Une mutation technologique pour maîtriser coûts, conformité et innovation
Aésio Mutuelle a engagé une refonte complète de son système d'information afin de pallier l'obsolescence de ses infrastructures on‑premise héritées de fusions antérieures. Le groupe a opté pour une architecture fondée sur Snowflake pour le stockage et le calcul, Dataiku pour l'orchestration et la data science, et Qlik Sense pour la restitution. L'objectif affiché est double : améliorer la performance opérationnelle et donner davantage d'autonomie aux métiers dans l'exploitation des données.
La gouvernance du projet repose sur un modèle mixte : une équipe centrale composée de 5 data scientists et un réseau de 45 data analysts répartis dans les métiers. Ces contributeurs produisent des flux en autonomie après un accompagnement continu de la DSI, qui réalise un audit centralisé avant toute mise en production pour garantir la qualité et la conformité des livrables.
Gains chiffrés et cas d'usage
La modernisation a livré des gains spectaculaires sur plusieurs processus critiques, tant réglementaires qu'opérationnels. La production du rapport Solvabilité II est passée d'un cycle de préparation de deux semaines à une génération en 15 minutes. Des requêtes actuarielles migrées depuis un environnement legacy ont vu leur durée chuter de 36 heures à seulement 10 secondes. De même, des traitements RH quotidiens sont désormais exécutés en 15 secondes au lieu de 3 heures, ce qui alimente automatiquement les habilitations dans l'annuaire interne.
| Processus | Avant | Après |
|---|---|---|
| Rapport Solvabilité II | ~2 semaines | 15 minutes |
| Requêtes actuarielles | 36 heures | 10 secondes |
| Traitement quotidien des effectifs | 3 heures | 15 secondes |
Ces améliorations ne relèvent pas que d'un changement d'outils : elles résultent d'une industrialisation des flux, d'un décommissionnement d'anciens outils BI et d'une automatisation renforcée des contrôles.
IA générative : exécution locale pour garantir la conformité
Sur le plan de l'intelligence artificielle, Aésio a privilégié une approche souveraine : tous les modèles de langage (LLM) sont exécutés localement dans le cluster Snowflake de l'organisation. Cette décision vise à maîtriser les risques liés aux données personnelles et à assurer la conformité au RGPD lorsqu'il s'agit de traiter des commentaires libres ou des réclamations clients.
Deux projets sont déjà opérationnels ou en déploiement : une classification des réclamations sur 20 000 dossiers, qui a mis au jour que 60 % des demandes étaient mal qualifiées initialement et ouvre la voie à un agent d'aiguillage automatisé ; et une solution de détection quotidienne des saisies de données sensibles (opinions, informations santé) dans les outils métiers comme le CRM.
Conséquences et enjeux pour le secteur
La trajectoire d'Aésio éclaire plusieurs tendances du secteur mutualiste et assurantiel en France : la nécessité de moderniser des socles hérités pour réduire les coûts et les délais réglementaires, l'intérêt d'une gouvernance centralisée mais permissive vis‑à‑vis de l'autonomie métier, et la montée en puissance d'une approche « IA contrôlée » pour traiter des cas sensibles tout en restant conforme.
- Performance : réduction drastique des temps de calcul et des cycles de production.
- Gouvernance : audit central avant mise en production pour maîtriser les risques.
- Conformité : exécution locale des LLM pour limiter les flux de données sensibles hors périmètre.
Pour les concurrentes et partenaires technologiques du secteur, le cas Aésio servira de référence : il démontre que la migration vers des architectures cloud modernes peut transformer les opérations tout en imposant des choix technologiques et organisationnels stricts pour rester conforme et responsable.
