<p>COLLECTION AMRAE ÉTUDES &amp; PROSPECTIVES État des pratiques et attentes des professionnels du risque L'IA DANS LE RISK MANAGEMENT : ÉTAT DES PRATIQUES &amp; HORIZONS 2026 88,6 % DES RÉPONDANTS UTILISENT L'IA 86 USAGES PASSÉS AU CRIBLE 133 PROFESSIONNELS DU RISQUE RÉPONDANTS Enquête menée du 31 mars au 22 avril 2026 · 133 répondants SOMMAIRE TABLE DES MATIÈRES — Avant-propos &amp; méthodologie 03 01Une adoption déjà bien engagée, mais encore inégale 07 02Une adoption structurée par la nature des données 11 03Les usages de demain : une géographie du potentiel 18 04Ce que les professionnels du risque attendent 25 — Synthèse et perspectives 28 — Annexes — Détails des 86 usages 30 AMRAE · L'INTELLIGENCE ARTIFICIELLE DANS LE RISK MANAGEMENT 02 INTRODUCTION AVANT-PROPOS L'AMRAE a conduit au printemps 2026 une enquête auprès de ses adhérents afin d'établir un premier état des lieux objectif de l'usage de l'intelligence artificielle dans la pratique du risk management. Cette initiative s'inscrit dans la volonté de l'association de disposer de données propres à sa communauté, à rebours des discours généraux sur la transformation numérique. 133 professionnels du risque ont répondu entre le 31 mars et le 22 avril 2026 à l'enquête menée par l'Amrae auprès de ses adhérents. Le questionnaire demandait aux répondants d'indiquer leur fonction principale. Le panel est ainsi majoritairement composé de risk managers (49,6 %, soit 66 personnes) et de responsables assurances (33,1 %, soit 44 personnes), auxquels s'ajoutent 13,5 % de répondants se déclarant dans la catégorie «&nbsp;autre&nbsp;». Cette lecture doit toutefois être nuancée&nbsp;: la fonction principale déclarée ne reflète pas nécessairement l'ensemble des responsabilités exercées, certains répondants pouvant se situer à la croisée de plusieurs fonctions. En termes de taille d'organisation, 66,7 % représentent des grands comptes (plus de 1,5 Md€ ou plus de 5 000 salariés) et 27,3 % des ETI. L'âge moyen est estimé à environ 50 ans, avec une tranche 46-55 ans représentant 36 % des répondants. Ces caractéristiques doivent être gardées à l'esprit dans l'interprétation des résultats&nbsp;: les conclusions reflètent en premier lieu la réalité des grandes organisations, et celle d'une population professionnelle expérimentée. La publication restitue les enseignements principaux de cette enquête articulés en quatre axes. Les chiffres cités sont issus directement des données brutes de l'enquête, et les interprétations sont formulées avec la prudence qu'impose la taille de l'échantillon. Au-delà des chiffres, notre responsabilité collective est désormais de transformer ces expérimentations en usages maîtrisés, explicables et utiles à la décision, sans jamais déléguer à la technologie le jugement qui appartient aux professionnels et aux dirigeants. AMRAE · L'INTELLIGENCE ARTIFICIELLE DANS LE RISK MANAGEMENT 03 INTRODUCTION François BEAUME Président de l'AMRAE « L'IA ne décide pas par elle-même. Elle calcule, synthétise, reformule, recommande. 88,6 % des répondants déclarent aujourd'hui utiliser l'IA dans leurs missions. C'est une adoption large et saine, mais l'enquête révèle aussi ce que nous savons intuitivement&nbsp;: l'IA est entrée par la productivité documentaire, pas encore par le cœur analytique du métier. Ce décalage n'est pas une critique, c'est un signal. Il indique que la profession a adopté l'IA avec discernement, en commençant par les usages les mieux maîtrisés. Et il dessine clairement la prochaine étape. Car c'est précisément là que réside notre valeur ajoutée&nbsp;: rappeler qu'une probabilité n'est pas un jugement, qu'une prédiction n'est pas une décision, que la vitesse n'est pas la maîtrise.&nbsp;L'IA ne décide pas par elle-même. Elle calcule, synthétise, reformule, recommande.&nbsp;Les risk managers sont prêts à accompagner cette transformation, avec le discernement qui est au cœur de leur mission. » Céline PISENE Co-Présidente commission Numérique « Cette enquête montre que les professionnels du risque se sont déjà largement saisis de l'IA. Le prochain enjeu sera de dépasser les seuls gains de productivité pour l'intégrer progressivement au cœur de nos métiers&nbsp;: anticipation des risques émergents, analyse de scénarios, prévention ou encore aide à la décision. Cela suppose de travailler sur la qualité et la gouvernance des données, mais aussi de partager très concrètement les usages, les méthodes et les retours d'expérience. C'est précisément sur cette transition que la Commission Numérique de l'AMRAE souhaite accompagner les professionnels du risque. » AMRAE · L'INTELLIGENCE ARTIFICIELLE DANS LE RISK MANAGEMENT 04 MÉTHODOLOGIE Comment lire cette enquête NOTE MÉTHODOLOGIQUE Enquête auto-déclarative adressée aux adhérents de l'AMRAE. Période de collecte&nbsp;: 31 mars – 22 avril 2026. N total = 133 répondants (base variable selon les questions&nbsp;: 132-133 pour Q1-Q5 et Q19 ; 86 pour Q6-Q18 sur les usages par thématique). Composition du panel, par fonction principale&nbsp;: 49,6 % risk managers, 33,1 % responsables assurances, 13,5 % autres fonctions. Taille&nbsp;: 66,7 % grands comptes, 27,3 % ETI, 2,3 % PME/TPE, 3,0 % secteur public. Les résultats portant sur les PME/TPE (n = 3) et le secteur public (n = 4) sont présentés à titre indicatif uniquement. Trois limites méritent d'être explicitées pour une lecture rigoureuse des résultats. Premièrement, un biais d'auto-sélection ne peut être exclu&nbsp;: les adhérents les plus sensibilisés à l'IA ont pu répondre plus volontiers, ce qui pourrait conduire à une légère surestimation des taux d'adoption. Deuxièmement, les usages déclarés n'ont pas fait l'objet d'une vérification indépendante&nbsp;: ils reflètent la perception des répondants au moment de l'enquête, sans mesure de la fréquence réelle ni du niveau de maturité des pratiques. Troisièmement, les bases varient sensiblement selon les questions&nbsp;: 132 à 133 répondants pour les questions générales (Q1–Q5, Q19), contre 82 à 86 pour les questions d'usage détaillé (Q6–Q18). Les analyses portant sur les usages thématiques reposent donc sur un échantillon plus restreint, dont les résultats doivent être interprétés avec la prudence qu'impose cette taille. Ces limites ne remettent pas en cause la valeur des enseignements de l'enquête, elles en précisent le périmètre d'interprétation. AMRAE · L'INTELLIGENCE ARTIFICIELLE DANS LE RISK MANAGEMENT 05 MÉTHODOLOGIE Les indicateurs de l'enquête NOTE SUR LES INDICATEURS L'enquête permet de mesurer, pour chaque usage, trois indicateurs complémentaires. Usage effectif Correspond à la part des répondants déclarant utiliser l'IA sur cet usage, à quelque niveau que ce soit (expérimentation, opérationnel, avancé). Intention Regroupe ceux qui n'utilisent pas encore mais envisagent de le faire à court ou moyen terme. Potentiel total La somme de l'intention et de l'usage effectif: il représente l'ensemble des professionnels qui sont ou seront engagés sur un usage donné. La marge de progression Correspond au rapport de l'intention sur le potentiel total. Elle mesure la part du potentiel déclaré qui reste à concrétiser. Une marge élevée signale un usage pour lequel l'engagement futur est fort relativement à l'engagement actuel&nbsp;; une marge faible indique au contraire un usage déjà largement activé. L'ensemble des résultats, item par item, est consultable en annexe. AMRAE · L'INTELLIGENCE ARTIFICIELLE DANS LE RISK MANAGEMENT 06 PARTIE 01 01 UNE ADOPTION DÉJÀ BIEN ENGAGÉE, MAIS ENCORE INÉGALE 01 TAUX D'ADOPTION 88,6 % des répondants déclarent utiliser l'IA Le premier enseignement de l'enquête est sans ambiguïté&nbsp;: 88,6 % des répondants déclarent utiliser l'intelligence artificielle dans le cadre de leurs missions (base&nbsp;: 132 répondants), dont 35,6 % de façon régulière et 53 % de façon ponctuelle ou expérimentale. Seuls 7,6 % indiquent ne pas l'utiliser mais l'envisager, et 2,3 % déclarent ne pas l'utiliser sans que cela soit prévu. Ces chiffres témoignent d'une pénétration déjà significative de l'IA dans la profession. Il convient toutefois de les lire avec prudence&nbsp;: une