Ce qu’il faut retenir
- Un système d’IA peut assister l’identification, le routage et la préparation d’une réclamation. Il ne doit pas réduire la notion de réclamation à un mot-clé ni transformer une probabilité en décision définitive.
- La recommandation ACPR 2024-R-02 demande aux professionnels concernés d’identifier les réclamations quels que soient le canal et l’interlocuteur. Une expression de mécontentement peut être formulée sans employer le mot « réclamation ».
- Le dispositif doit préserver le message original, la date de réception, les pièces, les versions du classement, les corrections humaines et la preuve de réponse. Sans cette chaîne, l’automatisation accélère le tri tout en affaiblissant le dossier.
- Le contrôle humain est concentré sur les ambiguïtés, les risques de délai, les situations vulnérables, les erreurs possibles et les changements de destination. Il doit disposer du temps et de l’autorité nécessaires.
- La qualité se mesure par rappels sur cas critiques, erreurs de routage, délais, reprises et réclamations retrouvées tardivement. Un taux global de précision ou un gain de temps ne suffit pas.
« Je ne suis pas satisfait de la façon dont mon dossier a été traité » est facile à reconnaître. « Cela fait trois fois que je renvoie la même pièce et personne ne m’explique pourquoi elle disparaît » l’est parfois moins pour une règle rigide, alors que le mécontentement est clair. À l’inverse, un message contenant « je souhaite faire une réclamation de relevé » peut être une demande documentaire et non une plainte au sens du dispositif.
Le tri des réclamations n’est donc pas un simple classement linguistique. Il déclenche un processus, des délais, une responsabilité, une information et une traçabilité. Une IA peut améliorer la détection dans les volumes multicanaux, mais seulement si l’organisation définit d’abord ce qu’elle veut préserver : la voix du client, le contexte, la date, le droit au réexamen et la capacité d’expliquer chaque action.
Partir de la définition et du cadre sectoriel
La recommandation ACPR 2024-R-02 du 2 juillet 2024 sur le traitement des réclamations définit la réclamation comme l’expression d’un mécontentement envers un professionnel, quel que soit l’interlocuteur ou le service auprès duquel elle est formulée. Elle distingue notamment une réclamation d’une simple demande de service ou de prestation, d’information, d’avis, de clarification ou d’explication.
Cette recommandation demande aux professionnels entrant dans son champ d’organiser l’identification des réclamations formulées quels que soient le canal et l’interlocuteur. Elle recommande aussi une organisation efficace et harmonisée, un suivi des délais, une information sur le dispositif et l’analyse des causes. Elle indique, sauf dispositions plus contraignantes, un délai de réponse ne dépassant pas deux mois entre l’envoi de la réclamation et l’envoi de la réponse définitive.
Une réclamation orale qui ne peut recevoir immédiatement une réponse satisfaisante doit, selon la recommandation, conduire à inviter la personne à la formaliser sur un support écrit durable. Lorsqu’un formulaire en ligne est proposé, une copie datée doit pouvoir être obtenue. Ces éléments ont une conséquence directe pour l’automatisation : un système ne doit pas ignorer la parole, perdre la date, ou orienter vers un formulaire sans préserver la preuve nécessaire.
La publication de l’ACPR du 16 avril 2026 sur les résultats de son enquête 2024 rappelle les attentes du superviseur et signale les points d’attention observés. Il faut lire ces constats comme des indications sectorielles datées, pas comme la preuve qu’une organisation particulière présente les mêmes défauts.
La directive (UE) 2016/97 sur la distribution d’assurances impose aux distributeurs d’agir de manière honnête, impartiale et professionnelle au mieux des intérêts de leurs clients et encadre le traitement des réclamations dans son dispositif. Les règles précises applicables dépendent du statut, de l’activité et des textes nationaux. Ce dossier est une méthode opérationnelle, pas un avis juridique exhaustif.
Cartographier la chaîne avant d’automatiser
Le système cible rarement une boîte unique. Le mécontentement arrive par courriel, formulaire, espace client, téléphone, courrier, messagerie, réseau commercial, délégataire, gestionnaire de sinistre ou médiateur. Il peut apparaître dans une pièce jointe ou au milieu d’une demande plus large. Commencez par un inventaire des canaux et des points de réception.
