L'IA physique : implications pour les gestionnaires de risques, les assureurs et experts

Comment l'IA physique transforme les opérations dans tous les secteurs d'activité

L'intelligence artificielle (IA) physique transforme rapidement les environnements opérationnels dans les domaines de la logistique, de l'entreposage et du transport. Les systèmes d'entrepôts autonomes et les flottes de camions sans conducteur sont désormais déployés à grande échelle, ce qui modifie en profondeur la manière dont les risques sont générés, concentrés et transférés. Cette évolution donne naissance à un profil de risque mixte, combinant actifs physiques, prise de décision pilotée par des logiciels et interconnectivité à l'échelle du système.

La transition vers l'IA physique n'est pas une simple hypothèse ; elle est déjà en cours de mise en œuvre dans tous les secteurs, souvent dans le cadre de programmes de transformation s'étalant sur plusieurs années.

Les grands distributeurs et les entreprises de logistique transforment leurs centres de distribution en sites fonctionnant de manière autonome. Le transport routier autonome fait déjà l’objet d’essais et est déployé dans des environnements réels. La robotique fait son apparition dans presque tous les secteurs de l’économie, en particulier dans des domaines tels que l’exploitation minière, l’industrie manufacturière, la distribution et la santé. Dans de nombreux cas, les organisations modernisent une installation, un site ou un système à la fois, modifiant progressivement leur exposition au risque à mesure que chaque transition est menée à bien.

Cette adoption progressive pose un défi particulier : une même organisation peut être amenée à gérer simultanément des environnements traditionnels et autonomes, chacun présentant des caractéristiques de risque très différentes. À mesure que de plus en plus d'installations se convertissent, une part croissante des risques se déplace vers un domaine encore peu connu.

Les systèmes d'entrepôt autonomes et la robotique industrielle évoluent au-delà des machines programmables traditionnelles aux limites bien définies.

L'IA physique intègre de plus en plus l'IA agentique et des robots autonomes basés sur de grands modèles linguistiques. Ces systèmes sont conçus pour interpréter leur environnement, prendre des décisions et adapter leur comportement en fonction de conditions changeantes. Ils ne se contentent pas d'exécuter des instructions ; ils prennent en réalité des décisions complexes dans des environnements dynamiques et en constante évolution.

L'IA physique est déjà déployée à grande échelle dans les secteurs de la fabrication, de l'entreposage et du transport. Les plateformes d'IA centralisées peuvent coordonner des centaines de robots autonomes au sein d'une même opération, permettant ainsi des installations à plus haute densité, une production en continu et une optimisation permanente. Parallèlement, les technologies de transport routier autonome passent du stade des programmes pilotes à celui du déploiement commercial, avec des véhicules sans conducteur circulant sur des corridors de fret désignés et accumulant des millions de miles d'expérience opérationnelle. Les prévisions du secteur indiquent une expansion rapide des flottes dans les années à venir.

Comment l'IA physique modifie l'exposition aux risques et les profils de pertes

L'adoption de l'IA physique modifie la nature des risques à plusieurs égards essentiels :

• Les environnements autonomes concentrent souvent davantage d'opérations dans des espaces plus restreints, ce qui augmente la densité d'exposition.
• Des pannes isolées d'équipements aux incidents à l'échelle du système affectant l'ensemble des installations ou des flottes
• De l'erreur humaine à la prise de décision algorithmique et autonome
• Des expositions traditionnelles liées aux entrepôts aux environnements caractérisés par une concentration d'actifs de grande valeur
• Allant principalement des risques de blessures corporelles aux dommages causés aux équipements spécialisés et aux biens

À mesure que ces actifs gagnent en valeur et en sécurité, le profil de risque évolue. Dans certains domaines, la fréquence des sinistres diminue, mais lorsque des incidents se produisent, ils sont plus graves, leur résolution prend plus de temps, ils donnent lieu à des enquêtes de subrogation plus complexes et entraînent une exposition nettement plus élevée aux pertes d'exploitation et aux frais supplémentaires.

Évolution des sinistres et de la responsabilité dans les environnements autonomes

Alors que l’IA physique estompe la frontière entre les systèmes physiques et numériques, le traitement des sinistres doit évoluer en conséquence. Déterminer la cause d’un sinistre nécessite désormais bien plus qu’une simple inspection physique. 