utilisation déclarée ne préjuge pas de son intensité, de sa sophistication, ni de son intégration réelle dans les processus métier. La distinction entre usage régulier et usage ponctuel est à cet égard plus instructive que le seul taux d'adoption global. RÉPARTITION DES 132 RÉPONDANTS SELON L'USAGE DE L'IA 35,6 % 53 % 8 %4 % Usage régulier Usage ponctuel Non, mais envisagé&nbsp; Non / Autre&nbsp; Un taux d'adoption corrélé à la taille de l'organisation L'analyse croisée par taille d'organisation révèle des écarts sensibles dans la profondeur de l'adoption. Les grands comptes affichent le taux d'adoption le plus élevé (92 %, dont 39 % en usage régulier), suivis des ETI (81 %, dont 28 % en usage régulier). L'écart de 11 points sur l'usage régulier entre grandes et moyennes organisations mérite notre attention&nbsp;: il suggère que, au-delà de la première adoption désormais quasi-généralisée dans les grands comptes, c'est la régularisation de l'intégration qui différencie les organisations. Cet écart peut vraisemblablement s'expliquer par des ressources humaines et techniques inégalement disponibles selon la taille des structures. ADOPTION DE L'IA PAR TAILLE D'ORGANISATION Grands comptes (n=86) 39 % 53 % 8 % ETI (n=36) 28 % 53 % 19 % PME/TPE&nbsp;(n=3) 33 % 67 % Secteur public&nbsp;(n=4) 25 % 50 % 25 % Usage régulier Usage ponctuel / expérimental Non utilisé / pas prévu PARTIE 01 · UNE ADOPTION DÉJÀ BIEN ENGAGÉE, MAIS ENCORE INÉGALE 08 L'âge n'est pas une barrière à l'utilisation de l'IA La taille de l'organisation n'est pas le seul facteur de différenciation. L'analyse croisée par tranche d'âge révèle un résultat notable&nbsp;: l'usage de l'IA est présent dans toutes les tranches d'âge. Au sein des plus de 60 ans, 85,7 % des répondants déclarent utiliser l'IA, un taux qui ne diffère pas fondamentalement de la moyenne générale (88,6 %). Les différences observées portent davantage sur le rythme d'adoption que sur l'adoption elle-même. Les répondants de moins de 30 ans affichent le taux d'usage régulier le plus élevé (75 %), quand les tranches plus âgées privilégient davantage l'usage ponctuel, faisant passer le taux à environ 20 % d'usage régulier chez les 50-60 ans. Cette tendance décroissante avec l'âge est cohérente avec les observations réalisées dans la population générale, où les usages de l'IA sont également plus fréquents chez les plus jeunes. Elle n'en reste pas moins notable&nbsp;: les taux d'adoption globaux observés dans notre panel demeurent élevés à tous les âges, ce qui suggère une diffusion particulièrement large dans la profession. ADOPTION DE L'IA PAR TRANCHE D'ÂGE 0% 15% 30% 45% 60% 75% 90% Moins de 30 ans 31 à 35 ans 36 à 45 ans 46 à 55 ans 56 à 60 ans Plus de 60 ans 75% 40% 51,5% 33,3% 19,2% 28,6% 0% 60% 36,4% 58,3% 73,1% 57,1% 25% 0% 12,1% 8,3% 7,7% 14,3% Usage régulier Usage ponctuel Non utilisé Il convient toutefois d'interpréter ces résultats avec prudence. D'une part, l'enquête mesure l'âge des répondants et non leur ancienneté dans la fonction de risk manager. D'autre part, l'absence de données comparatives sur d'autres fonctions ne permet pas de déterminer si l'intensité d'usage observée est propre à la fonction de risk manager ou reflète un niveau d'adoption global propre aux organisations représentées. PARTIE 01 · UNE ADOPTION DÉJÀ BIEN ENGAGÉE, MAIS ENCORE INÉGALE 09 L'IA générative largement plébiscitée par les professionnels du risque Parmi les types d'IA utilisés ou envisagés, l'IA générative (ChatGPT, Copilot, Gemini et solutions comparables) est plébiscitée par 85,6 % des répondants. Son accessibilité sans compétences techniques particulières en fait le point d'entrée naturel dans la profession. Par ailleurs, 30,3 % des répondants déclarent utiliser ou envisager des solutions d'IA développées en interne. L'IA analytique et prédictive (12,1 %) et l'automatisation intelligente de type RPA enrichi (4,5 %) restent plus marginales. Leur déploiement suppose des données structurées, une modélisation métier et une expertise technique spécifique. TYPE D'IA UTILISÉ OU ENVISAGÉ — % DE RÉPONDANTS (N = 132) IA générative (ChatGPT, Copilot, Gemini…) 85,6 % IA développée en interne 30,3 % IA analytique / prédictive 12,1 % Je ne sais pas / pas encore défini 6,1 % Automatisation intelligente (RPA enrichi…) 4,5 % Question à choix multiple (Q5). Base&nbsp;: 132 répondants. IA générative (ChatGPT, Copilot, Gemini…)&nbsp;: systèmes capables de produire du texte, des synthèses, des analyses ou du code à partir d'une instruction en langage naturel. Ils s'appuient sur de grands modèles de langage entraînés sur des corpus massifs et ne nécessitent pas de compétences techniques particulières pour être utilisés. IA développée en interne&nbsp;: solutions déployées sur l'infrastructure propre de l'organisation, ou développées sur mesure, afin de garantir la maîtrise des données traitées et de répondre à des exigences spécifiques de confidentialité ou de conformité. IA analytique et prédictive&nbsp;: systèmes conçus pour analyser des données structurées, identifier des tendances, modéliser des scénarios et formuler des prévisions ; leur déploiement suppose des données organisées et une modélisation métier préalable. Automatisation intelligente (RPA enrichi…)&nbsp;: combinaison de l'automatisation de processus répétitifs (RPA — Robotic Process Automation) et de capacités d'IA permettant de traiter des données semi-structurées ou de prendre des micro-décisions sans intervention humaine. PARTIE 01 · UNE ADOPTION DÉJÀ BIEN ENGAGÉE, MAIS ENCORE INÉGALE 10 PARTIE 02 02 UNE ADOPTION STRUCTURÉE PAR LA NATURE DES DONNÉES 02 USAGES EFFECTIFS La domination écrasante des usages documentaires L'enquête permet de dresser un tableau précis des usages effectifs, thématique par thématique. L'enseignement le plus saillant est la concentration des pratiques sur un registre étroit&nbsp;: 77,4 % des professionnels du risque ayant répondu aux questions d'usage déclarent utiliser l'IA pour l'aide à la rédaction (synthèses, comptes rendus, rapports, notes). Il s'agit de l'usage de très loin le plus répandu, avec un écart de plus de 30 points sur le deuxième item du classement. Les usages suivants, tous entre 30 et 45 %, relèvent également de traitements textuels ou documentaires&nbsp;: analyse de documents juridiques (43,5 %), analyse de grandes volumétries de données (42,2 %), analyse de contrats de responsabilité civile et professionnelle (41,2 %), veille réglementaire et conformité (36,9 %), automatisation de tâches administratives (34,5 %). Ces usages ont en commun de s'appuyer sur des flux de données déjà structurés (textes, contrats, corpus réglementaire), pour lesquels l'IA générative offre un gain de productivité immédiatement perceptible sans nécessiter d'infrastructure technique particulière. TOP 10 DES USAGES DE L'IA — ADOPTION, INTENTION ET MARGE DE PROGRESSION THÉMATIQUE USAGE UTILISÉ INTENTION POTENTIEL MARGE Usages transverses Aide à la rédaction (rapports, synthèses, notes, comptes rendus) 77,4 % 16,7 % 94,1 % 17,7 % Responsabilité Analyse de documents juridiques liés aux responsabilités 43,5 % 15,3 % 58,8 % 26,0 % Usages transverses Analyse de grandes volumétries de données 42,2 % 33,7 % 75,9 % 44,4 % Responsabilité Analyse de contrats et clauses de responsabilité civile et professionnelle 41,2 % 17,6 % 58,8 % 29,9 % Usages transverses Veille réglementaire et conformité 36,9 % 31,0 % 67,9 % 45,7 % Usages transverses Automatisation de tâches administratives et reporting 34,5 % 36,9 % 71,4 % 51,7 % Usages transverses Benchmarking et veille du marché 33,7 % 25,3 % 59,0 % 42,9 % Gestion globale des risques Cartographie et évaluation des risques 31,8 % 22,4 % 54,2 % 41,3 % Usages transverses Accès conversationnel aux politiques internes (chatbot de conformité) 31,3 % 21,7 % 53,0 % 40,9 % Responsabilité Veille jurisprudentielle et réglementaire 30,6 % 18,8 % 49,4 % 38,1 % Marge &lt; 30 % — déjà bien adopté Marge 30–55 % — adoption en cours Potentiel total = Utilisé + Intention · Marge = Intention / Potentiel total · Utilisé = expérimentation + opérationnel + avancé/stratégique · Intention = court