Détection de fraude documentaire en assurance : comment ADN.Solutions et la CMAM sécurisent la souscription auto

ADN.Solutions équipe des assureurs, des mutuelles et des courtiers grossistes français avec sa plateforme de création, de distribution et de gestion de produits d'assurance. Plusieurs millions de pièces justificatives y transitent chaque année. Depuis 2026, l'éditeur a intégré Koncile en marque blanche pour extraire la donnée de ces documents et en vérifier l'authenticité par un seul appel, à commencer par la pièce la plus critique de toutes : le relevé d'information d'assurance auto. La CMAM, mutuelle meusienne, est l'un des premiers assureurs à en bénéficier.

Nous avions déjà une chaîne fraude et OCR qui fonctionnait, mais elle fonctionnait dans l'ancien monde : aucune agilité pour intégrer un nouveau type de document. Avec Koncile, nous scénarisons une nouvelle pièce avec nos assureurs en quelques jours. Sur plusieurs millions de documents par an, l'extraction et la détection de fraude ^{Michel Brancaléoni, Président et cofondateur, ADN.Solutions}

ADN.Solutions, l'éditeur qui équipe les assureurs de bout en bout

ADN.Solutions est un éditeur français de core system pour l'assurance, installé en région parisienne. Sa plateforme couvre quatre briques : la création de produits d'assurance, leur distribution, la gestion des contrats et la gestion des sinistres. Ses clients sont des compagnies, des mutuelles et des courtiers grossistes équipés de A à Z, qui font tourner l'intégralité de leur métier sur l'outil.

L'entreprise a doublé son chiffre d'affaires et dépasse les dix millions d'euros, avec une trajectoire qui la porte vers quinze à vingt millions. Cette croissance se lit directement en volume documentaire. Un contrat automobile mobilise huit à dix pièces justificatives entre le relevé d'information, la carte grise, le permis de conduire, la pièce d'identité, le RIB et les photos du véhicule. Rapporté aux quelques centaines de milliers d'affaires nouvelles traitées chaque année sur la plateforme, cela représente plusieurs millions de documents, auxquels s'ajoutent les pièces de sinistres.

Chaque pièce reçue engage la responsabilité de l'assureur et celle du courtier grossiste, tous deux soumis à des obligations de conformité et susceptibles d'être audités. ADN devait donc résoudre deux problèmes en même temps : lire ces documents beaucoup plus vite, et garantir leur authenticité avant que la donnée qu'ils portent ne devienne une décision de tarification.

Pourquoi le relevé d'information est le document le plus fraudé de l'assurance auto

En souscription automobile, le prix se construit sur une déclaration. Le client indique son âge, son ancienneté de permis, son coefficient de réduction majoration, sa sinistralité, et un tarif en découle. Les pièces justificatives ont exactement une fonction : confirmer que la déclaration correspond à la réalité. Si elles ne le font pas, le contrat est mal tarifé pour toute sa durée.

Parmi ces pièces, une seule concentre l'essentiel du risque. La carte grise et le permis de conduire se falsifient peu, parce que le gain est faible. Le relevé d'information, lui, porte les trois informations qui déterminent la prime : le coefficient de bonus-malus, l'historique des sinistres et le motif de résiliation du contrat précédent.

Quand un relevé d'information est fraudé en France, on supprime les sinistres qu'on a eus, on efface une résiliation par la compagnie, ou on retouche le coefficient. Ce sont exactement les trois éléments qui font monter la prime. Et le résultat est propre : même police, même mise en page, même logo, même structure de tableau. Nos gestionnaires ont validé pendant des années des documents falsifiés sans avoir la moindre raison de douter.^{Laetitia Barbera, consultante métier, ADN.Solutions}

Repérer ces retouches est un problème bien plus difficile qu'il n'y paraît. Sur les falsifications grossières, un gestionnaire attentif finit par tiquer. Sur la majorité des cas, personne ne tique : le fraudeur travaille sur un PDF natif, remplace un chiffre par un autre dans la même police, réenregistre le fichier, et l'altération devient strictement invisible à l'œil. Elle ne subsiste plus que dans la structure interne du PDF, dans la signature technique de l'outil d'édition, dans les micro-ruptures de rendu autour du champ modifié, ou dans l'invraisemblance métier du chiffre affiché. Détecter cela demande une technologie très spécialisée, qui combine analyse forensique du fichier, vision par ordinateur entraînée sur les altérations de documents et modèles de langage capables de raisonner sur la cohérence assurantielle d'un relevé. Aucun contrôle humain, même expert et même sans contrainte de temps, ne restitue ce niveau de lecture, et aucun OCR généraliste ne s'en approche.