Les systèmes autonomes soulèvent de nouveaux défis en matière de responsabilité, notamment :

• Enquêtes sur les défaillances, leurs origines et leurs causes au sein de systèmes interconnectés
• Augmentation de la valeur des actifs et besoins accrus en matière de main-d'œuvre spécialisée (qualifiée) et d'équipements de restauration
• Analyse d'incidents fondée sur les données, nécessitant l'examen des journaux système et des données de télémétrie
• Allongement des délais d'interruption d'activité en raison des délais de remplacement des produits, ainsi que de la validation, du réétalonnage ou de la réorganisation des processus.
• Risque accru d'interruption d'activité, l'automatisation réduisant les coûts d'exploitation et permettant d'augmenter les marges bénéficiaires.
• La perte ou l'endommagement de flottes entières d'équipements automatisés et de systèmes opérationnels.

Les enquêtes sur les sinistres nécessitent de plus en plus souvent des compétences pluridisciplinaires, notamment en ingénierie robotique judiciaire, en analyse avancée des données et en évaluation des logiciels agentiels.

La responsabilité en matière de transport routier autonome évolue rapidement : elle ne repose plus uniquement sur le conducteur, mais est désormais partagée entre les constructeurs, les développeurs d'IA et les exploitants de flottes. La collecte de données en temps réel facilite la reconstitution des incidents, mais complique davantage la détermination des causes et des responsabilités en cas de défaillance du système.

Les modèles d'assurance évoluent pour inclure une couverture combinée couvrant la responsabilité civile automobile, la responsabilité civile produits et les risques cyber (piratage de véhicules).

La dynamique réglementaire et l'avenir des systèmes autonomes

Depuis 2017, le ministère américain des Transports et les principales entreprises de transport routier autonome se sont concentrés sur une priorité commune : la sécurité. Celle-ci est la priorité numéro un du gouvernement, des propriétaires, des exploitants, des consommateurs et de tous les autres conducteurs sur la route. Cela se comprend, étant donné qu’on recense environ 500 000 accidents de la route par an impliquant des camions. Entre 2021 et 2023, les accidents impliquant de gros camions ont causé plus de 15 000 décès. Cependant, selon le ministère des Transports, plus de 90 % de ces accidents sont dus à une erreur humaine. À ce jour, les premières données d’exploitation suggèrent que les technologies de conduite autonome ont le potentiel de réduire le nombre d’accidents, de blessés et de décès.

Le projet de loi H.R. 4661 – AMERICA DRIVES Act propose un cadre fédéral pour le transport routier commercial autonome, incluant l’exploitation de véhicules de niveau 4 et 5 sans conducteur humain sur les routes interétatiques. Les cadres fédéraux proposés et les discussions réglementaires en cours pourraient permettre un déploiement interétatique plus large du transport routier autonome, bien que son adoption au niveau des États reste inégale et continue d’évoluer. Plusieurs États (dont l’Arizona, le Texas, le Nevada, la Floride, l’Oklahoma et l’Ohio) soutiennent déjà la réalisation d’essais et de programmes pilotes à échelle limitée, apportant ainsi une expérience opérationnelle précieuse à mesure que la technologie mûrit.

Ce que les assureurs et experts faire dès maintenant

L'adoption rapide de l'IA physique oblige les assureurs et experts commencer à s'adapter dès aujourd'hui.

Alors que l'IA physique ne cesse d'évoluer, les entreprises ne peuvent pas attendre sa généralisation pour agir. Plusieurs mesures peuvent les aider à se préparer plus efficacement à cette transition :

• Mise à jour des modèles de souscription et analyse de chaque risque lors du renouvellement
• Mise à jour de la mise en œuvre actuelle de l'IA physique par l'assuré afin de tenir compte des risques au niveau du système et de l'interconnectivité de l'IA physique
• Réévaluation des structures de couverture pour les pertes d'exploitation et les actifs de grande valeur
• Développer ou mettre à jour les capacités en matière de gestion des sinistres dans une approche pluridisciplinaire
• Suivi des évolutions réglementaires ayant une incidence sur les opérations autonomes

Les organisations qui s'adapteront de manière proactive seront mieux à même de gérer les risques émergents et de préserver la validité de leurs défenses en cas de sinistre.

Se préparer à un environnement de risques plus complexe, axé sur les systèmes

L'IA physique marque un tournant fondamental, marquant le passage des environnements de risque traditionnels et linéaires à des systèmes complexes et adaptatifs. Les sinistres dépendent de plus en plus de la manière dont les systèmes interprètent, prennent des décisions et interagissent à grande échelle. Pour les assureurs et experts, la réussite dépendra de leur capacité à évaluer à la fois les dimensions physiques et numériques des sinistres, à développer une expertise multidisciplinaire et à s'adapter efficacement à un paysage des risques de plus en plus interconnecté, automatisé et axé sur les données.

Sources citées :

https://www.fmcsa.dot.gov/safety/data-and-statistics/large-truck-and-bus-crash-facts
https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813717.pdf