L'IA peut-elle lire les attestations d'assurance ?
Oui — des formulaires ACORD aux données de conformité

Comment l'IA lit les certificats d'assurance aujourd'hui

Le formulaire ACORD 25 — « Certificat d'assurance responsabilité civile » — est le document standard utilisé dans l'assurance commerciale aux États-Unis. Il condense les détails d'une police d'assurance entière sur une seule page : numéros de police, cinq sous-limites de responsabilité générale, responsabilité automobile, accidents du travail, couverture parapluie et les parties impliquées — titulaire du certificat, assuré supplémentaire, producteur, assureur. Pour un chef de projet en construction vérifiant la conformité des sous-traitants, chacun de ces champs compte. Une limite globale mal saisie représente un trou de couverture à sept chiffres.

L'IA gère bien la structure de l'ACORD 25 car le formulaire est dense mais prévisible. Chaque certificat comporte les mêmes catégories de champs, disposées à peu près de la même manière — même lorsque les agences modifient les marges, changent les polices ou ajoutent leurs propres en-têtes. C'est là que le mécanisme d'extraction entre en jeu. Les outils basés sur la position, qui tracent des cadres autour des emplacements attendus des champs, échouent dès qu'une agence utilise un logiciel de formulaire différent. Les champs se décalent d'un centimètre et l'outil lit le mauvais texte.

L'extraction sémantique — l'approche derrière la lecture moderne de documents par IA — fonctionne différemment. Au lieu de regarder où se trouve un champ sur la page, elle lit l'intégralité du document et identifie chaque valeur par ce qu'elle signifie. Elle sait que « GEN'L AGGREGATE LIMIT » d'une agence et « GENERAL AGGREGATE » d'une autre désignent le même type de couverture — indépendamment de l'abréviation, de la position ou de la taille de police. C'est ce qu'on appelle l'extraction de colonnes personnalisées : vous définissez les colonnes de sortie dont vous avez besoin (« Numéro de police », « Limite par occurrence RC », « Date d'expiration »), et l'IA localise chaque valeur en comprenant le contenu du document — pas en faisant correspondre des coordonnées. Pour un aperçu plus détaillé de ce mécanisme par rapport aux anciennes approches, voir comment fonctionne l'extraction de données COI.

La grille de couverture d'un ACORD 25 mérite une attention particulière car c'est là que la plupart des outils d'extraction trébuchent. La seule section de responsabilité générale contient jusqu'à cinq sous-limites affichées dans un tableau compact :

Les chiffres de précision ci-dessus s'appliquent aux PDF ACORD 25 propres et générés numériquement — le format dominant dans les agences d'assurance modernes. Lorsque l'alignement des colonnes varie entre les agences — l'une place « Each Occurrence » à gauche, une autre centre toutes les étiquettes de sous-limites — un outil basé sur la position lit les montants en dollars dans la mauvaise ligne. L'extraction sémantique évite cela car elle lit la relation étiquette-valeur par le sens : « 1 000 000 $ » à côté d'une étiquette signifiant « par occurrence » est correctement attribué, quel que soit l'alignement de la grille.

Ce que l'IA réussit sur les attestations COI

PDF ACORD 25 numériques des grands assureurs. C'est le cas de base, là où l'IA excelle. Quand une agence génère une attestation depuis son système de gestion — Applied Epic, Vertafore ou autre — le résultat est un PDF propre, machine, avec polices homogènes, champs bien délimités et données placées de façon prévisible. L'IA les lit avec une précision de 95 à 99 % pour les champs structurés qui pilotent les décisions de conformité : numéros de police, montants, dates et entités nommées. Les 1 à 5 % restants sont des cas particuliers comme des numéros NAIC au format inhabituel ou des abréviations propres à certaines agences.

Attestations scannées reçues par email des sous-traitants. Dans le BTP, les sous-traitants envoient rarement des certificats numériques originaux. Ils transmettent des scans — parfois de bons scans à plat, parfois des photos prises avec un smartphone sur le chantier. L'IA traite les scans propres avec une perte de précision minime (2 à 5 points). Le modèle de vision compense les légères inclinaisons et variations de résolution de la même manière qu'il gère les formats d'agences multiples : en lisant sémantiquement, sans dépendre d'un alignement pixel parfait.