Un seul traitement pour l'extraction et le contrôle de fraude

Le besoin d'ADN était double dès le départ. Un relevé d'information doit être lu, champ par champ, pour alimenter le moteur de tarification. Et il doit être authentifié, parce que la donnée qu'il contient n'a de valeur que si le document est vrai. Ces deux besoins ont longtemps été servis par deux marchés séparés, deux prestataires, deux intégrations, deux factures, et deux résultats qu'il fallait ensuite recoller à la main dans le système de gestion.

Ce qui nous intéressait, c'était d'avoir les deux au même endroit et au même niveau de qualité. Un document arrive, il ressort classé, extrait, contrôlé, avec un score de fraude et des justifications dans le même flux de données que les champs. Nous câblons une règle métier directement dessus dans notre moteur de souscription. Avant, il fallait deux chaînes et quelqu'un pour faire la jonction. ^{Samir Berbache, directeur des systèmes d'information, ADN.Solutions}

C'est ce que fait la plateforme. Un document envoyé par ADN est identifié pour ce qu'il est, soumis à la batterie de contrôles d'authenticité décrite plus bas, et extrait sur les quarante-quatre champs du modèle. LLe tout revient en quelques dizaines de secondes via un seul appel API, dans une réponse structurée où le verdict de fraude vit à côté du coefficient de bonus-malus et de la date de résiliation. Aucune synchronisation à écrire, aucun rapport séparé à rapprocher, aucune règle métier à dupliquer entre deux systèmes.

La détection de fraude documentaire multicouche appliquée au relevé d'information

Aucun test unique ne déclare un document faux. C'est le principe qui structure l'outil de détection de fraude sur les documents d'assurance déployé chez ADN : accumuler des vérifications indépendantes jusqu'à ce qu'un faisceau se dessine. Trois familles se combinent.

La première est forensique. Une dizaine de tests examinent le fichier lui-même plutôt que son contenu : le logiciel qui l'a créé et celui qui l'a modifié en dernier, la cohérence des dates internes au PDF, la structure de la table de références croisées, le nombre de marqueurs de fin de fichier, le nombre de familles de polices présentes sur une page. Un relevé authentique émis par une compagnie porte la signature technique de sa chaîne d'édition. Un relevé repassé par un éditeur grand public porte la sienne, et elle ne ressemble à rien de ce qu'un assureur produit.

La deuxième est visuelle. Elle traque les ruptures d'alignement, les zones recomposées, les superpositions et les altérations locales autour d'un montant ou d'une date. C'est la couche qui rattrape les documents scannés ou photographiés, sur lesquels les métadonnées n'existent plus.

La troisième est métier, et c'est celle qui apporte le plus de valeur parce qu'elle mobilise une connaissance du secteur. Un coefficient de réduction majoration à 0,50 est impossible avec un permis de moins de treize ans. Une chronologie qui place la date de désignation d'un conducteur avant sa date de naissance est incohérente. Un relevé émis après le 24 juillet 2025 doit comporter les mentions rendues obligatoires par le règlement européen 2024/1855, et leur absence est en soi un signal. Un numéro d'identification de véhicule doit respecter la norme ISO 3779, et son code constructeur doit correspondre à la marque déclarée.

Chaque anomalie détectée alimente un score de zéro à cent, pondéré par sa gravité. Au-delà de quatre-vingts, le document est classé en risque élevé et signalé au gestionnaire ; en dessous, le niveau est faible ou moyen, ce qui permet à chaque assureur de fixer sa propre tolérance : valider automatiquement les risques faibles quand le plateau est saturé, exiger un œil humain dès le niveau moyen. En régime nominal, moins d'un document sur cent ressort en risque élevé, ce qui rend le contrôle exhaustif compatible avec les effectifs réels.