terme + moyen terme · Base&nbsp;: variable par item (82–86 répondants, Q6–Q18). PARTIE 02 · UNE ADOPTION STRUCTURÉE PAR LA NATURE DES DONNÉES 12 Le cœur du pilotage du risque reste encore peu investi À l'inverse, les usages directement liés aux fonctions analytiques du risk management (modélisation, quantification, aide à la décision, etc.) restent embryonnaires. La modélisation de scénarios et stress tests ne recueille que 14 % d'usage effectif. L'anticipation de risques émergents, l'analyse des sinistres et l'analyse des tiers (due diligence) atteignent respectivement 15,5 %, 14,1 % et 14%. L'aide à la décision stratégique, qui constitue pourtant l'une des promesses les plus commentées de l'IA dans la gestion des risques en entreprise, ne dépasse pas 17,8 %. TOP 5 DES NON-USAGES DE L'IA DANS LA GESTION GLOBALE DES RISQUES Modélisation de scénarios et stress tests 66,6 % de marge 14,0 % 27,9 % 58,1 % Analyse et évaluation des tiers (due diligence) 64,6 % de marge 14,0 % 25,6 % 60,4 % Analyse des sinistres 64,8 % de marge 14,1 % 25,9 % 60,0 % Anticipation et détection de risques émergents 70,4 % de marge 15,5 % 36,9 % 47,6 % Aide à la décision stratégique 57,2 % de marge 17,8 % 23,8 % 58,4 % Utilisé (expérimentation + opérationnel + avancé) Intention déclarée (court + moyen terme) Non-investi Source&nbsp;: Enquête AMRAE 2026, Q7, n = 82–86 répondants. Marge = Intention / (Utilisé + Intention). Ce constat dessine un premier clivage structurant&nbsp;: l'IA est aujourd'hui avant tout un outil de gain de productivité pour le professionnel du risk management, pas encore un outil mature de pilotage du risque. Elle optimise la production documentaire et le traitement de l'information, mais n'a pas encore investi les fonctions d'analyse et de décision. Les marges élevées observées sur ces usages (entre 57 % et 70 %) indiquent toutefois que l'intention est là&nbsp;: une part significative du potentiel déclaré reste à concrétiser, ce qui témoigne d'un intérêt réel pour ces fonctions analytiques, davantage freiné par des contraintes structurelles que par un manque d'ambition. PARTIE 02 · UNE ADOPTION STRUCTURÉE PAR LA NATURE DES DONNÉES 13 La nature des données, déterminant structurel de l'adoption L'examen thématique par thématique des taux d'usage et de marge, c'est-à-dire la part que représente l'intention dans le potentiel total déclaré (usage + intention), permet de dépasser les constats agrégés pour identifier un phénomène plus profond, qui traverse l'ensemble des 86 items (consultables en annexes) de l'enquête sans exception. La distinction entre thématiques matures et thématiques peu investies ne reflète pas des différences de maturité culturelle, d'intérêt ou de priorité stratégique entre les professionnels du risque. Elle reflète, de manière quasi-mécanique, la nature des données mobilisées par chaque usage. Items à données textuelles n = 22 items Items à données terrain n = 64 items USAGE EFFECTIF 25,9 % × 3 8,4 % MARGE DE PROGRESSION 46,4 % ×1,5 70,6 % marge Représentation usage effectif moyen et marge de progression moyenne.&nbsp;Moyennes simples calculées sur l'ensemble des items de chaque catégorie (22 items textuels, 64 items terrain).&nbsp;Chaque item pèse également, quelle que soit sa thématique.usage moyen usage moyen marge PARTIE 02 · UNE ADOPTION STRUCTURÉE PAR LA NATURE DES DONNÉES 14 Une tendance transversale particulièrement nette&nbsp; Les 86 items de l'enquête ont été classés selon la nature des données qu'ils mobilisent&nbsp;: données textuelles d'un côté (contrats, documents juridiques, corpus réglementaires, rapports), données terrain (données physiques, quantitatives, opérationnelles ou de sinistralité nécessitant une structuration préalable) de l'autre. Cette classification fait apparaître un différentiel marqué et récurrent entre les usages reposant principalement sur des données textuelles et ceux mobilisant des données terrain. Les 22 items à dominante textuelle affichent un taux d'usage effectif moyen de 25,9 %, contre 8,4 % pour les 64 items à données terrain, soit un rapport de 1 à 3. L'écart est tout aussi net sur la marge de progression&nbsp;: 46 % pour les items textuels, 71 % pour les items terrain*. Ce différentiel signifie que là où l'IA opère sur du texte, elle est déjà largement déployée et la progression attendue est modérée&nbsp;; là où elle suppose des données structurées issues du terrain, l'usage reste embryonnaire, mais l'intention est forte. ÉCART D'USAGE TEXTE / TERRAIN PAR THÉMATIQUE DE RISQUE Texte (n=22) Terrain (n=64) Responsabilité 38,4 % 15,5 % +22,9 Gestion globale des risques 28,2 % 16,9 % +11,4 Usages transverses 39,8 % 29,7 % +10,2 Construction 10,6 % 1,9 % +8,7 Financement 10,6 % 3,5 % +7,1 Géopolitique 19,2 % 12,4 % +6,8 Crise / PCA / IE 15,4 % 9,3 % +6,1 Climat 14,1 % 8,6 % +5,5 Capital humain 7,0 % 3,5 % +3,5 Cyber 14,2 % 12,4 % +1,7 Cyber&nbsp;: cas particulier — effet de périmètre fonctionnel (voir texte). Source&nbsp;: Enquête AMRAE 2026 (Q6–Q18, n = 82–86). Ce résultat n'est pas imputable à une surreprésentation des items textuels dans certaines thématiques&nbsp;: il se reproduit à l'intérieur de chaque domaine de risque pris isolément. Pour chaque thématique, on mesure l'écart entre le taux d'usage moyen des items à données textuelles et celui des items à données terrain. Cet écart quantifie, thématique par thématique, l'avance prise par les usages à données textuelles sur les usages à données terrain. Pour les items appartenant à la thématique responsabilité, cet écart atteint 22,9 points&nbsp;: les items textuels (analyse de contrats, de documents juridiques, veille jurisprudentielle) affichent un usage moyen de 38,4 %, contre 15,5 % pour les items terrain. En Gestion globale des risques, il est de 11,4 points (28,2 % contre 16,9 %). En thématique construction, de 8,7 points (10,6 % contre 1,9 %). En Géopolitique, de 6,8 points (19,2 % contre 12,4 %). En Crise/PCA/IE, de 6,1 points. En thématique climat, de 5,5 points. Sans exception, le différentiel est positif en faveur des items textuels dans chaque thématique pour laquelle les deux types d'items coexistent. *Ces moyennes correspondent à la moyenne arithmétique simple des marges de chaque item, et non à la marge recalculée à partir des moyennes d'usage et d'intention. PARTIE 02 · UNE ADOPTION STRUCTURÉE PAR LA NATURE DES DONNÉES 15 Les exceptions apparentes confirment la règle Parmi les 64 items à données terrain, les principaux usages dépassant le seuil de 15 % d'usage effectif partagent une caractéristique commune&nbsp;: leurs données sous-jacentes sont déjà partiellement structurées et disponibles dans des outils métier existants. Par exemple, les données de quantification des risques ERM (25,9 %) sont agrégées dans des référentiels et outils de reporting déjà en place. Les données de sinistres responsabilité (17,6 %) transitent par des systèmes de gestion dédiés. Les données de cybermenaces (17,4 %) sont produites par des outils de sécurité dont les sorties sont déjà normalisées. Ces exceptions ne contredisent pas la conclusion générale établie précédemment, elles en précisent les contours&nbsp;: ce qui détermine l'adoption n'est pas strictement la forme textuelle, mais plus largement la disponibilité et la structuration préalable des données. Il convient ici de distinguer faisabilité technique et pertinence métier&nbsp;: un usage peut être jugé pertinent et souhaitable par les professionnels sans être encore activable, faute de données disponibles sous une forme mobilisable. L'absence d'usage ne reflète donc pas un désintérêt, mais une contrainte d'infrastructure. Le cas particulier du Cyber La thématique cyber constitue le seul domaine où la tendance identifiée s'affaiblit significativement&nbsp;: l'écart d'usage entre items textuels et items terrain n'y est que de 1,7 point (14,2 % contre 12,4 %). Ce résultat, contre-intuitif pour une thématique a priori très exposée à l'IA par sa nature numérique, appelle une interprétation prudente. Une piste d'explication résiderait dans la répartition des responsabilités au sein des organisations : la détection et l'analyse