Fraude à l’assurance et IA : méthode d’examen des photos de sinistre

Vérifier une photo de sinistre consiste d’abord à préciser ce qu’elle doit établir : un dommage sur ce véhicule, un dégât des eaux à cette adresse ou l’existence d’un objet avant un vol. Une scène générée, une zone retouchée, une photo réutilisée et une photo authentique mais inexploitable appellent des suites différentes. L’analyse aide à choisir les éléments à demander ; le gestionnaire, l’expert et l’équipe de lutte contre la fraude prennent la décision selon le processus de l’assureur.

L’objectif pratique est de déterminer l’étape suivante : obtenir une vue plus nette, rapprocher une photo antérieure, soumettre une retouche locale possible à un examen spécialisé, ou lever un doute que les pièces suffisent à expliquer.

Si vous traitez un dossier maintenant, commencez par les quatre voies d’examen ci-dessous et le cas de la portière arrière, qui comprend une demande de pièces prête à copier. Si vous concevez un processus, utilisez le tableau de transmission et les mesures séparées par photo et par dossier pour répartir les responsabilités et évaluer un pilote limité.

Ce que disent les chiffres sur la fraude à l’assurance et l’IA

L’Agence de lutte contre la fraude à l’assurance (ALFA) indique que ses adhérents ont identifié 946 M€ de fraude en 2025 : près de 627 M€ en assurances de biens et de responsabilité (IARD), 294 M€ en assurances de personnes et 25 M€ en assurance vie. L’ALFA précise elle-même la portée de ces chiffres : la collecte vise à observer les résultats enregistrés par ses adhérents, « non de mesurer le phénomène de fraude proprement dit ». Il s’agit donc de fraude identifiée, pas d’une estimation de la fraude totale, et aucun de ces montants n’isole les photos générées ou retouchées par IA. ALFA, « Fraude à l’assurance »

Le deuxième rapport de l’Observatoire Tessi de la fraude documentaire, annoncé par un communiqué du 7 juillet 2026, éclaire un autre aspect. Selon son communiqué, 32 % des fraudeurs ayant falsifié un document déclarent avoir utilisé l’IA générative,. Ce rapport repose sur des entretiens avec des experts de terrain, complétés par des données institutionnelles et des études sectorielles. Son périmètre n’est pas celui de l’ALFA : ses chiffres ne s’additionnent pas à ceux de l’ALFA et ne se comparent pas comme une même série. Communiqué de l’Observatoire Tessi, 7 juillet 2026

Au Québec, la lutte contre la fraude en assurance de dommages s’appuie aussi sur un organisme national, Équité Association, dont les membres sont des assureurs de dommages. Le vocabulaire change (réclamation, expert en sinistre, service des enquêtes spéciales) ; la méthode décrite ici reste la même. Équité Association

Ces sources justifient d’organiser l’examen des photos. Elles ne fournissent aucun « taux de fraude IA » applicable à votre portefeuille. Introduire un détecteur sans relier ses résultats aux faits du dossier produit surtout davantage d’alertes, sans dire aux gestionnaires quelle pièce demander.

Déchéance de garantie, escroquerie, faux : où se situe un constat technique

Le droit français distingue plusieurs terrains, et un constat sur une image n’en tranche aucun. L’article L113-8 du Code des assurances prévoit la nullité du contrat en cas de réticence ou de fausse déclaration intentionnelle de l’assuré lors de la souscription ; il ne vise pas la déclaration de sinistre. Code des assurances, art. L113-8

Pour la fraude au sinistre, l’ALFA rappelle que le Code ne prévoit pas de sanction explicite : l’assureur ne répond pas des pertes causées par une faute intentionnelle de l’assuré (art. L113-1), et la plupart des contrats comportent une clause de déchéance du droit à garantie. Sur le plan pénal, il n’existe pas d’infraction propre à l’assurance : les poursuites reposent sur l’escroquerie, punie de cinq ans d’emprisonnement et de 375 000 € d’amende, ou sur le faux et l’usage de faux, punis de trois ans d’emprisonnement et de 45 000 € d’amende. Code pénal, art. 313-1 Code pénal, art. 441-1

Toutes ces qualifications supposent un élément intentionnel, établi par le processus de l’assureur et, le cas échéant, par le juge. Un signal technique sur une image n’établit ni la mauvaise foi, ni l’auteur d’une modification, ni l’intention de tromper. Le RGPD reconnaît en outre à la personne concernée le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé lorsqu’elle produit des effets juridiques la concernant ou l’affecte de manière significative. RGPD, art. 22, sur le site de la CNIL Ces textes situent le constat technique ; leur application à un dossier relève de vos services juridiques et de conformité.

Partir du fait à établir, puis qualifier l’incertitude

Avant d’examiner l’image, écrivez en une phrase ce qu’elle doit établir : « Cette photo est produite pour montrer les dommages subis par la portière arrière gauche lors de l’accrochage déclaré. » La zone, l’objet et l’événement en cause deviennent explicites, et une anomalie périphérique ne prend pas plus d’importance qu’elle n’en mérite.

Ces voies peuvent se combiner. Une photo réelle peut montrer un dommage réel causé lors d’un sinistre antérieur ; une image générée peut avoir été jointe à titre d’illustration et présentée comme telle. Consignez l’objet déclaré de la pièce et les explications qui l’accompagnent avant d’interpréter la façon dont elle a été produite.

