Face à la hausse des faux arrêts maladie et à la pression croissante sur les organismes de prévoyance, Rizlum et SAS lancent une offre commune combinant intelligence documentaire, analytique avancée et gouvernance de l’IA. L’objectif étant d’accélérer le traitement des dossiers légitimes tout en ciblant plus finement les situations à risque.
La fraude aux arrêts de travail devient un problème opérationnel, financier et réglementaire pour les acteurs de la protection sociale. Selon l’Assurance Maladie, les fraudes aux indemnités journalières détectées et stoppées sont passées de 17 millions d’euros en 2023 à 42 millions d’euros en 2024, soit une hausse d’environ 147 %. En 2025, le montant aurait encore progressé pour atteindre 49 millions d’euros de fraudes aux arrêts de travail stoppées.
Derrière ces chiffres, le phénomène change de nature. Les faux documents circulent plus facilement, les outils d’IA générative rendent la falsification plus crédible, et des “packages” de fraude prêts à l’emploi peuvent être proposés via des canaux difficilement traçables, notamment sur certaines messageries ou réseaux sociaux. Pour les organismes complémentaires de prévoyance, l’ambition est de repérer plus vite les dossiers suspects sans ralentir le traitement des arrêts de travail légitimes.
C’est sur ce terrain que se positionne le partenariat annoncé par Rizlum et SAS.
Deux entreprises, deux expertises
Rizlum est une jeune entreprise française spécialisée dans l’IA souveraine pour les secteurs réglementés, notamment l’assurance. Son approche repose sur des agents IA capables d’analyser des documents sensibles dans des environnements maîtrisés, avec des déploiements possibles en mode on-premise ou en cloud privé. Son rôle dans l’offre commune consiste à traiter la partie documentaire : arrêts de travail, bulletins de salaire, justificatifs d’identité, décomptes d’indemnités journalières de la Sécurité sociale, pièces manquantes ou incohérentes.
SAS, de son côté, est un acteur mondial historique de l’analytique, de l’intelligence artificielle et de la gestion des données. Sa plateforme SAS Viya est utilisée pour transformer de grands volumes de données en modèles de décision, notamment dans des contextes de risque, de conformité, de fraude ou d’actuariat. Dans ce partenariat, SAS apporte la couche analytique : croisement de données structurées, détection de schémas de fraude à grande échelle, analyse comportementale, identification de réseaux suspects et modèles prédictifs.
En gros, Rizlum lit, comprend et qualifie les documents. SAS analyse les données, repère les signaux faibles et aide à prioriser les décisions.
Trier les dossiers simples, isoler les cas à risque
La première solution issue de cette collaboration vise les assureurs, les institutions de prévoyance et les mutuelles qui traitent des arrêts de travail. L’objectif étant de ne plus appliquer le même niveau de traitement à tous les dossiers.
Les dossiers simples, cohérents et complets peuvent être certifiés automatiquement et traités rapidement. Les dossiers présentant des anomalies sont orientés vers un gestionnaire expérimenté. Les dossiers les plus risqués peuvent déclencher une escalade, par exemple une demande d’information complémentaire, un contact avec l’employeur ou l’intervention d’un médecin-conseil.
Selon les estimations communiquées par Rizlum et SAS, environ 80 % des dossiers pourraient être certifiés automatiquement et traités en moins de 48 heures. Environ 15 % seraient identifiés comme nécessitant une investigation par un gestionnaire senior. Les 5 % les plus sensibles pourraient faire l’objet d’une action automatique ou semi-automatique, dans un cadre explicable et traçable.
Un enjeu financier, mais aussi actuariel
Pour les organismes complémentaires, le bénéfice attendu dépasse la seule lutte contre la fraude documentaire. L’analyse croisée des documents et des données peut aussi permettre d’identifier des incohérences entre les pièces fournies et les déclarations, de repérer des fraudes à l’identité, de détecter des situations de cumul emploi-arrêt, ou encore d’anticiper la durée résiduelle probable d’un arrêt de travail.
Ce dernier point intéresse directement les directions actuarielles et financières. Une meilleure estimation de la durée des arrêts peut améliorer le provisionnement, affiner les calculs de risque et réduire les écarts entre les charges prévues et les charges réellement constatées.
Rizlum et SAS estiment qu’un organisme complémentaire de taille moyenne pourrait générer entre 350 000 euros et 1,75 million d’euros d’économies annuelles grâce à une meilleure détection de la fraude, entre 800 000 euros et 1,5 million d’euros de gains d’efficacité opérationnelle, et entre 200 000 et 700 000 euros d’amélioration liée à la précision des calculs et du provisionnement. Ces chiffres doivent évidemment être lus comme des estimations fournisseurs, dépendantes du volume de dossiers, de la qualité des données et du niveau initial de maturité des organisations.
La conformité comme condition d’acceptabilité
Le recours à l’IA dans le traitement des arrêts de travail touche à des données sensibles et à des décisions potentiellement lourdes pour les assurés. C’est donc un terrain où l’automatisation ne peut pas être pensée comme une boîte noire.
L’offre revendique pour cela plusieurs garde-fous, notamment une supervision humaine, une traçabilité complète des décisions augmentées par l’IA, une gouvernance des modèles, un monitoring dans le temps et capacité d’audit. L’objectif étant de répondre aux exigences des directions risques, conformité, actuariat et systèmes d’information, dans un environnement encadré par le RGPD, l’AI Act, DORA ou encore Solvabilité II.
C’est aussi ce qui distingue ce type de solution d’un simple outil de productivité documentaire. Dans la prévoyance, l’IA ne peut pas seulement extraire des données plus vite. Elle doit aussi expliquer pourquoi un dossier est considéré comme fiable, incomplet, incohérent ou à risque.
Le cas des arrêts de travail n’est d’ailleurs qu’un premier terrain d’application. La même logique pourrait demain s’étendre à d’autres processus assurantiels : sinistres, souscription, justificatifs employeurs, contrôle documentaire, détection de réseaux frauduleux ou pilotage du risque.