des cybermenaces relèvent le plus souvent d'outils dédiés opérés par la DSI ou le RSSI, hors du périmètre direct du risk manager. Si cette hypothèse se vérifie, les répondants ne déclareraient pas un faible usage par désintérêt ou par manque d'outil, mais simplement parce que ces usages se situent en dehors de leur périmètre de déclaration. Une marge élevée qui reflète la complexité des données La contrepartie du faible usage des items terrain est une marge de progression structurellement élevée, et cette marge est elle-même graduée selon la complexité des données sous-jacentes. Elle atteint 78,4 % en moyenne pour la thématique Construction, 76 % pour la Supply chain, 75 % pour les Dommages. Des thématiques où les données mobilisées (données de chantier, flux logistiques, historiques de sinistres physiques) sont à la fois hétérogènes, sensibles et difficiles à numériser. Elle est plus modérée pour la Géopolitique (54 %) et le Cyber (55 %), où les données sont davantage textuelles ou semi-structurées. Cette gradation est cohérente avec la tendance identifiée précedemment : plus les données requises sont complexes à mobiliser, plus l'écart entre intention et usage est grand. PARTIE 02 · UNE ADOPTION STRUCTURÉE PAR LA NATURE DES DONNÉES 16 CE QU'IL FAUT RETENIR La prochaine frontière est technique, pas culturelle Ces observations convergent vers une conclusion d'ensemble&nbsp;: ce qui différencie une thématique mature d'une thématique peu investie n'est pas l'intérêt que lui portent les risk managers, ni la maturité de leur organisation (les taux d'intention élevés en témoignent). C'est plutôt la nature et la disponibilité des données sous-jacentes&nbsp;: là où elles sont textuelles et immédiatement mobilisables, l'IA s'est déployée&nbsp;; là où elles sont hétérogènes, sensibles ou peu numérisées, le potentiel reste à activer. L'IA générative, vecteur dominant d'adoption dans la profession (85,6 % des répondants), opère naturellement sur des données textuelles déjà disponibles (contrats, documents juridiques, corpus réglementaires, rapports). Elle se heurte aux données terrain parce que celles-ci n'existent pas encore sous une forme mobilisable, non parce que leur traitement par l'IA serait techniquement impossible ou perçu comme non pertinent. La prochaine frontière de l'adoption ne sera donc pas culturelle, elle sera technique et organisationnelle&nbsp;: structuration des données, interopérabilité des systèmes, gouvernance des données sensibles. LA PERSPECTIVE DES AGENTS IA Cette frontière pourrait toutefois être franchie plus rapidement qu'anticipé. L'émergence des agents IA (systèmes capables d'agir de façon autonome pour collecter, structurer et croiser des données issues de sources hétérogènes) ouvre une perspective nouvelle pour les usages terrain aujourd'hui les moins investis&nbsp;: ces systèmes pourraient faciliter la collecte et l'orchestration de données hétérogènes, contribuant ainsi à lever une partie des freins structurels identifiés dans cette enquête. Leur déploiement supposera toutefois une gouvernance rigoureuse des accès, de la qualité des données, de la traçabilité et de la supervision humaine. PARTIE 02 · UNE ADOPTION STRUCTURÉE PAR LA NATURE DES DONNÉES 17 PARTIE 03 03 LES USAGES DE DEMAIN&nbsp;: UNE GÉOGRAPHIE DU POTENTIEL 03 LECTURE PROSPECTIVE Mesurer la demande, pas seulement l'usage La partie précédente a établi que l'adoption de l'IA dans le risk management est structurellement déterminée par la nature des données mobilisées. Si elle explique pourquoi certains usages restent peu investis aujourd'hui, elle ne dit pas encore sur lesquels les professionnels expriment la demande la plus forte. C'est l'objet de cette partie&nbsp;: identifier, parmi les 86 usages de l'enquête, ceux pour lesquels l'intention de développement est à la fois la plus marquée et la plus largement insatisfaite. Pour mesurer le potentiel, il aurait été possible d'utiliser l'écart entre usage et intention, mais cet indicateur n'est pas normalisé par rapport au potentiel restant, ce qui rend difficile la comparaison entre des usages à des stades d'adoption très différents. À titre d'exemple, l'item anticipation et détection de risques émergents affiche l'écart le plus élevé de l'enquête (+21,4 pts) et serait donc désigné comme l'usage prioritaire, mais avec 15,5 % d'usage existant, une partie significative du potentiel est déjà activée. À l'inverse, l'optimisation des couvertures d'assurance transport n'affiche qu'un écart de 9,3 pts, signal apparemment modeste, mais avec seulement 1,2 % d'usage, 90 % du potentiel déclaré reste entièrement à concrétiser. La marge corrige cette limite&nbsp;: en exprimant l'intention comme une proportion du potentiel total, elle mesure la part du potentiel déclaré qui reste à concrétiser et permet de comparer des usages sur une base commune, indépendamment de leur maturité. Une lecture prospective des dynamiques d'adoption : deux indicateurs valent mieux qu'un L'analyse qui suit privilégie une lecture prospective plutôt que rétrospective. Dans un contexte technologique où les capacités de l'IA progressent à un rythme que les cycles d'enquête peinent à capturer, les niveaux d'usage actuels reflètent autant les contraintes d'hier que les pratiques de demain. C'est pourquoi les critères retenus pour l'analyse sont d'abord l'intention déclarée et la marge de progression (indicateurs de la direction dans laquelle la profession s'engage) avant l'usage effectif, qui intervient en confirmation de faisabilité. Cette approche part du principe que ce qui freine aujourd'hui ne freinera pas nécessairement demain, et que la demande exprimée par les professionnels du risque est un indicateur plus fiable de l'avenir des pratiques que leur état actuel. CRITÈRE 1 · INTENTION Intention déclarée &gt; 25 % Au moins un quart des répondants veut développer l'usage dans son activité professionnelle. CRITÈRE 2 · MARGE Marge de progression &gt; 55 % Plus de la moitié du potentiel reste à concrétiser. CRITÈRE 3 · USAGE Usage effectif &gt; 10 % Confirmation qu'une pratique réelle existe déjà. PARTIE 03 · LES USAGES DE DEMAIN : UNE GÉOGRAPHIE DU POTENTIEL 19 Le double signal&nbsp;: intention et marge de progression Sont arbitrairement retenus dans un premier temps les items présentant simultanément une intention déclarée supérieure à 25 % et une marge de progression supérieure à 55 %. La première condition identifie les usages pour lesquels au moins un quart des répondants exprime une volonté de développement. La seconde garantit que ce signal d'intention ne porte pas sur des usages déjà trop matures, mais sur des usages dont plus de la moitié du potentiel reste à concrétiser. INTENTION ≥ 25 % ET MARGE ≥ 55 % — 14 ITEMS RETENUS SUR 86 0 % 5 % 10 % 15 % 20 % 25 % 30 % 35 % 40 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % Zone double signal — 14 items ← Intention déclarée (%) → Gestion globale (4) Crise/PCA/IE (4) Usages transverses (2) Climat (2) Dommages (2) usage &lt; 10 % (activation à engager) usage &gt; 10 % (faisabilité confirmée) Axe X = intention déclarée · Axe Y = marge (intention / potentiel) · Zone surlignée = double critère · Source&nbsp;: Enquête AMRAE 2026 (Q6–Q18, n = 82–86).