L'archéologie du PDF : retrouver le document avant sa modification

La brique la plus récente va plus loin que le signalement. Lorsqu'un PDF a été retouché, les métadonnées de l'objet modifié subsistent souvent dans le fichier, même si l'affichage ne les montre plus. Koncile lit l'intégralité de ces métadonnées, identifie celles qui portent la trace d'une modification, les retire, et reconstruit le PDF tel qu'il était avant l'intervention. En superposant le document reconstitué et le document reçu, la falsification apparaît en clair.

Sur des cas réels issus du compte ADN, la méthode a permis de restituer un coefficient de bonus-malus ramené de 0,90 à 0,68 par le souscripteur, et une date de résiliation déplacée de trois mois. Le fraudeur n'avait pas réussi à effacer les marques de son propre travail. La technique ne s'applique qu'à une fraction des fichiers, de l'ordre d'un sur cent cinquante, mais quand elle s'applique elle fournit une preuve opposable plutôt qu'un simple soupçon.

Un second mécanisme réduit le bruit dans l'autre sens. La plateforme constitue, émetteur par émetteur, une bibliothèque des signatures techniques légitimes : à partir d'une trentaine de relevés authentiques d'une même compagnie, elle apprend à quoi ressemble un fichier normal chez cet assureur. Un éditeur PDF inconnu cesse alors d'être suspect par défaut, ce qui élimine une part importante des faux positifs, c'est-à-dire des documents honnêtes signalés à tort. C'est le travail de calibration qui fait la différence entre un système qui alerte trop et un système que les gestionnaires écoutent.

Lire un relevé d'information que personne n'a normalisé

L'extraction pose sa propre difficulté, parce que le relevé d'information n'est pas standardisé. Chaque compagnie, chaque courtier grossiste, chaque délégataire produit le sien. La sinistralité apparaît tantôt dans un tableau, tantôt dans une liste. Les conducteurs secondaires sont présentés dans un ordre variable. Un même champ change de nom d'un émetteur à l'autre.

Le modèle construit avec les équipes d'ADN couvre quarante-quatre champs répartis en huit blocs : l'émetteur du relevé, le souscripteur, le conducteur principal, les conducteurs secondaires, le véhicule, le contrat, le bonus-malus et la signature. Il a été restructuré à l'été 2026 pour intégrer les rubriques rendues obligatoires par la réglementation européenne, ce qui sert deux objectifs à la fois : une extraction plus complète, et un contrôle de conformité qui devient automatique. Ces règles ont été écrites en langage naturel par les équipes métier d'ADN, sans développement, à partir de la librairie de modèles d'extraction de la plateforme, puis dupliquées et adaptées assureur par assureur.

Cette souplesse était la condition d'entrée du projet. ADN disposait déjà d'une chaîne fraude et OCR opérationnelle chez un prestataire traditionnel. Il lui manquait la capacité à faire évoluer les règles au rythme de ses assureurs. Un nouveau type de pièce, une nouvelle mention réglementaire, un nouvel émetteur au format inhabituel : ce qui prenait un cycle de développement se traite désormais dans la journée.

La CMAM, une mutuelle qui contrôle pour ses sociétaires

La Caisse Meusienne d'Assurances Mutuelles est l'un des assureurs équipés par ADN.Solutions. Société d'assurance à cotisations variables régie par le Code des assurances et placée sous le contrôle de l'ACPR, installée à Bar-le-Duc, elle distribue notamment par l'intermédiaire de courtiers. Elle reçoit entre sept et neuf mille pièces justificatives par mois, soit dix à douze mille pages, dont une part significative de relevés d'information et de cartes grises liés à la souscription automobile.