Traitement par lots d'attestations de différentes agences. Un entrepreneur général gérant 40 sous-traitants reçoit des attestations d'une douzaine d'agences, chacune avec ses propres variations de format ACORD 25. Comme l'extraction sémantique ne dépend pas de modèles par agence, vous pouvez regrouper tous les certificats en un seul lot — PDF de State Farm, Liberty Mutual, Travelers et assureurs régionaux — et en extraire les mêmes champs en une seule passe. Le résultat est un tableur avec une ligne par attestation, quel que soit le format de chaque agence. Le suivi par lot des attestations COI des sous-traitants devient réalisable uniquement quand la couche d'extraction gère les variations de format sans configuration.

Identification des assurés supplémentaires et des titulaires de certificat. La partie basse d'un ACORD 25 — nom du titulaire, statut d'assuré supplémentaire, description des opérations — est dense en texte et varie davantage entre agences que le tableau des garanties. L'IA traite cette section comme du langage naturel plutôt que comme un champ à position fixe. Que l'assuré supplémentaire soit listé comme « XYZ General Contractors, Inc. » ou « XYZ GC » avec une référence à la clause CG 20 10, l'IA extrait le nom de l'entité et les codes de clause associés. Ce qu'elle ne fait pas — et qu'aucun outil d'extraction ne prétend faire — c'est évaluer si le libellé de la clause répond à vos exigences contractuelles. Cela relève du jugement d'un professionnel de la conformité.

Là où la lecture IA des COI peine encore

Les trois scénarios où la précision de l'IA chute sensiblement partagent une cause racine : une qualité visuelle dégradée qui rend les caractères ambigus, même pour un lecteur humain.

Formulaires ACORD papier remplis à la main. Avant la généralisation de la délivrance numérique des certificats, les agents d'assurance remplissaient les formulaires ACORD 25 à la main — stylo à bille sur papier carbone. Ces formulaires circulent encore, notamment dans les petites agences régionales et pour les polices anciennes. Le problème est double : l'écriture manuscrite réduit la précision de reconnaissance des caractères, et la dégradation du carbone (pâlissement, bavures, transparence de la copie inférieure) ajoute du bruit visuel. Sur un COI manuscrit à l'écriture moyenne, attendez-vous à une précision de 70 à 80 % au niveau des champs — utilisable pour accélérer la saisie, mais nécessitant une vérification systématique de chaque valeur extraite. Avec une écriture illisible et des copies carbone délavées, la précision tombe sous les 70 %, et une ressaisie manuelle peut être plus rapide qu'une vérification.

Certificats dactylographiés vieux de plusieurs décennies. Les COI tapés à la machine présentent un défi différent. Les caractères sont imprimés, pas manuscrits — mais les vieux formulaires ont une pression de frappe irrégulière, des lignes de base décalées et une encre qui a pâli de manière inégale sur 15 à 20 ans. L'IA lit la plupart des caractères, mais se trompe sur les lettres individuelles là où la frappe était légère. Un « 3 » avec une courbe supérieure à peine visible devient un caractère ambigu que le modèle peut mal deviner. Ces formulaires ont aussi souvent été scannés sur du matériel ancien à basse résolution, ce qui aggrave le problème de lisibilité.

Mises en page non standard d'agences fortement modifiées. Certaines agences émettent des certificats sur leur propre papier à en-tête plutôt que sur le formulaire standard ACORD 25 — notamment pour des couvertures de niche comme la responsabilité professionnelle ou la responsabilité environnementale. Ces certificats non standard conservent les mêmes catégories de données (numéro de police, limites, dates, parties) mais les réorganisent dans des mises en page propres à l'agence avec des en-têtes de section personnalisés. L'IA les lit toujours — c'est l'avantage de l'extraction sémantique — mais la précision chute de 3 à 8 points de pourcentage car la distribution d'entraînement du modèle est pondérée vers la structure ACORD standard. Si votre pool de sous-traitants comprend de nombreuses petites agences émettant des certificats non standard, testez un échantillon pour calibrer vos attentes.