← Marge (intention / potentiel) → PARTIE 03 · LES USAGES DE DEMAIN : UNE GÉOGRAPHIE DU POTENTIEL 20 Quatorze items portent ce double signal Sur les 86 items de l'enquête, 14 répondent au double critère annoncé précédemment. Ils se concentrent sur cinq thématiques&nbsp;: la Gestion globale des risques (4 items), la Crise/PCA/IE (4 items), les Usages transverses (2 items), les Dommages (2 items) et le Climat (2 items). Ce n'est pas une distribution aléatoire, c'est une concentration qui dessine la géographie du développement à venir de l'IA dans le risk management. La Gestion globale des risques et la Crise/PCA/IE constituent les deux foyers les plus significatifs, avec quatre items chacun. GESTION GLOBALE DES RISQUES · 4 ITEMS L'anticipation et détection de risques émergents porte le signal le plus fort (intention 36,9 %, marge 70,4 %), suivie de la modélisation de scénarios et stress tests (intention 27,9 %, marge 66,6 %), de l'analyse des sinistres (intention 25,9 %, marge 64,8 %) et de l'analyse et évaluation des tiers (intention 25,6 %, marge 64,6 %). CRISE / PCA / IE · 4 ITEMS La gestion de crise et simulation d'incidents (intention 28,6 %, marge 77,5 %), la conception et animation d'exercices (intention 28,2 %, marge 72,7 %), la détection de signaux faibles opérationnels (intention 27,1 %, marge 67,6 %) et la modélisation de scénarios extrêmes (intention 25,0 %, marge 70,0 %) forment un ensemble cohérent. USAGES TRANSVERSES · 2 ITEMS Deux items confirment la montée en puissance des usages reposant sur des données terrain&nbsp;: la veille stratégique et détection de signaux faibles (intention 33,3 %, marge 57,1 %) et la détection d'anomalies et de fraude (intention 26,8 %, marge 61,0 %). CLIMAT · 2 ITEMS Le Climat est représenté par la modélisation des risques physiques (intention 25,6 %, marge 78,5 %) et l'évaluation de l'exposition climatique des actifs (intention 25,6 %, marge 68,8 %). DOMMAGES · 2 ITEMS Les Dommages par l'évaluation et optimisation des mesures de prévention (intention 27,1 %, marge 76,8 %) et la prévention des sinistres (intention 25,6 %, marge 70,9 %). PARTIE 03 · LES USAGES DE DEMAIN : UNE GÉOGRAPHIE DU POTENTIEL 21 14 USAGES À FORT POTENTIEL Intention déclarée et marge de progression Intention déclarée Marge de progression Usage ≥ 10 % Usage &lt; 10 % 25%30%35%40%45%50%55%60%65%70%75%80% GESTION GLOBALE DES RISQUES Anticipation et détection de risques émergents Modélisation de scénarios et stress tests Analyse des sinistres Analyse et évaluation des tiers (due diligence) CRISE / PCA / IE Gestion de crise / simulation d’incidents Conception et animation d’exercices Détection de signaux faibles opérationnels Modélisation de scénarios extrêmes USAGES TRANSVERSES Veille stratégique et signaux faibles Détection d’anomalies et de fraude CLIMAT Exposition climatique des actifs Modélisation des risques physiques climatiques DOMMAGES Évaluation des mesures de prévention Prévention des sinistres Items retenus&nbsp;: intention ≥ 25 % et marge ≥ 55 %, groupés par thématique. Le point creux signale un usage effectif encore inférieur à 10 %. Source&nbsp;: Enquête AMRAE 2026 (Q6–Q18). 36,9% 70,4% 27,9% 66,6% 25,9% 64,8% 25,6% 64,6% 28,6% 77,5% 28,2% 72,7% 27,1% 67,6% 25% 70% 33,3% 57,1% 26,8% 61% 25,6% 68,8% 25,6% 78,5% 27,1% 76,8% 25,6% 70,9% PARTIE 03 · LES USAGES DE DEMAIN : UNE GÉOGRAPHIE DU POTENTIEL 22 L'usage existant constitue un premier signal de faisabilité L'intention et la marge de progression identifient la demande. Reste à s'assurer qu'elle est réaliste. Le troisième critère remplit ce rôle&nbsp;: lorsqu'un usage est déjà observé, même à petite échelle, il apporte un premier signal de faisabilité. Il ne préjuge toutefois ni de sa capacité d'industrialisation, ni de sa performance, ni des conditions nécessaires à sa généralisation. Le seuil de 10 % d'usage est arbitraire&nbsp;; il a été retenu comme signal minimal d'une pratique effective. Sur les 14, 11 affichent déjà un usage effectif supérieur à 10 %, ce qui signifie que dans la majorité des cas, des professionnels les pratiquent déjà, à des stades d'expérimentation ou d'utilisation opérationnelle. Ce troisième critère permet d'écarter les intentions qui relèveraient d'attentes irréalistes&nbsp;: si un usage est déjà pratiqué, même à petite échelle, c'est qu'il n'existe pas d'obstacle fondamental à son développement futur. Seuls trois items ne franchissent pas encore ce seuil&nbsp;: la gestion de crise et simulation d'incidents (8,3 %), l'évaluation des mesures de prévention (8,2 %) et la modélisation des risques physiques climatiques (7,0 %). Pour ces trois usages, l'intention est forte mais l'activation reste à engager, ce qui, au regard de la tendance transversale identifiée en partie précédente, est cohérent avec la complexité des données terrain qu'ils mobilisent. PARTIE 03 · LES USAGES DE DEMAIN : UNE GÉOGRAPHIE DU POTENTIEL 23 MISE EN PERSPECTIVE Des intentions convergentes, des conditions à réunir Ces 14 items portent un signal encourageant&nbsp;: ils indiquent que le terrain est réceptif, que les professionnels perçoivent concrètement où l'IA pourrait apporter de la valeur dans leur pratique, et que la résistance culturelle n'est pas, a priori, le principal frein. La convergence des trois indicateurs (intention, marge et usage) renforce la robustesse de ce signal&nbsp;: il ne s'agit pas d'intentions diffuses, mais d'un positionnement explicite sur des usages identifiés, dont certains sont déjà pratiqués. Cependant, il convient de ne pas surinterpréter ces intentions. L'écart qui persiste entre intention et adoption peut refléter des contraintes très concrètes&nbsp;: disponibilité et qualité des données sous-jacentes, budget, charge de travail, absence d'accompagnement méthodologique, incertitude sur les outils disponibles. Ces 14 items partagent par ailleurs un trait commun avec la tendance transversale identifiée précédemment&nbsp;: ils relèvent tous de données terrain complexes à mobiliser. Cette convergence renforce le postulat selon lequel la contrainte structurelle liée à la nature des données est l'un des facteurs qui contribue, au moins en partie, à expliquer le potentiel non activé. Toutefois, ces freins s'inscrivent dans un contexte technologique en évolution rapide&nbsp;: les capacités de traitement de données non structurées, d'interprétation d'images et de documents complexes, et d'interconnexion entre systèmes progressent à un rythme que les cycles d'enquête peinent à capturer. Certaines des contraintes identifiées aujourd'hui pourraient s'atténuer sensiblement à court terme, rendant ces usages plus accessibles qu'ils ne le paraissent à la date de l'enquête. PARTIE 03 · LES USAGES DE DEMAIN : UNE GÉOGRAPHIE DU POTENTIEL 24 PARTIE 04 04 CE QUE LES PROFESSIONNELS DU RISQUE ATTENDENT&nbsp; 04 ATTENTES ENVERS L'AMRAE Une demande unanime de retours d'éxpérience&nbsp; Qu'attendent les professionnels du risque à l'égard de l'AMRAE au sujet de l'IA ? Le premier résultat à noter est l'absence totale de réponse «&nbsp;aucune attente&nbsp;» (0 %)&nbsp;: l'ensemble des 86 répondants ayant répondu à cette question expriment au moins une attente. Les attentes se concentrent sur quatre items qui dépassent chacun le seuil de 70 %&nbsp;: retours d'expérience d'adhérents (76,7 %), panorama et inventaire des outils IA disponibles pour le risk management (75,6 %), guides pratiques et méthodologies (70,9 %), et analyse des risques liés à l'usage de l'IA (70,9 %).&nbsp; Le benchmark et les études comparatives (57,0 %) ainsi que les formations et webinaires (50,0 %) complètent ce tableau. ATTENTES ENVERS L'AMRAE SUR LE SUJET IA Q19 · Question à choix multiple · Base&nbsp;: 86 répondants · 0 % d'aucune attente Retours d'expérience d'adhérents 76,7 % Panorama et inventaire des outils IA 75,6 % Guides pratiques / méthodologies 70,9 % Analyse des risques liés à l'IA 70,9 % Benchmark et études comparatives 57,0 % Formations et webinaires 50,0 % Groupes de travail dédiés 34,9 % Prises de position institutionnelles 30,2 % Aucune attente 0,0 % Source&nbsp;: Enquête AMRAE 2026 · Q19 · Question à choix multiple. La lecture de ces résultats est univoque&nbsp;: la demande est résolument opérationnelle. Les deux premières attentes (retours d'expérience de pairs et panorama des outils) sont des demandes d'information concrète, directement mobilisable dans la pratique quotidienne. La demande de prises de position institutionnelles (cadre éthique, gouvernance de l'IA) n'arrive qu'en dernière position avec 30,2 %. Ce positionnement traduit une priorité claire&nbsp;: avant de se positionner sur des questions de principe, les professionnels souhaitent d'abord comprendre ce que font leurs pairs, identifier les outils disponibles, et disposer de méthodes éprouvées. PARTIE 04 · CE QUE LES PROFESSIONNELS DU RISQUE ATTENDENT 26 Des attentes différenciées selon la taille de l'organisation L'enquête révèle un socle d'attentes commun entre grands comptes et ETI&nbsp;: les retours d'expérience de pairs, le panorama des outils disponibles, les guides pratiques et l'analyse des risques liés à l'IA dépassent 68 % dans les deux catégories. Des nuances apparaissent cependant sur certains items. Les ETI expriment un besoin plus fort en matière d'analyse des risques liés à l'IA (+10 points par rapport aux grands comptes) et de groupes de travail dédiés (+15 points).