Sa situation illustre exactement ce que change un partenariat entre un éditeur et une brique d'intelligence documentaire. La CMAM avait initialement évalué puis contractualisé Koncile en direct, début 2026, avant de constater que la solution prendrait toute sa valeur intégrée à l'outil métier qu'elle utilise au quotidien. Le contrat direct a été résilié d'un commun accord et le périmètre a rejoint celui d'ADN. La mutuelle bénéficie aujourd'hui des mêmes modèles d'extraction et des mêmes contrôles de fraude que les autres assureurs du réseau, sans avoir à les entretenir elle-même, et sans projet d'intégration à mener de son côté.

Nous sommes une mutuelle : chaque contrat mal tarifé est payé par l'ensemble de nos sociétaires. Un relevé falsifié qui passe fait supporter aux assurés honnêtes le risque de celui qui a triché. Passer par la plateforme ADN nous donne accès à un niveau de contrôle documentaire que nous n'aurions pas pu construire seuls, sur un volume que nous n'aurions pas pu vérifier à la main. ^{Louis Reignier, responsable du service production, CMAM}

Une brique intégrée en marque blanche dans la plateforme

Le montage technique est délibérément invisible pour l'assureur. ADN administre un compte global, sous lequel chaque partenaire dispose de son propre dossier cloisonné, de ses propres modèles et de sa propre volumétrie. Les documents arrivent par l'API OCR de Koncile, sont classés, contrôlés puis extraits, et la donnée structurée repart vers la plateforme ADN qui l'exploite dans ses parcours de souscription et de gestion. Le client final ne voit jamais Koncile, ne s'y connecte pas et n'a rien à paramétrer. Le traitement complet d'un document prend quelques dizaines de secondes, et mille documents envoyés simultanément sont traités en parallèle.

Ce choix protège aussi la valeur d'ADN. Les règles de contrôle métier écrites par ses équipes, qui condensent des années de connaissance du secteur, restent leur propriété et ne bénéficient pas à leurs concurrents. Et les évolutions de la plateforme, qui sortent chaque semaine, sont incluses sans renégociation : les nouvelles couches de détection de fraude livrées à l'été 2026 sont arrivées chez ADN sans avenant ni surcoût par document.

Ce que le contrôle automatique remplace

Avant, vérifier un relevé d'information à la main supposait de l'ouvrir, de lire la sinistralité ligne par ligne, de vérifier la plausibilité du coefficient au regard de l'ancienneté du permis, de comparer les dates entre elles, de repérer une police de caractères qui détonne, puis de ressaisir les données dans l'outil de gestion. Comptez six minutes par relevé pour un gestionnaire expérimenté, avec un taux de détection faible sur les falsifications soignées, et le constat que personne ne le fait sur l'intégralité du flux.

Aujourd'hui le document est classé, contrôlé sur une trentaine de points et extrait en une trentaine de secondes. Le gestionnaire n'ouvre que les dossiers signalés, soit moins d'un pour cent en risque élevé. Sur un seul assureur du réseau traitant six mille contrats par mois, l'économie représente l'équivalent de quatre à cinq personnes à temps plein, et à l'échelle des millions de pièces qui transitent chaque année par la plateforme ADN, plusieurs dizaines de milliers d'heures.

L'enjeu financier dépasse largement le temps de saisie. Un relevé falsifié qui passe produit un contrat sous-tarifé pendant toute sa durée de vie, et l'écart entre une prime calculée sur un coefficient de 0,50 et celle calculée sur un coefficient réel de 0,90 se compte en centaines d'euros par an et par contrat. Sur un portefeuille de plusieurs dizaines de milliers d'affaires nouvelles, quelques points de fraude non détectée représentent plusieurs centaines de milliers d'euros de primes manquantes, absorbées par la mutualité. Après calibration des modèles sur les documents réels du réseau, la chaîne identifie environ 87 % des relevés falsifiés soumis en test, avec moins de 2 % de documents authentiques signalés à tort, pour une précision d'extraction supérieure à 99 % sur les champs structurés.