Pour chaque canal, documentez :
- qui reçoit le message et sous quelle identité ;
- quelle date fait foi et comment elle est horodatée ;
- où le message original et ses pièces sont conservés ;
- qui peut qualifier ou requalifier le dossier ;
- quel accusé ou quelle information est transmis ;
- quel délai interne protège l’échéance applicable ;
- quel service répond et qui valide la réponse ;
- comment une délégation ou un transfert est suivi.
Le système d’IA intervient à une étape précise : détecter un signal, proposer une catégorie, extraire un produit, suggérer une priorité ou préparer un brouillon. Il ne doit pas absorber silencieusement les autres décisions. L’article sur la qualification des courriels d’assurance par IA détaille la séparation entre extraction, classification, règles et action.
Définissez la frontière entre aide et automatisation. Si une probabilité élevée crée immédiatement un dossier, le risque principal peut être un surclassement et une charge supplémentaire. Si une probabilité faible ferme silencieusement la piste, le risque est la perte d’une réclamation. Le second est souvent plus grave et moins visible. La conception doit donc privilégier la détection et l’abstention sur les cas ambigus plutôt que la certitude artificielle.
Construire une taxonomie actionnable
Une taxonomie utile relie une classe à une action. « Positif », « négatif » et « neutre » ne suffisent pas. Un mécontentement poli peut être une réclamation ; un message agressif peut être une demande urgente sans plainte envers le professionnel. La polarité n’est pas la qualification juridique ou opérationnelle.
Un premier niveau distingue :
- réclamation probable : mécontentement envers le professionnel ou son service, avec suffisamment d’éléments ;
- réclamation possible : signal de mécontentement mais contexte incomplet ou destinataire incertain ;
- demande sans mécontentement identifié : service, information, clarification, document ou conseil ;
- hors périmètre : spam, erreur de destinataire ou contenu non exploitable ;
- urgence ou risque particulier : sécurité, vulnérabilité, contentieux, médiation ou échéance proche nécessitant un routage prioritaire selon la politique interne.
Un second niveau décrit le produit, le motif, le canal, la partie concernée et le responsable. Ces dimensions ne doivent pas être confondues. Un message peut relever à la fois d’un mécontentement sur le délai, d’un sinistre automobile et d’une difficulté d’accessibilité. Le modèle doit pouvoir produire plusieurs attributs, chacun avec sa preuve et son incertitude.
| Dimension | Exemple de valeur | Action liée | Erreur à éviter |
|---|---|---|---|
| Nature | Réclamation probable | Créer ou proposer un dossier traçable | Fermer automatiquement une classe faible |
| Motif | Délai, information, indemnisation, distribution | Router vers l’équipe compétente | Déduire une faute à partir du motif |
| Échéance | Date de réception et seuil interne | Alerter avant dépassement | Recalculer la date lors d’un transfert |
| Vulnérabilité ou accessibilité | Besoin d’assistance explicite | Adapter le canal et prioriser | Inférer une caractéristique sensible sans nécessité |
| Confiance | Élevée, moyenne, faible selon calibration | Automatiser, revoir ou s’abstenir | Présenter un score comme certitude |
La taxonomie est validée par réclamations, métier, conformité et opérations. Elle conserve une catégorie « autre » et un mécanisme de proposition de nouvelles causes. Une taxonomie figée pousse les équipes à choisir une mauvaise case ; une taxonomie trop détaillée produit des désaccords inutiles.
Préparer des données sans inventer une vérité
Les archives sont une source utile mais imparfaite. Les dossiers historiquement identifiés comme réclamations reflètent l’organisation, les canaux et les omissions du passé. Entraîner uniquement sur eux apprend potentiellement à reproduire les réclamations déjà retrouvées et à ignorer celles qui avaient été perdues.
Constituez un jeu représentatif par canal, produit, longueur, style et période. Incluez les négations, citations de tiers, messages transférés, pièces jointes, fautes, demandes mixtes et mécontentements implicites. Masquez ou synthétisez les données lorsque possible, avec une validation de réalisme. Le jeu doit inclure des cas difficiles, pas seulement des exemples évidents.