&nbsp;Cette différence pourrait s'expliquer par leur situation structurelle : moins dotées en ressources internes spécialisées, elles auraient davantage besoin de s'appuyer sur le collectif (partage de bonnes pratiques) et sur des cadres d'analyse prêts à l'emploi. Les grands comptes, de leur côté, expriment une demande légèrement supérieure en matière de benchmark et de formations, ce qui s'explique probablement par des organisations plus structurées, davantage en mesure de capitaliser sur des comparaisons avec leurs pairs et d'investir dans la montée en compétence interne. Grands comptes · n = 51 ETI · n = 28 Groupes de travail dédiés 27,5 % 42,9 % +15,4 Analyse des risques liés à l'IA 68,6 % 78,6 % +10,0 Guides pratiques / méthodologies 68,6 % 75,0 % +6,4 Retours d'expérience d'adhérents 76,5 % 75,0 % Panorama et inventaire des outils 74,5 % 71,4 % Benchmark et études comparatives 56,9 % 53,6 % Prises de position institutionnelles 29,4 % 25,0 % Formations et webinaires 51,0 % 46,4 % Part des répondants exprimant chaque attente · trié par écart ETI – Grands comptes décroissant · Source&nbsp;: Enquête AMRAE 2026 (Q19). Les quatre attentes les plus exprimées (retours d'expérience d'adhérents, panorama et inventaire des outils, guides pratiques et méthodologies, analyse des risques liés à l'IA) dessinent un programme d'accompagnement concret et cohérent. Il est à noter que chacune de ces attentes peut trouver un cadre de réponse dans les travaux de l'AMRAE&nbsp;: commissions thématiques, groupes de travail, publications et événements offrent autant d'espaces où les adhérents peuvent à la fois contribuer à la production de ces ressources et en bénéficier. La participation active à ces travaux constitue, pour les professionnels qui le souhaitent, le moyen le plus direct de répondre collectivement aux besoins identifiés par cette enquête. PARTIE 04 · CE QUE LES PROFESSIONNELS DU RISQUE ATTENDENT 27 SYNTHÈSE ET PERSPECTIVES QUATRE CONSTATS PRINCIPAUX L'enquête AMRAE 2026 révèle une profession qui a su intégrer l'intelligence artificielle dans ses pratiques, et dont les intentions témoignent d'une ambition analytique croissante. Quatre constats principaux se dégagent 1 Une adoption large, mais encore inégale L'IA est entrée dans la profession par la production documentaire. Elle est adoptée, mais n'a pas encore investi le cœur du métier analytique. 2 Un potentiel d'activation identifié sur des usages analytiques Pour plusieurs usages à forte valeur ajoutée, tels que l'anticipation de risques émergents (+21,4 pts entre intention et usage), la modélisation des risques climatiques (+18,6 pts), ou encore la prévention des sinistres (+15,1 pts), l'intention déclarée dépasse nettement l'usage actuel. 3 La prochaine frontière est technique, pas culturelle Ce qui freine l'adoption de ces usages n'est pas l'intérêt des professionnels, c'est la disponibilité des données. Le terrain est réceptif&nbsp;; ce sont les conditions techniques et organisationnelles d'activation qui restent à réunir. 4 La demande d'accompagnement, unanime et opérationnelle La demande est unanime et très concrète&nbsp;: retours d'expérience, panorama des outils, guides pratiques, analyse des risques liés à l'IA. L'accompagnement attendu est opérationnel avant d'être institutionnel. AMRAE · L'INTELLIGENCE ARTIFICIELLE DANS LE RISK MANAGEMENT 28 PERSPECTIVES LES SUITES DONNÉES PAR L'AMRAE Cette enquête ne constitue pas une fin en soi. Elle est un point de départ. Sur la base de ces résultats, l'AMRAE entend poursuivre son accompagnement autour de quatre priorités directement issues des attentes exprimées par les professionnels&nbsp;: Partager des retours d'expérience concrets d'adhérents ayant engagé des démarches IA dans leur pratique de risk management Éclairer les professionnels sur les outils disponibles et leurs domaines d'usage pertinents Produire des méthodes et guides pratiques permettant de passer de l'expérimentation à des usages maîtrisés et explicables Approfondir l'analyse des risques, des conditions de gouvernance et des responsabilités associés à l'usage de l'IA Ces travaux ont vocation à nourrir les commissions, groupes de travail, formations et événements de l'AMRAE, afin d'accompagner la profession dans la durée. AMRAE · L'INTELLIGENCE ARTIFICIELLE DANS LE RISK MANAGEMENT 29 ANNEXES ANNEXES - DÉTAILS DES 86 USAGES&nbsp; Le détail item par item de l'enquête&nbsp;: classification des données textuelles et terrain, classement complet par potentiel total. A. Classification texte / terrain — 13 thématiques B. Classement des 86 usages par potentiel ANNEXE A Classification texte / données terrain 86 items par thématique · Enquête AMRAE 2026 Classification analytique. Texte = données textuelles/documentaires · Terrain = données physiques, quantitatives ou opérationnelles complexes. Moyennes simples calculées sur l'ensemble des items de chaque catégorie. Chaque item pèse également, quelle que soit sa thématique. USAGES TRANSVERSES ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (8 items) — 6 Texte · 2 Terrain 37,3 % 28,2 % 45,2 % Pot. 65,4 % | Aide à la rédaction (rapports, synthèses, notes, comptes rendus) 77,4 % 16,7 % 17,7 % TEXTE Production de texte à partir de texte Analyse de grandes volumétries de données 42,2 % 33,7 % 44,4 % TERRAIN Données tabulaires agrégées Automatisation de tâches administratives et reporting 34,5 % 36,9 % 51,7 % TEXTE Flux documentaires et formulaires Veille réglementaire et conformité 36,9 % 31,0 % 45,7 % TEXTE Corpus réglementaires et juridiques Benchmarking et veille du marché 33,7 % 25,3 % 42,9 % TEXTE Données publiques textuelles, rapports Veille stratégique et détection de signaux faibles 25,0 % 33,3 % 57,1 % TEXTE Corpus médiatiques et informationnels Chatbot de conformité 31,3 % 21,7 % 40,9 % TEXTE Base documentaire interne Détection d'anomalies et de fraude 17,1 % 26,8 % 61,0 % TERRAIN Données transactionnelles GESTION GLOBALE DES RISQUES ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (8 items) — 2 Texte · 6 Terrain 19,7 % 27,5 % 58,9 % Pot. 47,2 % | Cartographie et évaluation des risques 31,8 % 22,4 % 41,3 % TEXTE Référentiels textuels Analyse et quantification des risques 25,9 % 28,2 % 52,1 % TERRAIN Modélisation quantitative Consolidation et reporting des risques groupe 24,7 % 29,4 % 54,3 % TEXTE Flux documentaires et tabulaires Anticipation et détection de risques émergents 15,5 % 36,9 % 70,4 % TERRAIN Signaux faibles, données hétérogènes Modélisation de scénarios et stress tests 14,0 % 27,9 % 66,6 % TERRAIN Modèles quantitatifs Aide à la décision stratégique 17,8 % 23,8 % 57,2 % TERRAIN Synthèse multi-sources Analyse et évaluation des tiers (due diligence) 14,0 % 25,6 % 64,6 % TERRAIN Documents juridiques et données financières Analyse des sinistres 14,1 % 25,9 % 64,8 % TERRAIN Données historiques de sinistralité RESPONSABILITÉ ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (7 items) — 3 Texte · 4 Terrain 25,0 % 16,3 % 42,6 % Pot. 41,3 % | Analyse de contrats et clauses RC/pro 41,2 % 17,6 % 29,9 % TEXTE Analyse contractuelle juridique Analyse de documents juridiques 43,5 % 15,3 % 26,0 % TEXTE Traitement documentaire juridique Veille jurisprudentielle et réglementaire 30,6 % 18,8 % 38,1 % TEXTE Corpus jurisprudentiel Évaluation de l'exposition RC 22,1 % 16,3 % 42,4 % TERRAIN Données contractuelles agrégées Prévention responsabilité environnementale 10,6 % 15,3 % 59,1 % TERRAIN Données environnementales Gestion sinistres responsabilité 17,6 % 13,0 % 42,5 % TERRAIN Données de sinistres, expertises Optimisation couvertures responsabilité 11,8 % 17,6 % 59,9 % TERRAIN Sinistralité et modélisation actuarielle CYBER ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (5 items) — 2 Texte · 3 Terrain 13,2 % 16,6 % 55,5 % Pot. 