La suite : registre national des véhicules et fraude au sinistre

Deux chantiers prolongent le dispositif. Le premier consiste à recouper la carte grise avec le registre national des véhicules. À partir du nom, de l'immatriculation et du numéro de formule, l'interrogation renvoie la situation administrative du véhicule, l'historique des contrôles techniques avec les kilométrages relevés et les sinistres enregistrés. Elle permet de détecter un véhicule déclaré volé, un certificat annulé, une déclaration valant saisie, un compteur kilométrique reculé, et surtout un sinistre présent au registre mais absent du relevé d'information fourni par le souscripteur. Sur un premier test de trois cent douze documents, dix-sept ont fait l'objet d'un signalement, soit environ cinq pour cent, dont six en risque élevé. Le déploiement suppose le consentement du prospect, recueilli dans le parcours d'onboarding de l'assureur.

Le second chantier porte sur la fraude au sinistre, où la pièce critique devient la facture de réparation, et où les mêmes principes s'appliquent : authentifier le document et en extraire les montants par le même traitement, puis confronter ce qu'il déclare à ce que l'assureur sait déjà du dossier.

Questions fréquentes sur la détection de fraude documentaire en assurance

Comment détecter un faux relevé d'information ?

Aucun test isolé ne suffit. La détection efficace combine trois familles d'analyse : l'examen forensique du fichier, qui révèle le logiciel de modification et les incohérences internes au PDF ; l'analyse de l'intégrité visuelle, qui repère les zones recomposées et les ruptures de police autour d'un montant ; et les contrôles métier, qui vérifient la plausibilité du coefficient de bonus-malus au regard de l'ancienneté du permis, la cohérence des dates et la présence des mentions réglementaires obligatoires. Chaque anomalie alimente un score, et c'est le faisceau qui déclenche l'alerte, jamais un indice isolé. Pour comparer les approches du marché, voir notre panorama des meilleurs logiciels de détection de fraude documentaire en 2026.

Peut-on extraire les données et contrôler la fraude en une seule opération ?

Oui, et c'est le mode de fonctionnement retenu par ADN.Solutions. Un même appel renvoie la classification du document, les champs extraits et le verdict de fraude avec son score et ses justifications, en quelques dizaines de secondes. Cela évite d'exploiter deux prestataires et deux intégrations distinctes, et surtout cela permet de brancher une règle métier unique dans le moteur de souscription, qui décide à partir de la donnée et du niveau de risque en même temps.

Un contrôle humain suffit-il à repérer un document falsifié ?

Rarement. Un gestionnaire expérimenté repère les retouches grossières, mais une falsification réalisée sur un PDF natif, dans la même police et avec la même mise en page, ne laisse aucune trace visible. Les indices subsistent dans la structure interne du fichier, dans la signature technique de l'outil d'édition, dans le rendu au pixel près autour du champ modifié et dans l'invraisemblance métier de la valeur affichée. Les faire remonter demande une combinaison d'analyse forensique, de vision par ordinateur et de modèles capables de raisonner sur les règles du secteur.

Combien de faux positifs génère une détection de fraude documentaire ?

Un système non calibré en génère beaucoup, typiquement parce qu'il considère tout éditeur PDF inconnu comme suspect. La calibration consiste à ajuster la pondération des anomalies et à constituer une bibliothèque des signatures techniques légitimes par émetteur, de sorte que les documents normaux d'une compagnie cessent d'être signalés. L'objectif est de ramener le taux de faux positifs sous quelques pour cent tout en maintenant le taux de détection, condition pour que les gestionnaires continuent à traiter les alertes.

Un éditeur de logiciel peut-il intégrer Koncile en marque blanche ?

Oui, et c'est le mode de déploiement retenu par ADN.Solutions. L'éditeur administre un compte global, crée un dossier cloisonné par client final, définit les modèles d'extraction et les points de contrôle, et appelle la plateforme par API. Le client final ne se connecte jamais à Koncile et ne voit que l'interface de son éditeur. Les règles de contrôle écrites par l'éditeur lui restent propres.

Les relevés d'information doivent-ils respecter un format réglementaire ?

Depuis le 24 juillet 2025, le règlement européen 2024/1855 impose la présence de certaines rubriques sur les relevés d'information. Leur absence sur un document postérieur à cette date constitue en soi un indice, exploité comme un contrôle automatique parmi les autres. Cela ne rend pas pour autant les relevés homogènes : chaque compagnie conserve sa propre mise en page, ce qui reste la difficulté principale de l'extraction.