L’annotation suit un guide versionné. Chaque exemple est qualifié par au moins une personne compétente ; les cas ambigus ou critiques reçoivent une seconde lecture. Le désaccord n’est pas du bruit à effacer. Il révèle une frontière de procédure, une définition insuffisante ou un besoin d’abstention.
Pour chaque label, conservez le passage ou l’élément qui justifie la décision lorsque cela est licite. Une étiquette sans motif est difficile à auditer et à corriger. La preuve doit toutefois éviter de dupliquer inutilement des données personnelles dans l’outil d’évaluation.
Le jeu est découpé par temps ou par source afin d’éviter que des messages quasi identiques se retrouvent en entraînement et en test. Un même fil de conversation doit rester dans un seul ensemble. Sinon, une performance élevée mesure la mémorisation du style ou du dossier plutôt que la généralisation.
Choisir une architecture avec abstention
Une architecture prudente combine plusieurs mécanismes. Des règles déterministes protègent les éléments stables : canal, dates, présence d’une médiation, statut déjà ouvert ou seuil de délai. Un modèle classe les formulations variées. Un composant d’extraction identifie produit, contrat ou motif lorsque la preuve est présente. Une couche de décision applique les seuils et le routage autorisés.
La recherche documentaire peut aider à proposer une réponse, mais elle ne doit pas modifier la qualification sans trace. Le guide sur l’architecture RAG en assurance explique comment versionner les sources, conserver les citations et séparer récupération, génération et contrôle.
Trois sorties sont préférables à une réponse binaire :
- action autorisée : le cas répond à des critères testés et l’action reste réversible ;
- revue requise : ambiguïté, risque élevé, donnée manquante ou conflit entre signaux ;
- abstention technique : pièce illisible, langue non couverte, longueur excessive, erreur de modèle ou sortie non conforme.
Le seuil n’est pas choisi pour maximiser une précision moyenne. Il résulte du coût relatif des faux négatifs, faux positifs et abstentions, de la capacité humaine et du délai. Un seuil différent peut s’appliquer à la détection initiale et au routage secondaire. Tout changement est testé sur le jeu figé et sur un échantillon récent.
L’IA ne doit pas déclencher seule une réponse définitive lorsque les éléments juridiques ou contractuels exigent une analyse. Elle peut préparer un brouillon avec ses sources, les faits du dossier et les points à confirmer. Le copilote du courtier avec contrôles donne une architecture où la génération reste subordonnée aux pièces et à la validation.
Conserver la preuve de bout en bout
Une chaîne probante permet de reconstruire ce qui s’est passé sans dépendre de la mémoire d’un opérateur. Elle comprend au minimum :
- le message ou compte rendu original et ses pièces, dans le système de référence ;
- la date et le canal de réception ;
- la version du modèle, des règles, de la taxonomie et des seuils ;
- les catégories proposées, leur niveau de confiance et les éléments justificatifs ;
- l’action automatique ou proposée ;
- la personne qui a validé, corrigé, transféré ou refusé ;
- les dates d’accusé, de traitement et de réponse ;
- la version finale de la réponse et les pièces transmises.
Ne remplacez jamais le message original par un résumé généré. Un résumé peut aider à travailler ; il omet potentiellement une nuance, une date ou un mécontentement. Le système de référence conserve l’original et lie le résumé par identifiant.
La correction humaine est une donnée de contrôle, pas automatiquement une vérité d’entraînement. Une correction faite sous pression ou avec une taxonomie ambiguë peut être erronée. Avant de la réutiliser, vérifiez son motif et, pour les cas critiques, faites-la confirmer.
Les journaux doivent être proportionnés et protégés. Conserver chaque requête complète dans plusieurs outils augmente l’exposition des données. Une stratégie sépare preuve métier, télémétrie technique et données d’évaluation, avec droits, durée et finalité. Le hachage ou un identifiant peut relier les traces sans recopier tout le contenu.
