Cette formation donne 84 points PPC aux membres qualifiés de l’Institut des Actuaires
Programme de la formation
Partie 1 – Fondations : comprendre le RAG (Retrieval-Augmented Generation) et ses enjeux pour l’assurance
Objectif : Poser les bases techniques et métiers du RAG dans le contexte assurantiel.
- Qu’est-ce que le RAG ?
- Différence entre LLM seul, recherche classique, RAG
- Architecture : Indexation + Récupération + Génération
- Pourquoi le RAG est pertinent pour l’assurance ?
- Multiplicité des documents : contrats, conditions générales, avis de sinistres, mails, courriers
- Cas typiques de désintermédiation / support augmenté / extraction métier
- Démo pédagogique : répondre à une question sur un contrat PDF via un pipeline RAG simple
Partie 2 – Construction d’un moteur RAG avancé pour l’assurance
Objectif : Mettre en place un système RAG robuste, adapté aux documents d’assurance.
- Préparer les données métiers
- Découpage intelligent en chunks
- Nettoyage, structuration
- Vectorisation et indexation
- Choix des embeddings
- Création d’un index vectoriel
- Récupération et génération
- Retrieval
- Prompt engineering pour context injection
- Génération contrôlée
Partie 3 – Cas d’usage assurantiels avancés
Objectif : Maîtriser la personnalisation du RAG pour des processus cœur métier.
Cas 1 – Comparaison de contrats d’assurance
- Lecture croisée entre deux PDF
- Extraction d’éléments structurés (garanties, franchises, exclusions)
- Visualisation dans un tableau comparatif
- Application : audit de polices, renouvellement, courtage
Cas 2 – Support sinistre et réponse client
- Analyse d’un dossier de sinistre
- Génération d’une réponse automatisée (avec trace des sources)
Cas 3 – Lecture réglementaire ou conformité
- Extraction ciblée dans les textes
- Filtrage sémantique sur des corpus
- Aide à la veille ou à l’analyse juridique
Partie 4 – Déploiement, risques et gouvernance
Objectif : Assurer un usage responsable, robuste et maintenable du RAG.
- Limites du RAG
- Hallucinations, bruit documentaire, obsolescence
- Cas où il ne faut pas utiliser de génération
- Évaluation des performances
- Précision des réponses, taux de couverture
- Métriques, feedback humain, tests métiers
- Sécurisation et conformité
- Gestion RGPD, sécurité des données (hébergement, logs)
- Validation humaine, explainability
- Déploiement
- Intégration dans un outil : portail, API, plugin Outlook/CRM
- Supervision métier + IT