29,8 % | Détection et analyse des cybermenaces 17,4 % 14,0 % 44,6 % TERRAIN Logs, flux réseau, alertes SIEM Qualification scénarios cyber 12,9 % 17,4 % 57,6 % TERRAIN Modélisation de scénarios d'attaque Conformité réglementaire numérique (NIS2, RGPD) 14,0 % 19,8 % 58,6 % TEXTE Textes réglementaires Évaluation et optimisation cyber assurance 7,0 % 14,1 % 66,5 % TERRAIN Sinistralité cyber, modélisation Sensibilisation et gouvernance numérique 14,3 % 14,3 % 50,0 % TEXTE Production de contenus pédagogiques CLIMAT ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (4 items) — 1 Texte · 3 Terrain 10,2 % 22,3 % 66,9 % Pot. 32,5 % | Modélisation des risques physiques climatiques 7,0 % 25,6 % 78,5 % TERRAIN Données météo, géospatiales Scénarios de transition énergétique 7,1 % 18,8 % 72,6 % TERRAIN Modèles économiques et énergétiques Exposition climatique des actifs 11,6 % 25,6 % 68,8 % TERRAIN Données géospatiales, cartographiques Reporting extra-financier / CSRD 14,1 % 12,9 % 47,8 % TEXTE Production de rapports réglementaires GÉOPOLITIQUE ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (5 items) — 3 Texte · 2 Terrain 16,5 % 19,3 % 53,7 % Pot. 35,8 % | Veille signaux faibles géopolitiques 22,1 % 19,8 % 47,3 % TEXTE Corpus médiatiques et diplomatiques Analyse de risques pays 20,0 % 14,3 % 41,4 % TEXTE Synthèse de rapports Impact des sanctions et conflits 15,3 % 17,6 % 53,5 % TEXTE Textes juridiques, listes de sanctions Scénarios de crise géopolitique 12,8 % 19,8 % 60,7 % TERRAIN Scénarios prospectifs quantitatifs Aide à la décision géopolitique 12,0 % 22,6 % 65,5 % TERRAIN Synthèse multi-sources stratégique CRISE / PCA / IE ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (8 items) — 2 Texte · 6 Terrain 11,6 % 24,2 % 68,1 % Pot. 35,8 % | Élaboration scénarios de crise 16,5 % 21,2 % 56,2 % TEXTE Rédaction documentaire de plans Modélisation scénarios extrêmes 10,7 % 25,0 % 70,0 % TERRAIN Modélisation quantitative Conception et animation d'exercices 10,6 % 28,2 % 72,7 % TERRAIN Simulation opérationnelle Gestion de crise / simulation d'incidents 8,3 % 28,6 % 77,5 % TERRAIN Données opérationnelles temps réel Aide à la décision en crise 3,5 % 22,4 % 86,5 % TERRAIN Multi-sources en temps réel Veille et intelligence économique 14,3 % 23,8 % 62,5 % TEXTE Corpus informationnels Détection signaux faibles opérationnels 13,0 % 27,1 % 67,6 % TERRAIN Données opérationnelles, capteurs Analyse post-crise / REX 9,5 % 23,8 % 71,5 % TERRAIN Données d'incidents, chronologies DOMMAGES ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (8 items) — 0 Texte · 8 Terrain 7,9 % 24,1 % 75,3 % Pot. 32,0 % | Prévention des sinistres 10,5 % 25,6 % 70,9 % TERRAIN Données techniques de sites Analyse prédictive des sinistres 9,4 % 22,3 % 70,3 % TERRAIN Historiques de sinistralité Évaluation mesures de prévention 8,2 % 27,1 % 76,8 % TERRAIN Données d'inspection Protection / sécurisation des actifs 7,1 % 17,8 % 71,5 % TERRAIN Données physiques d'actifs Inspection / diagnostic des sites 7,1 % 17,6 % 71,3 % TERRAIN Images, données visuelles Gestion post-sinistre / REX 7,0 % 24,4 % 77,7 % TERRAIN Données d'incidents, expertises Optimisation couvertures dommages 7,0 % 20,9 % 74,9 % TERRAIN Sinistralité, modélisation Modélisation exposition dommages 4,7 % 24,7 % 84,0 % TERRAIN Données d'exposition physique CAPITAL HUMAIN ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (6 items) — 1 Texte · 5 Terrain 4,7 % 8,6 % 67,8 % Pot. 13,3 % | Détection risques psychosociaux 3,6 % 6,0 % 62,5 % TERRAIN Données RH, enquêtes internes Prédictive absentéisme / AT 4,7 % 7,0 % 59,8 % TERRAIN Données RH quantitatives Gestion compétences / besoins RH 4,7 % 11,8 % 71,5 % TERRAIN Référentiels de compétences Risques sociaux et collectifs 2,4 % 7,1 % 74,7 % TERRAIN Indicateurs de climat social Optimisation couvertures RH 2,3 % 9,3 % 80,2 % TERRAIN Sinistralité RH Conformité sociale et réglementaire 7,0 % 10,5 % 60,0 % TEXTE Textes réglementaires sociaux SUPPLY CHAIN ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (6 items) — 0 Texte · 6 Terrain 5,4 % 14,3 % 75,9 % Pot. 19,7 % | Résilience chaînes logistiques 4,7 % 14,0 % 74,9 % TERRAIN Flux logistiques Analyse prédictive fournisseurs 4,7 % 22,4 % 82,7 % TERRAIN Données financières fournisseurs Détection anomalies transport 7,1 % 10,6 % 59,9 % TERRAIN Données de tracking Suivi temps réel des flux 4,7 % 10,5 % 69,1 % TERRAIN Données opérationnelles temps réel Cartographie fournisseurs 1-2-3 4,7 % 17,6 % 78,9 % TERRAIN Données fournisseurs structurées Optimisation couvertures transport 1,2 % 10,5 % 89,7 % TERRAIN Sinistralité transport FINANCEMENT ET TRANSFERT ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (5 items) — 1 Texte · 4 Terrain 4,5 % 10,8 % 69,3 % Pot. 15,3 % | Programmes de captive 3,5 % 10,5 % 75,0 % TERRAIN Modèles actuariels Suivi réformes fiscales (BEPS/OCDE) 10,6 % 7,1 % 40,1 % TEXTE Textes fiscaux et réglementaires Analyse quantitative rétentions 3,6 % 10,7 % 74,8 % TERRAIN Modélisation quantitative Optimisation placement assurantiel 3,5 % 10,6 % 75,2 % TERRAIN Conditions de marché Benchmarking coûts du risque 3,5 % 15,1 % 81,2 % TERRAIN Données financières comparatives CONSTRUCTION ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (8 items) — 1 Texte · 7 Terrain 2,8 % 12,3 % 78,8 % Pot. 15,1 % | Analyse risques projet 3,6 % 13,1 % 78,4 % TERRAIN Données de chantier Suivi / prévention sinistres chantier 1,2 % 12,9 % 91,5 % TERRAIN Données d'incidents chantier Risques environnementaux chantier 2,4 % 7,1 % 74,7 % TERRAIN Données environnementales terrain Gestion documentaire projets 10,6 % 14,1 % 57,1 % TEXTE Documents contractuels Géolocalisation risques chantier 1,2 % 4,7 % 79,7 % TERRAIN Données GPS, capteurs Évaluation spatiale expositions 2,3 % 4,7 % 67,1 % TERRAIN Données géospatiales Gestion post-sinistre construction 1,2 % 14,0 % 92,1 % TERRAIN Données d'incidents Optimisation couvertures construction 1,2 % 12,8 % 90,6 % TERRAIN Sinistralité construction AUTOMOBILE ITEM UTILISÉ INTENTIONMARGE TYPE JUSTIFICATION Moyennes (8 items) — 0 Texte · 8 Terrain 4,2 % 14,4 % 74,0 % Pot. 18,6 % | Sinistralité / modélisation actuarielle 4,7 % 14,0 % 74,9 % TERRAIN Données de sinistralité flotte Prévention risques routiers 7,0 % 17,4 % 71,3 % TERRAIN Données de conduite Données télématiques / connectés 8,1 % 8,1 % 50,0 % TERRAIN Données IoT véhicules Nouvelles mobilités 4,7 % 13,0 % 73,4 % TERRAIN Données techniques nouvelles flottes Optimisation coûts flotte 5,8 % 14,0 % 70,7 % TERRAIN Sinistralité, modélisation Gestion sinistres automobiles 3,5 % 16,3 % 82,3 % TERRAIN Données de sinistres, expertises Gestion post-sinistre auto 3,5 % 15,1 % 81,2 % TERRAIN Données d'incidents Optimisation couvertures auto 2,3 % 12,8 % 84,8 % TERRAIN Sinistralité flotte STATISTIQUES GLOBALES TYPE NOMBRE ITEMS USAGE MOY. INTENTION MOY. POTENTIEL Texte 22 25,9 % 20,2 % 46,1 % Terrain 64 8,4 % 17,8 % 26,2 % ÉCARTS INTRA-THÉMATIQUES THÉMATIQUE USAGE MOY EN TEXTE USAGE MOYEN TERRAIN ÉCART Responsabilité 38,4 % 15,5 % +22,9 pts Gestion globale des risques 28,2 % 16,9 % +11,4 pts Usages transverses 39,8 % 29,7 % +10,2 pts Construction 10,6 % 1,9 % +8,7 pts Financement 10,6 % 3,5 % +7,1 pts Géopolitique 19,2 % 12,4 % +6,8 pts Crise/PCA/IE 15,4 % 9,3 % +6,1 pts Climat 14,1 % 8,6 % +5,5 pts Capital humain 7,0 % 3,5 % +3,5 pts Cyber 14,2 % 12,4 % +1,7 pts ANNEXE B Classement des 86 usages par potentiel total Enquête AMRAE 2026 · Trié par potentiel décroissant (Utilisé + Intention) Potentiel = Utilisé + Intention · Marge = Intention / Potentiel · Base&nbsp;: 82–86 répondants par item (Q6–Q18). Marge &lt; 30 % — usage déjà bien établi Marge 30–55 % — adoption en cours Marge &gt; 55 % — fort potentiel non activé # ITEM UTILISÉ INTENTION POTENTIEL MARGE USAGES TRANSVERSES 1Aide à la rédaction (rapports, synthèses, notes, comptes rendus) 77.4 % 16.7 % 94.1 % 17.7 % 2Analyse de grandes volumétries de données 42.2 % 33.7 % 75.9 % 44.4 % 3Automatisation de tâches administratives et reporting 34.5 % 36.9 % 71.4 % 51.7 % 4Veille réglementaire et conformité 36.9 % 31.0 % 67.9 % 45.7 % 5Benchmarking et