Organiser le contrôle humain et l’escalade
Le contrôle humain a trois fonctions : détecter l’ambiguïté, prendre une décision que le système ne doit pas prendre et corriger le processus. Il ne doit pas servir de justification universelle à un modèle mal évalué. Sa capacité est chiffrée : dossiers par jour, durée moyenne, pics, absences et compétence disponible.
Les cas suivants justifient généralement une revue selon la politique interne :
- signal de mécontentement avec confiance intermédiaire ;
- désaccord entre règle, modèle et historique du dossier ;
- échéance proche ou message ancien retrouvé ;
- médiation, contentieux, autorité ou situation sensible ;
- langue, format ou pièce non couverts ;
- transfert entre entités ou délégataires ;
- plusieurs motifs dont les responsables diffèrent.
L’interface présente le message et les éléments utiles avant ou à côté de la suggestion, pas uniquement la classe prédite. Elle permet de corriger en peu d’actions, d’ajouter un motif, de préserver la date et d’escalader. Le guide sur le contrôle humain effectif rappelle que l’autorité, le temps, l’information et la possibilité d’arrêt sont indissociables.
La délégation de traitement mérite une attention spécifique, comme le souligne la recommandation ACPR. Les responsabilités contractuelles, la remontée des réclamations, les délais, les preuves et l’analyse des causes doivent être explicites. L’IA ne doit pas faire disparaître une réclamation dans la frontière entre donneur d’ordre et délégataire.
Évaluer par risque, canal et changement
Le premier indicateur est le rappel des réclamations : parmi les réclamations confirmées du jeu, quelle part est retrouvée ? Il doit être complété par la précision, car trop de faux positifs peuvent saturer l’équipe. Mais les erreurs n’ont pas toutes le même coût. Un mécontentement clair ignoré pendant plusieurs semaines pèse plus qu’un doublon rapidement fusionné.
| Mesure | Calcul | Ventilation | Limite |
|---|---|---|---|
| Rappel | Réclamations détectées / réclamations confirmées | Canal, produit, langue, motif, période | Dépend de la qualité de la vérité de référence |
| Précision | Réclamations confirmées / cas signalés | Seuil et classe d’action | Peut être augmentée en ignorant des cas difficiles |
| Routage correct | Cas arrivés au bon responsable / cas évalués | Entité, délégataire, motif | La bonne destination peut changer avec l’organisation |
| Délai de détection | Temps entre réception et création ou revue | Canal et heure | Ne mesure pas la qualité de la réponse |
| Réclamations tardives | Nombre retrouvé après échéance interne | Cause et point de rupture | Un faible nombre peut refléter une recherche insuffisante |
Ajoutez un jeu contradictoire : messages très polis, colère sans plainte, citations, négations, fautes, messages composites et formulations nouvelles. Chaque mise à jour est comparée à la version de référence sur les cas critiques. Une amélioration globale ne justifie pas une régression sur un canal ou un motif important.
La performance est mesurée sur le processus complet. Un classement juste suivi d’un routage erroné est un échec opérationnel. Un brouillon exact envoyé sans validation peut être un incident. Le jeu d’évaluation doit donc inclure les règles, les outils et les permissions, pas seulement le modèle de langage.
Surveiller la production et les délais
En production, la vérité arrive progressivement. Les dossiers requalifiés, transférés, fusionnés ou retrouvés tardivement alimentent une surveillance. Chaque semaine, une équipe peut examiner un échantillon de cas négatifs et ambigus, avec une surreprésentation maîtrisée des canaux récents ou à risque. Une surveillance limitée aux cas déjà signalés ne mesure jamais les faux négatifs.
Le tableau de bord sépare :
- la santé technique : erreurs, latence, files et indisponibilité ;
- la qualité de détection : rappel estimé, précision et abstention ;
- la qualité de processus : délais, transferts, doublons et réponses ;
- les impacts : médiations, reprises, insatisfaction et causes récurrentes.
Chaque seuil déclenche une réponse : augmenter la revue, désactiver une action, revenir à une version, corriger une règle, renforcer un canal ou suspendre le système. Un tableau sans décision préparée devient décoratif.
L’analyse des causes ne doit pas transformer l’IA en arbitre de la faute. Elle peut regrouper des thèmes et proposer des citations, mais les responsables valident la cause et l’action. Le dossier réduire les relances clients avec l’IA montre comment relier motifs, preuves et décisions sans promettre l’élimination du mécontentement.