Certificats papier photographiés sur les chantiers. Un sous-traitant prend une photo de son COI sur le tableau de bord d'un camion et l'envoie par SMS au chef de projet. La photo est de travers, mal éclairée, prise en angle et en basse résolution. L'IA peut tenter une extraction — et les modèles de vision modernes corrigent un oblique modéré et les variations de luminosité — mais la précision sur les photos de chantier tombe à 60-75 %. La solution est procédurale, pas technique : exiger des sous-traitants qu'ils soumettent des copies numériques ou des scans plats nets comme condition de conformité contractuelle.

Comment obtenir les meilleurs résultats de la lecture IA des COI

1. Exigez les formulaires ACORD 25 numériques de vos sous-traitants. L'action la plus impactante est procédurale : incluez une clause dans vos contrats de sous-traitance imposant que les certificats d'assurance soient soumis sous forme de PDF générés numériquement, et non de formulaires papier photographiés. La plupart des agences d'assurance délivrent des certificats numériques par défaut depuis le milieu des années 2010. Si un sous-traitant soumet encore des formulaires papier remplis à la main, son agent peut générer un remplacement numérique en moins de cinq minutes. Cette seule exigence fait passer votre précision d'extraction de 70-80 % à plus de 95 %.

2. Définissez des noms de colonnes précis correspondant à la structure du COI. L'IA lit par correspondance sémantique — le nom de colonne que vous saisissez guide sa recherche. « Numéro de police » est plus précis que « Infos police ». « Limite par occurrence RC » est plus précis que « Limite de responsabilité ». Pour la grille de couverture dense, nommez chaque sous-limite comme une colonne distincte : « Occurrence RC », « Dommages aux locaux RC », « Frais médicaux RC », « Atteinte à la personne RC », « Cumul général RC ». L'IA utilise le nom de colonne comme requête sémantique dans le document — plus la requête est spécifique, plus la correspondance est précise.

3. Regroupez les COI d'un même cycle de renouvellement. Les COI arrivent par vagues — 40 sous-traitants renouvelant après un trimestre, 15 nouveaux entrants sur un projet. Traitez-les par lots reflétant ces regroupements naturels pour garder les données organisées : un lot par projet ou cycle de renouvellement, un tableur par lot, une ligne par COI. L'IA traite tous les certificats en parallèle dans un lot, et la sortie fusionnée vous permet de vérifier un tableau plutôt que 40 extractions individuelles.

4. Vérifiez toujours les limites de couverture avant qu'elles n'impactent les décisions de conformité. Même avec 99 % de précision sur les formulaires numériques, une limite cumulée mal saisie sur 200 certificats crée une lacune de responsabilité. Le flux de travail pertinent pour l'extraction de COI est : l'IA extrait tous les champs → vous vérifiez les limites de couverture et le libellé d'assuré supplémentaire → les données atterrissent dans le tableur de conformité. Le gain de temps vient de la suppression de la saisie manuelle — vous vérifiez 10 à 20 secondes par certificat au lieu de taper pendant 5 à 10 minutes. Le coût de la non-conformité des COI dans la construction est trop élevé pour sauter complètement la vérification.

5. Utilisez un outil qui exporte directement dans votre tableur de suivi. Moins il y a d'étapes entre l'extraction et votre registre de conformité, plus le risque d'erreurs de copier-coller est faible. Si votre suivi de conformité se fait dans Excel ou Google Sheets, choisissez un outil d'extraction qui exporte directement vers ce format — pas de téléchargement CSV intermédiaire, pas de réimportation. Chaque transfert entre outils est une occasion pour les données de changer de colonne ou de perdre leur formatage. Pour un essai pratique, essayez d'extraire des données COI vers Excel avec vos propres certificats.

