LUTTE CONTRE LA FRAUDE · IA PRÉDICTIVE
Un assureur santé européen — 4,8 millions d'assurés, sept pays — prépare le déploiement d'un système d'IA prédictive sur les remboursements de soins. La fraude annuelle est estimée à 82 millions d'euros, en progression de 8 % par an. Le modèle est déjà validé techniquement, avec une précision projetée de 78 %.
Ce qui reste à trancher n'est pas la performance du modèle : ce sont les seuils de déclenchement, le degré d'automatisation, l'information de l'assuré, la procédure de recours et la gouvernance du dispositif. Autrement dit, la manière dont un score devient une décision.
LE PROBLÈME
Un système prédictif apprend des régularités présentes dans les données historiques. Certaines décrivent effectivement des montages frauduleux. D'autres décrivent une pathologie chronique, un parcours de soins complexe, un changement de situation, un âge, un territoire, une manière de remplir des formulaires.
Le modèle ne distingue pas ces deux familles de régularités. Il les traite comme du signal. Et lorsqu'un seuil transforme ce signal en contrôle, la question cesse d'être statistique : elle devient une décision prise sur une personne.
La question utile n'est donc pas « le modèle détecte-t-il davantage de fraude ? », mais : qui désigne-t-il comme suspect, et que se passe-t-il ensuite pour cette personne.
CE QUI EST IDENTIQUE POUR TOUS
CE QUI DIFFÈRE POUR CHACUN
LE FAUX POSITIF
Une personne légitime classée à tort comme à risque ne subit pas une erreur statistique. Elle subit un contrôle, un délai, une demande documentaire, et l'impression d'être suspectée.
Cette séquence est un mécanisme d'analyse, pas un résultat. Elle rappelle qu'un modèle ne produit pas seulement un score : il déclenche des conséquences humaines, et c'est sur elles que porte la simulation.
BIAIS ET CONSÉQUENCE
Un biais statistique et une conséquence humaine ne se mesurent pas au même endroit. Entre les deux s'intercalent un seuil, une règle d'automatisation et une procédure. L'analyse éthique doit porter sur toute la chaîne, pas sur le seul modèle.
UNE DÉCISION, PLUSIEURS OBJECTIFS
CAPTURE DE LA FRAUDE
82 millions d'euros de fraude annuelle estimée, en progression de 8 % par an, portée par des montages de plus en plus sophistiqués.
FAUX POSITIFS
Des assurés légitimes contrôlés à tort, dont le coût ne se lit ni dans la précision du modèle ni dans les économies réalisées.
ÉQUITÉ ENTRE POPULATIONS
Le taux d'erreur global ne dit rien de sa répartition. C'est cette répartition qui constitue l'enjeu éthique.
AUDITABILITÉ ET CONFORMITÉ
Un dispositif qui ne peut être expliqué, tracé et audité n'est pas déployable, quelle que soit sa performance.
CE QUI EST TESTÉ
Le protocole ne teste pas « un algorithme ». Il teste onze manières d'articuler une prédiction, un seuil, une décision humaine, une information et un recours. Ce sont ces six dimensions qui varient d'une configuration à l'autre.
5 200 assurés synthétiques ont été interrogés individuellement, répartis proportionnellement sur les 17 typologies, et soumis aux 11 configurations couplées aux différentes modalités d'information et de recours, avec relances dynamiques sur les points de bascule : perception du contrôle, sentiment de suspicion injuste, satisfaction face au recours.
POPULATION SIMULÉE
La population reconstruite couvre 2,2 millions d'assurés santé européens, calibrée sur les données publiques — INSEE, DREES, données ouvertes du secteur assurantiel — et sur les données propriétaires de l'assureur : typologies d'assurés, historique de consommation de soins, historique de fraudes documentées, structure démographique. Aucune donnée nominative n'est entrée dans le système.
Elle est structurée en 17 typologies de rapport à l'assurance et au contrôle, croisant l'âge, la structure familiale, l'état de santé chronique ou aigu, la sensibilité aux contrôles, l'expérience antérieure d'interactions administratives et le niveau de confiance dans les institutions.
PATHOLOGIES CHRONIQUES RARES
parcours de soins atypique par nécessité médicale, forte exposition au flag, faible marge d'explication
SITUATIONS EN TRANSITION
changement professionnel ou familial récent, variations transactionnelles importantes lues comme anomalies
ASSURÉS SENIORS
consommation de soins élevée et variée, multiplicité des prestataires, sensibilité forte au sentiment de suspicion
PARCOURS DE SOINS SIMPLES
consommation médiane et régulière, faible probabilité de flag, faible expérience du contrôle
ASSURÉS À FORTE CONFIANCE INSTITUTIONNELLE
contrôle interprété comme procédure normale tant qu'il est expliqué et borné dans le temps
EXPÉRIENCE ANTÉRIEURE D'UNE ERREUR
litige administratif passé, lecture immédiate du contrôle comme injustice répétée
VULNÉRABILITÉ ADMINISTRATIVE
difficulté à réunir des justificatifs, coût élevé de la démarche de recours, risque d'abandon
ASSURÉS NON CONTRÔLÉS MAIS INFORMÉS
jamais flaggés, exposés à l'existence du dispositif, jugement porté sur l'assureur malgré tout
Ces configurations rendent visible une partie de l'hétérogénéité de la population. La simulation porte sur des individus synthétiques, et non sur quelques personas-types.
RÉACTIONS
L'ERREUR N'EST PAS RÉPARTIE AU HASARD
Les faux positifs se concentrent sur trois typologies : pathologies chroniques rares aux parcours atypiques, situations personnelles en transition, assurés seniors à consommation élevée. Ces typologies représentent 8 % de la population assurée et 62 % des faux positifs générés par le modèle. Le taux d'erreur global ne dit rien de cette concentration.