Scénario contradictoire de déploiement
Considérons un scénario hypothétique. Un courtier reçoit des courriels sur trois boîtes et confie une partie de la gestion à un délégataire. Le modèle détecte 94 % des réclamations d’un jeu historique et la direction envisage une création automatique des dossiers. Ce chiffre ne suffit pas à décider.
L’équipe découvre que le jeu contient surtout la boîte dédiée, où les clients emploient explicitement « réclamation ». Sur la boîte générale, les mécontentements implicites sont moins bien détectés. Les fils transférés au délégataire sont aussi sous-représentés. La performance globale masque donc le point de risque.
Le projet est limité dans un premier temps : création automatique pour les cas très explicites, revue obligatoire des cas intermédiaires, échantillon quotidien des négatifs sur la boîte générale, aucun rejet automatique, et conservation de la date initiale lors du transfert. Le délégataire reçoit une file et un engagement de retour ; le donneur d’ordre suit les dossiers jusqu’à la réponse.
Après quatre semaines, le rappel estimé progresse mais la file humaine double. L’analyse montre que les accusés automatiques et messages de suivi sont classés comme nouvelles réclamations. Une règle de conversation et de doublon réduit cette charge sans relever le seuil de détection. Le gain vient d’une amélioration du processus, pas d’un modèle plus puissant.
Ce scénario illustre la décision contradictoire : l’IA apporte une meilleure couverture, mais elle crée une charge et de nouveaux risques. La bonne réponse est une combinaison de modèle, règles, organisation et contrôle, avec des limites annoncées.
Plan de mise en œuvre sur douze semaines
Semaines 1 à 3 — cadrage
- Inventorier canaux, entités, délégataires, dates et systèmes de référence.
- Valider définition, taxonomie, responsabilités et règles de délai.
- Choisir les actions autorisées, les revues obligatoires et les interdictions.
- Définir la preuve minimale et les règles de protection des données.
Semaines 4 à 7 — données et évaluation
- Échantillonner les canaux et périodes, puis annoter avec désaccords.
- Construire le jeu critique, les cas limites et le découpage temporel.
- Comparer règles, modèle et combinaison sur les mêmes cas.
- Calibrer abstention et revue selon le risque et la capacité.
Semaines 8 à 10 — pilote contrôlé
- Déployer en miroir sans action automatique, puis comparer aux opérations.
- Tester la conservation de la date, les transferts et les doublons.
- Mesurer faux négatifs par échantillon des cas non signalés.
- Exercer incident, retour arrière et indisponibilité du modèle.
Semaines 11 à 12 — décision
- Présenter performances ventilées, capacité, limites et risques résiduels.
- Décider des actions automatisées par classe et canal.
- Former les contrôleurs sur des cas réels anonymisés ou synthétiques validés.
- Fixer seuils, réponses, fréquence de revue et événements de revalidation.
Ce calendrier est un scénario de travail, pas un délai réglementaire. Une organisation multilingue, multi-entité ou fortement déléguée aura besoin de plus de temps. L’objectif est de produire une décision documentée sur un périmètre maîtrisé, puis d’étendre seulement après preuve.
La réussite n’est pas « 100 % des messages traités sans humain ». Elle est la capacité à retrouver les mécontentements, les router équitablement, répondre dans le cadre applicable, corriger les causes et démontrer le chemin du message à la décision.
Sources officielles
- ACPR — recommandation 2024-R-02 sur le traitement des réclamations, 2 juillet 2024.
- ACPR — Traitement des réclamations des clients : résultats de l’enquête 2024, 16 avril 2026.
- EUR-Lex — directive (UE) 2016/97 sur la distribution d’assurances.
- EIOPA — Opinion on Artificial Intelligence governance and risk management, 6 août 2025.
Tester le tri sur les messages que les règles ratent
Un pilote utile commence par les canaux, les réclamations retrouvées tardivement et les cas où les équipes hésitent, puis relie chaque sortie à une action et une preuve. Échangeons sur votre dispositif de tri et de traçabilité.
