Assurance de performance des modèles d'IA

Une entreprise qui achète un modèle d'IA pour détecter la fraude, trier des documents ou répondre à des clients s'appuie sur des performances mesurées en test. Rien ne garantit qu'elles se maintiendront en production : les données changent, le modèle dérive, les cas rares surgissent. Les assurances de responsabilité classiques couvrent mal ce risque, qui ne résulte ni d'une faute prouvée ni d'un dommage matériel. Des assureurs spécialisés ont développé depuis la fin des années 2010 des couvertures dédiées. Le fournisseur s'engage contractuellement sur un niveau de performance, par exemple un taux maximal de faux négatifs ; l'assureur, après avoir évalué le modèle, ses données de test et sa gouvernance, garantit cet engagement, et indemnise l'écart lorsque la performance réelle mesurée tombe sous le seuil. D'autres formes couvrent directement l'utilisateur contre les pertes causées par les erreurs d'un assistant conversationnel. Le produit rend assurable ce qui ne l'était pas, et sert d'argument commercial au fournisseur, qui peut garantir ce qu'il vend. Sa difficulté centrale est la mesure : il faut une métrique objective, un protocole de test incontestable et une période d'observation, faute de quoi chaque sinistre devient un débat d'experts. Il suppose aussi de pouvoir évaluer un modèle avant de l'assurer, compétence rare chez les souscripteurs.