Exemples concrets : quand la lecture IA des COI fait la différence

Suivi des COI des sous-traitants dans le BTP

Une entreprise générale de taille moyenne gère 50 sous-traitants actifs sur trois chantiers. Les COI arrivent en continu — nouveaux sous-traitants, renouvellements, modifications de couverture après sinistre. Chaque certificat nécessite l'extraction des 12 à 15 mêmes champs : assuré désigné, numéro de police, assureur, cinq sous-limites RC, responsabilité civile automobile, accidents du travail, garantie complémentaire, date d'effet, date d'expiration, titulaire du certificat, assuré supplémentaire. La saisie manuelle prend 5 à 10 minutes par certificat. Avec 50 sous-traitants renouvelant chaque trimestre, cela représente 200 COI par an — soit 16 à 33 heures de pure saisie.

L'extraction par IA réduit cette étape à moins d'une minute par certificat. Le chef de projet télécharge 50 COI provenant de 12 agences différentes en un seul lot, définit les colonnes d'extraction une fois, et reçoit un tableur structuré avec tous les champs renseignés. La vérification remplace la transcription : 45 minutes de relecture au lieu de 4 heures de frappe. Le vrai gain n'est pas le temps — c'est l'élimination des erreurs de transcription sur les montants de couverture, que personne ne détecte avant qu'un sinistre ne soit refusé. Pour le défi connexe de l'extraction de données issues des factures de sous-traitants, voir extraction de factures de chantier.

Vérification de conformité des fournisseurs et prestataires

Un site industriel intègre plus de 200 fournisseurs par an, chacun devant fournir une attestation de responsabilité civile avant d'accéder aux locaux. Les COI arrivent en masse pendant la période d'intégration. Deux employés administratifs passent deux semaines à saisir manuellement les données des certificats dans un tableur de conformité — numéros de police, noms des assureurs, dates d'effet, dates d'expiration, plafonds de garantie. Les fournisseurs attendent leur validation pendant que leurs COI s'empilent dans la file d'attente.

L'extraction par IA traite l'intégralité du lot d'intégration en moins d'une heure. Le rôle des équipes conformité passe de la saisie à la gestion des exceptions — examen des certificats signalés dont les plafonds sont inférieurs aux seuils, suivi des champs manquants, vérification des avenants d'assuré supplémentaire. Le flux devient : l'IA lit tout → l'équipe examine les cas limites → les fournisseurs conformes sont validés, les non-conformes reçoivent une demande ciblée de mise à jour de couverture. Le goulot d'étranglement passe de l'ensemble du lot aux 5 à 10 % de certificats qui nécessitent réellement une intervention humaine.

Vérification des attestations d'assurance locataires pour gestion immobilière

Un gestionnaire immobilier commercial supervisant 80 locataires dans quatre immeubles doit vérifier que chaque locataire maintient la couverture responsabilité civile générale exigée par son bail — généralement 1 000 000 $ par sinistre et 2 000 000 $ en cumul. L'attestation d'assurance de chaque locataire se renouvelle à une date différente. Le personnel administratif du gestionnaire passe une semaine par mois à saisir manuellement les données des renouvellements dans un tableur de suivi, puis à trier par date d'expiration pour identifier les échéances à venir.

L'extraction par IA gère le flux continu : à mesure que les renouvellements arrivent par courriel tout au long du mois, chaque attestation est extraite immédiatement. Le personnel vérifie les limites et les dates d'expiration par rapport aux exigences du bail en quelques secondes par attestation, plutôt qu'en minutes. Le tableur toujours à jour permet au gestionnaire de répondre à la question « quels locataires ont une couverture qui expire ce mois-ci ? » en filtrant une colonne plutôt qu'en fouillant un disque partagé de PDF.

FAQ

L'IA peut-elle lire les attestations d'assurance de différentes agences en un seul lot ?

Oui. C'est là que l'extraction sémantique surpasse les outils basés sur des modèles. Parce que l'IA lit par le sens du champ plutôt que par une position fixe, vous pouvez télécharger des attestations de cinq agences différentes — chacune avec son propre formatage ACORD 25 — et extraire les mêmes champs de toutes en un seul lot. L'IA localise le « Numéro de police » qu'il apparaisse en haut à droite sur un formulaire ou au milieu à gauche sur un autre.

L'IA comprend-elle la différence entre les limites « Par sinistre » et « Cumul annuel » ?