veille du marché 33.7 % 25.3 % 59.0 % 42.9 % 8Veille stratégique et détection de signaux faibles 25.0 % 33.3 % 58.3 % 57.1 % 12Accès conversationnel aux politiques et normes internes du groupe (chatbot de conformité) 31.3 % 21.7 % 53.0 % 40.9 % 15Détection d'anomalies et de fraude 17.1 % 26.8 % 43.9 % 61.0 % RESPONSABILITÉ 6Analyse de contrats et clauses de responsabilité civile et professionnelle 41.2 % 17.6 % 58.8 % 29.9 % 7Analyse de documents juridiques lies aux responsabilités 43.5 % 15.3 % 58.8 % 26.0 % 14Veille jurisprudentielle et réglementaire 30.6 % 18.8 % 49.4 % 38.1 % 23Evaluation de l'exposition aux risques de responsabilité civile et professionnelle 22.1 % 16.3 % 38.4 % 42.4 % 41Gestion et instruction des sinistres responsabilité 17.6 % 13.0 % 30.6 % 42.5 % 43Optimisation des couvertures d'assurance responsabilité 11.8 % 17.6 % 29.4 % 59.9 % 51Evaluation et prévention des risques de responsabilité environnementale 10.6 % 15.3 % 25.9 % 59.1 % GESTION GLOBALE DES RISQUES 9Cartographie et évaluation des risques 31.8 % 22.4 % 54.2 % 41.3 % 10Analyse et quantification des risques 25.9 % 28.2 % 54.1 % 52.1 % 11Consolidation et reporting des risques groupe 24.7 % 29.4 % 54.1 % 54.3 % 13Anticipation et détection de risques émergents 15.5 % 36.9 % 52.4 % 70.4 % 16Modélisation de scenarios et stress tests 14.0 % 27.9 % 41.9 % 66.6 % 18Aide à la décision stratégique 17.8 % 23.8 % 41.6 % 57.2 % 20Analyse des sinistres 14.1 % 25.9 % 40.0 % 64.8 % 21Analyse et évaluation des tiers (due diligence, conformité anticorruption) 14.0 % 25.6 % 39.6 % 64.6 % GÉOPOLITIQUE 17Veille et détection de signaux faibles géopolitiques 22.1 % 19.8 % 41.9 % 47.3 % 31Analyse de risques pays 20.2 % 14.3 % 34.5 % 41.4 % 32Aide à la décision en contexte d'incertitude géopolitique 11.9 % 22.6 % 34.5 % 65.5 % 35Analyse de l'impact des sanctions et conflits internationaux 15.3 % 17.6 % 32.9 % 53.5 % 37Modélisation de scénarios de crise géopolitique 12.8 % 19.8 % 32.6 % 60.7 % CRISE/PCA/IE 19Détection de signaux faibles opérationnels 13.0 % 27.1 % 40.1 % 67.6 % 22Conception et animation d'exercices 10.6 % 28.2 % 38.8 % 72.7 % 24Veille et intelligence économique 14.3 % 23.8 % 38.1 % 62.5 % 25Elaboration et mise à jour de scénarios de crise 16.5 % 21.2 % 37.7 % 56.2 % 27Gestion de crise / simulation d'incidents 8.3 % 28.6 % 36.9 % 77.5 % 29Modélisation de scénarios extrêmes / stress tests de crise 10.7 % 25.0 % 35.7 % 70.0 % 34Analyse post-crise et retour d'expérience 9.5 % 23.8 % 33.3 % 71.5 % 50Aide à la décision en situation de crise 3.5 % 22.4 % 25.9 % 86.5 % CLIMAT 26Evaluation de l'exposition climatique des actifs 11.6 % 25.6 % 37.2 % 68.8 % 36Modélisation des risques physiques climatiques 7.0 % 25.6 % 32.6 % 78.5 % 48Reporting extra financier / CSRD 14.1 % 12.9 % 27.0 % 47.8 % 49Analyse de scénarios de transition énergétique 7.1 % 18.8 % 25.9 % 72.6 % DOMMAGES 28Prévention des sinistres 10.5 % 25.6 % 36.1 % 70.9 % 30Evaluation et optimisation des mesures de prévention 8.2 % 27.1 % 35.3 % 76.8 % 38Analyse prédictive des sinistres 9.4 % 22.3 % 31.7 % 70.3 % 40Gestion post- sinistre et analyse des retours d'expériences 7.0 % 24.4 % 31.4 % 77.7 % 44Modélisation de l'exposition aux dommages 4.7 % 24.7 % 29.4 % 84.0 % 46Optimisation des couvertures d'assurance dommages 7.0 % 20.9 % 27.9 % 74.9 % 52Protection et sécurisation des actifs 7.1 % 17.8 % 24.9 % 71.5 % 53Inspection et diagnostic des sites (analyse d'images) 7.1 % 17.6 % 24.7 % 71.3 % CYBER 33Conformité règlementaire numérique (NIS2, RGPD...) 14.0 % 19.8 % 33.8 % 58.6 % 39Détection et analyse des cybermenaces 17.4 % 14.0 % 31.4 % 44.6 % 42Qualification de scénarios cyber (dont supply chain numerique) 12.8 % 17.4 % 30.2 % 57.6 % 45Sensibilisation et gouvernance du risque numérique 14.3 % 14.3 % 28.6 % 50.0 % 57Evaluation et optimisation de la cyber assurance 7.1 % 14.1 % 21.2 % 66.5 % SUPPLY CHAIN 47Analyse prédictive des risques fournisseurs 4.7 % 22.4 % 27.1 % 82.7 % 56Cartographie des fournisseurs et évaluation des rangs 1, 2 et 3 4.7 % 17.6 % 22.3 % 78.9 % 60Optimisation et résilience des chaînes logistiques 4.7 % 14.0 % 18.7 % 74.9 % 64Détection d'anomalies et gestion des incidents transport 7.1 % 10.6 % 17.7 % 59.9 % 71Suivi en temps reel des flux et alertes 4.7 % 10.5 % 15.2 % 69.1 % 80Optimisation des couvertures d'assurance transport 1.2 % 10.5 % 11.7 % 89.7 % CONSTRUCTION 54Gestion documentaire et contractuelle des projets 10.6 % 14.1 % 24.7 % 57.1 % 68Analyse des risques projet (délais, coûts, qualité) 3.6 % 13.1 % 16.7 % 78.4 % 72Gestion post- sinistre et analyse des retours d'expérience 1.2 % 14.0 % 15.2 % 92.1 % 76Suivi et prévention des sinistres chantier 1.2 % 12.9 % 14.1 % 91.5 % 78Optimisation des couvertures d'assurance construction 1.2 % 11.6 % 12.8 % 90.6 % 84Modélisation des risques environnementaux et réglementaires 2.4 % 7.1 % 9.5 % 74.7 % 85Évaluation spatiale et modélisation des expositions sur site 2.3 % 4.7 % 7.0 % 67.1 % 86Suivi en temps réel et géolocalisation des risques chantier 1.2 % 4.7 % 5.9 % 79.7 % AUTOMOBILE 55Prévention des risques routiers et sécurité des conducteurs 7.0 % 17.4 % 24.4 % 71.3 % 58Optimisation des coûts d'assurance flotte 5.8 % 14.0 % 19.8 % 70.7 % 59Gestion et instruction des sinistres automobiles 3.5 % 16.3 % 19.8 % 82.3 % 61Analyse de la sinistralité et modélisation actuarielle 4.7 % 14.0 % 18.7 % 74.9 % 63Gestion post- sinistre et analyse des retours d'expérience 3.5 % 15.1 % 18.6 % 81.2 % 66Gestion des risques lies aux nouvelles mobilités (véhicules électriques, autonomes) 4.7 % 13.0 % 17.7 % 73.4 % 70Intégration des données télématiques / véhicules connectés 8.1 % 8.1 % 16.2 % 50.0 % 73Optimisation des couvertures d'assurance automobile 2.3 % 12.8 % 15.1 % 84.8 % FINANCEMENT 62Benchmarking des coûts du risque 3.5 % 15.1 % 18.6 % 81.2 % 65Suivi et analyse des reformes fiscales et réglementaires (BEPS / OCDE) 10.6 % 7.1 % 17.7 % 40.1 % 74Analyse quantitative des rétentions et transferts de risques 3.6 % 10.7 % 14.3 % 74.8 % 75Optimisation du placement assurantiel 3.5 % 10.6 % 14.1 % 75.2 % 77Modélisation et structuration de programmes de captive 3.5 % 10.5 % 14.0 % 75.0 % CAPITAL HUMAIN 67Conformité sociale et réglementaire 7.0 % 10.5 % 17.5 % 60.0 % 69Gestion des compétences et anticipation des besoins RH 4.7 % 11.8 % 16.5 % 71.5 % 79Analyse prédictive de l'absentéisme et des accidents du travail 4.7 % 7.0 % 11.7 % 59.8 % 81Optimisation des couvertures d'assurance 2.3 % 9.3 % 11.6 % 80.2 % 82Détection des risques psychosociaux 3.6 % 6.0 % 9.6 % 62.5 % 83Gestion des relations sociales et des risques collectifs 2.4 % 7.1 % 9.5 % 74.7 % À PROPOS DE L'AMRAE L'Amrae (Association pour le Management des Risques et des Assurances de l'Entreprise) est l'association professionnelle de référence des métiers du risque et des assurances en entreprise. Elle rassemble plus de 2 000 membres appartenant à 850 organisations privées ou publiques. L'Amrae aide ces organisations dans l'atteinte de leurs objectifs stratégiques et opérationnels pour leur permettre d'améliorer leurs performances et de maîtriser leurs risques. L'Amrae (l'association) rassemble les acteurs majeurs des secondes et troisièmes lignes de maîtrise des risques (risk management, contrôle et audit internes, assurance et juridique). À travers ses comités scientifiques, ses publications et ses nombreuses manifestations, l'Amrae produit pour ces experts les contenus qui nourrissent leurs compétences, leur évolution dans leur métier et leur contribution à la réussite de la stratégie de l'entreprise. Avec Amrae Formation, elle répond à leurs besoins de formation professionnelle tout au long de la vie en dispensant des formations certifiantes de haut niveau. Amrae Les Rencontres organise le congrès annuel de référence des métiers du risque et des assurances. Ces trois jours constituent le rendez-vous métier incontournable des acteurs de la maîtrise des risques et de son financement. 36 Boulevard de Sébastopol – 75004 Paris – Tél.&nbsp;: 01 42 89 33 16 amrae.fr Copyright Amrae 2026 – Toute reproduction, totale ou partielle, est formellement interdite</p>