phase de conception cible. Les agents peuvent regrouper les exigences métier, comparer différents scénarios d’architecture et simuler leurs impacts sur les processus opérationnels. Cette approche soutient une conception dite zero-based, qui consiste à aligner les processus sur les capacités natives des plateformes modernes plutôt que de reproduire à l’identique les personnalisations du passé. BCG rappelle que cette méthode réduit la dette technique et limite les dérives budgétaires associées aux adaptations excessives des progiciels.
Cette capacité de simulation et de structuration aide les assureurs à faire des choix plus rationnels entre standardisation et différenciation métier. Les décisions d’architecture ne reposent plus uniquement sur des arbitrages humains fragmentés, mais sur des scénarios documentés et comparables. Pour BCG, cette approche contribue directement à améliorer la cohérence globale des systèmes modernisés.
Tests et migrations automatisés
L’IA agentique intervient également dans les phases de tests et de migration, souvent sources de retards et de risques opérationnels. Les agents peuvent orchestrer des suites de tests complexes, simuler des scénarios proches de la production et identifier les écarts de comportement entre l’ancien et le nouveau système. Lors de la migration des données, ils automatisent les transformations tout en assurant une traçabilité complète des opérations réalisées.
BCG insiste sur le fait que ces capacités améliorent la fiabilité globale des projets. La documentation générée automatiquement pendant les tests et les migrations constitue un actif durable pour les équipes, en facilitant la maintenance et les évolutions futures. Cette continuité documentaire répond à un déficit récurrent dans les programmes de transformation IT de grande ampleur.
La gouvernance reste le facteur déterminant
Si l’IA agentique réduit fortement la charge technique, BCG rappelle que la réussite des projets repose toujours sur la gouvernance. Les auteurs soulignent la nécessité « d’inclure des pratiques de gouvernance robustes » afin de définir les responsabilités, de superviser les actions des agents et de garantir la conformité réglementaire et opérationnelle. Sans ce cadre, l’automatisation peut créer de nouveaux silos ou accentuer les écarts entre les équipes métier et informatiques.
Cette dimension humaine et organisationnelle demeure centrale. Les agents n’agissent pas de manière autonome au sens stratégique, mais exécutent des objectifs définis par l’entreprise. La capacité à encadrer, auditer et ajuster leurs actions conditionne directement la valeur créée par l’IA agentique dans les programmes de modernisation.
À moyen terme, l’analyse de BCG suggère que l’IA agentique pourrait transformer durablement l’économie des projets de modernisation des systèmes centraux dans l’assurance. En réduisant les délais de découverte, en améliorant la qualité de la conception et en sécurisant les migrations, ces technologies offrent aux directions générales et informatiques un levier concret pour améliorer la productivité des transformations, contenir les coûts et renforcer l’agilité des plateformes. À condition, toutefois, de traiter la gouvernance et la montée en compétences comme des chantiers à part entière.