Oui. Les modèles d'IA modernes comprennent que « PAR SINISTRE », « PAR OCC » et « PAR ÉVÉNEMENT » désignent tous la même sous-limite de couverture, et que la valeur en dollars à côté de chaque libellé est la limite correspondante — pas un autre nombre sur la page. C'est l'avantage clé de l'extraction sémantique par rapport à l'OCR basée sur des modèles : le modèle comprend ce que signifie chaque libellé de champ, ce qui lui permet d'attribuer correctement les valeurs même lorsque l'alignement des colonnes varie entre les agences.

L'IA peut-elle lire des formulaires de COI manuscrits ?

Partiellement. Sur une écriture claire en lettres moulées avec de l'encre foncée sur du papier propre, l'IA extrait avec une précision de 75 à 85 %. Sur une écriture cursive brouillonne ou des copies carbone pâles, la précision tombe sous les 70 % — auquel cas la saisie manuelle peut être plus efficace que la vérification. Pour les sous-traitants qui soumettent systématiquement des certificats manuscrits, demander un remplacement numérique à leur agent d'assurance est la solution la plus fiable. La plupart des agences peuvent délivrer un ACORD 25 numérique en moins de cinq minutes.

Quelle est la précision sur les formulaires COI ACORD 25 numériques ?

Sur des PDF ACORD 25 propres et numériques provenant des grands assureurs, l'extraction par IA moderne atteint une précision de 95 à 99 % au niveau des champs structurés — numéros de police, montants, dates, assuré désigné, nom de l'assureur. La précision sur les sous-limites de la grille de couverture est légèrement inférieure (93-98 %) en raison des abréviations ambiguës selon les agences. La précision sur les champs de texte libre comme la description des opérations est de 90 à 95 %. Aucun outil d'extraction n'atteint 100 % sur tous les champs, c'est pourquoi les limites de couverture et les clauses d'assuré supplémentaire doivent être vérifiées avant de prendre des décisions de conformité.

L'IA peut-elle détecter si les limites de couverture répondent à mes exigences contractuelles ?

Non. L'extraction par IA lit ce que dit le certificat — « Responsabilité civile générale : 1 000 000 $ par sinistre » — et produit cette valeur sous forme de données structurées. Elle ne compare pas les valeurs extraites à vos minimums contractuels. La comparaison (« ce sous-traitant a-t-il une limite globale de 500 000 $ qui répond à notre exigence de 2 000 000 $ ? ») est une décision de conformité, pas une tâche d'extraction de données. Certaines plateformes de suivi des COI automatisent cette comparaison dans leur couche de workflow. Les outils d'extraction autonomes vous donnent les données ; c'est à vous d'appliquer les règles.

L'extraction de COI est-elle la même chose que l'OCR ?

Non. L'OCR convertit une image du certificat en caractères lisibles par machine — elle répond à la question « quel texte figure sur cette page ? » L'extraction de COI va plus loin : elle identifie quel texte est le numéro de police, lequel est la limite globale de la responsabilité civile générale, lequel est la date d'expiration, et place chaque valeur dans une colonne étiquetée d'un tableur. L'OCR vous donne l'intégralité du certificat comme un bloc de texte indifférencié. L'extraction vous donne un tableau prêt pour la conformité avec une colonne « Numéro de police », une colonne « Limite globale RC » et une colonne « Date d'expiration » — chacune contenant exactement une valeur.

Quels champs l'IA peut-elle extraire d'un document COI ?

L'ensemble standard inclut : l'assuré désigné, le numéro de police, l'assureur, le numéro NAIC, le producteur/cabinet, tous les sous-limites de responsabilité civile générale (par sinistre, dommages aux locaux loués, frais médicaux, dommages corporels et publicitaires, cumul général), les limites de responsabilité automobile, les limites de responsabilité parapluie/excédentaire, les limites d'indemnisation des accidents du travail, la date d'entrée en vigueur de la police, la date d'expiration de la police, le nom et l'adresse du titulaire du certificat, le nom de l'assuré supplémentaire et la description des opérations. Vous définissez le sous-ensemble dont vous avez besoin — l'IA extrait uniquement ces colonnes.