LA TRANSPARENCE COÛTE MOINS CHER QUE L'OPACITÉ
Un contrôle non annoncé produit 34 % de satisfaction lorsqu'il se résout favorablement, 12 % en cas de rejet. Un contrôle expliqué — nature du dispositif, motif du signalement, droit de recours — produit 72 % et 51 %. L'opacité est lue comme une suspicion illégitime ; l'explication, comme un respect dû à l'assuré.
LA CONTESTABILITÉ PÈSE PLUS QUE LA PRÉCISION
À précision identique, le même modèle produit 24 % de satisfaction moyenne sans procédure de recours humain et 68 % avec un recours formalisé accessible sous quinze jours : 44 points d'écart obtenus sans toucher au modèle. L'algorithme ne peut pas être l'instance de décision finale.
LA DIFFÉRENCIATION N'EST PAS UN COMPROMIS
Des seuils différenciés par typologie — plus permissifs sur les trois typologies sensibles, plus stricts ailleurs — réduisent les faux positifs de 62 % sans dégrader la capture des fraudes, avec 34 % de coût de traitement humain en moins et un risque réputationnel projeté inférieur de 78 %. L'optimisation éthique et l'optimisation opérationnelle vont ici dans le même sens.
Imagine All The People ne demande pas à un modèle si une IA prédictive est acceptable. Onze architectures de décision sont confrontées à une population synthétique hétérogène, afin d'observer qui est contrôlé, qui parvient à se justifier, qui abandonne la démarche, et ce que chacun conclut ensuite sur son assureur.
CONDITION DE DÉPLOIEMENT
CE QUE LE DISPOSITIF DEVAIT PROUVER
Traçabilité complète des configurations testées, validation par le comité éthique de l'assureur avant déploiement, association des équipes juridiques et de conformité, audit externe annuel par un cabinet indépendant, reporting public sur les indicateurs de biais et de faux positifs.
POURQUOI CELA CHANGE LA CONCEPTION
L'explicabilité n'est pas ici une fonctionnalité de confort. Elle conditionne l'autorisation de déployer. Une configuration plus performante mais non auditable n'était pas une option disponible.
RÉSULTAT
Lecture comparative issue des réactions simulées, sur cinq architectures représentatives des onze configurations testées. La colonne faux positifs se lit à l'envers des autres : un niveau élevé signale un volume important de contrôles injustifiés. Une configuration prudente peut détecter moins ; une configuration agressive contrôle davantage d'assurés légitimes.
LA PLUS ROBUSTE
Seuils différenciés par typologie information transparente recours humain sous 15 jours gouvernance éthique préalable réévaluation continue du modèle
LA PLUS FRAGILE
Seuil unique décision automatisée aucune information de l'assuré
Le comité éthique a retenu la configuration dominante, renforcée d'un comité permanent avec représentation d'associations d'usagers, d'une charte publiée et d'un audit externe annuel. À 18 mois du déploiement complet, les économies sur la fraude atteignent 62 millions d'euros annualisés pour 54 millions projetés, le taux de faux positifs sur les typologies sensibles est à 4,2 %, la satisfaction des assurés après contrôle est à 71 %, et le recours humain inverse la décision algorithmique dans 34 % des cas où il est saisi. Aucune mise en cause médiatique ou associative significative n'a émergé sur la période.
ENSEIGNEMENT
Le modèle était bon. C'est ce qui rendait la décision difficile. Sa précision globale ne disait rien de la manière dont ses erreurs se répartissaient : 8 % de la population portait 62 % des faux positifs, et cette population était précisément celle dont les parcours de soins sont atypiques par nécessité.
L'ajustement décisif n'a donc pas porté sur l'algorithme mais sur l'architecture autour de lui : seuils différenciés, explication motivée, recours humain, gouvernance antérieure au déploiement. À précision de modèle inchangée, ces paramètres ont déplacé la satisfaction des assurés de 44 points.
FUTURS POSSIBLES
A
AUTOMATISER
Le score prédictif déclenche directement le contrôle, seuil unique pour toute la population
B
ASSISTER
Le score devient un signal parmi d'autres, validé par un gestionnaire humain
C
GOUVERNER
Seuils différenciés, information transparente, recours formalisé, audit externe, réévaluation trimestrielle
CE QUE LA SIMULATION NE FAIT PAS
Ce cas ne conclut ni que ces systèmes doivent être déployés, ni qu'ils doivent être écartés. La détection prédictive apporte un gain opérationnel réel sur une fraude coûteuse et croissante. Le modèle n'est pas l'objet du litige.
Ce qui est simulé, ce sont les conséquences de la manière dont sa prédiction est transformée en décision : qui est affecté, avec quelles erreurs, quelles asymétries, et quelles suites réputationnelles et réglementaires. La simulation rend ces architectures comparables. Elle ne les hiérarchise pas à la place de l'institution.
MÉTHODE
Les trajectoires opérationnelles et réputationnelles ont été projetées sur 24 mois pour chaque configuration. Ce cas ajoute une capacité à la bibliothèque : tester non seulement la réaction à une décision, mais la manière dont un système automatisé produit lui-même des décisions sur des populations.
Ce cas est issu d'une simulation réalisée pour un assureur santé européen. L'entreprise n'est pas nommée, aucune donnée nominative n'est entrée dans le système, et les résultats détaillés restent la propriété du commanditaire. Les comparaisons publiées ici sont qualitatives et ne constituent ni un audit algorithmique, ni une évaluation de conformité réglementaire.
Votre prochaine décision
Décrivez votre besoin. Nous pouvons vous orienter vers le mode d’accompagnement adapté.
Posez votre décision. Voyez le futur qu’elle produit.