1. Fixer une demande de pièces raisonnable

Demandez les pièces qui répondent à la question du sinistre. Pour un véhicule, une vue d’ensemble rattache l’élément endommagé au véhicule, un gros plan montre le dommage et un autre angle aide à en apprécier l’étendue. Pour un appareil endommagé, la plaque signalétique établit le modèle et une vue plus large montre son état. N’exigez pas d’autres vues du domicile ou de l’entourage au seul motif qu’elles pourraient être intéressantes.

Précisez le fichier attendu au lieu de demander « l’original », mot que l’assuré peut comprendre comme la première capture d’écran qu’il a reçue. Indiquez s’il s’agit de la photo prise dans l’application de l’assureur, de la pièce jointe transférée, de l’image exportée ou du fichier de l’appareil photo, et conservez l’explication fournie sur sa provenance. Lorsque l’assureur recueille les photos dans son application ou organise une expertise à distance (EAD) ou une visio-expertise, la photo prise dans ce circuit est souvent plus simple à obtenir que le fichier d’origine d’un téléphone personnel, et son mode de collecte est déjà connu.

Prévoyez une autre voie lorsque l’appareil est inaccessible, le fichier d’origine perdu, le bien déjà réparé ou le lieu dangereux. Un assuré ne doit pas remonter sur une toiture fragilisée ni retourner dans un bâtiment sinistré pour satisfaire un modèle de demande. Le gestionnaire peut recourir à l’expert, à une visio-expertise ou à un document indépendant déjà disponible. Le but est de répondre à la question posée, pas d’obtenir des envois sans fin.

2. Conserver le fichier reçu et ses relations

Attribuez à chaque fichier reçu une référence stable rattachée au dossier sinistre, à l’heure de réception, à l’expéditeur et au canal. Conservez les octets reçus et rattachez-y les recadrages, annotations et miniatures. Un nom de fichier peut désigner plusieurs envois différents ; une empreinte SHA-256 permet de reconnaître des octets identiques, sans rien établir sur la réalité de la scène.

Consignez les transformations connues à l’entrée. L’aperçu compressé d’un portail et le fichier qu’il conserve sont deux entrées différentes. Identifiez les captures d’écran et les copies transférées comme telles, afin que le gestionnaire suivant sache quelle version a produit le constat.

3. Examiner séparément le contexte et la provenance

Comparez d’abord les détails visibles avec la déclaration : identité du bien, zone endommagée, chronologie déclarée, autres vues fournies. Demandez-vous quelles observations disposent d’un appui indépendant. Trois photos transmises par le même intermédiaire apportent des angles utiles, mais elles ne deviennent pas trois témoins indépendants parce qu’il s’agit de trois fichiers.

Examinez ensuite les métadonnées et les données de provenance disponibles avec des outils appropriés. Une date de prise de vue enregistrée est un champ à apprécier, pas une date d’événement garantie. Distinguez les métadonnées ordinaires (EXIF, XMP) d’une provenance validée cryptographiquement, et une absence d’historique d’un échec de validation.

Les Content Credentials (identifiants de contenu C2PA) peuvent consigner des informations signées sur la création et la retouche d’un fichier. La Content Authenticity Initiative précise qu’une validation réussie atteste l’intégrité et, lorsque le signataire est reconnu par la politique de confiance du vérificateur, la source de la signature ; elle ne démontre pas que la scène représentée ou chaque déclaration est vraie ou complète. L’absence de Content Credentials n’indique pas, à elle seule, qu’un contenu est faux. Content Authenticity Initiative, introduction technique

En pratique, un historique de provenance répond à la question « quels traitements sont déclarés ? ». Il ne dispense pas d’établir qu’il s’agit du bien assuré et de l’événement déclaré. Conservez le résultat de validation et la version de l’outil avec la référence du fichier, pour qu’un autre gestionnaire sache ce qui a réellement été vérifié.

4. Choisir une analyse adaptée à la question

Génération de l’image entière, modification locale et réutilisation d’une image sont trois tâches distinctes. Demandez au fournisseur d’un outil ce que mesure son résultat et quelles entrées il prend en charge avant de vous appuyer sur ce résultat pour une petite zone endommagée. Une étiquette portant sur la scène entière n’évalue pas chaque élément de carrosserie, chaque tache ou chaque numéro de série.

Le rapport NIST AI 100-4 (novembre 2024) distingue le suivi des données de provenance de la détection de contenu synthétique et rappelle qu’un contenu authentique peut rester trompeur, par exemple lorsqu’il est sorti de son contexte. Cela justifie de combiner les méthodes sans traiter aucune d’elles comme un récit complet de l’événement. NIST AI 100-4, Reducing Risks Posed by Synthetic Content

Dans l’offre de Fileverity, ces questions donnent lieu à des constats séparés. L’analyse distingue une photo réelle dont des zones ont été régénérées d’une image générée dans son ensemble, marque les zones concernées avec leurs coordonnées en pixels et, si vous l’activez, recherche des copies de l’image sur des pages web publiques. Une copie trouvée en ligne peut montrer qu’une photo de sinistre a déjà été publiée ; elle n’établit pas à elle seule une manipulation et alimente surtout la voie « photo réutilisée ».

Consignez l’entrée réellement analysée, la version de l’outil, la tâche prise en charge et le résultat, en conservant tout score dans les termes de sa documentation. Un score de classification d’image n’est pas une probabilité de fraude. Pour lire ces résultats, voir le guide sur la fiabilité d’un détecteur d’images IA et les faux positifs.

Pour une zone en cause, décrivez l’observation en termes ordinaires et conservez une version non annotée. « Le pli inférieur de la portière diffère entre A01 et A02 » se vérifie. « La carte de chaleur prouve la fraude » saute l’interprétation et le recoupement. Si l’entrée est trop petite, masquée ou inadaptée, consignez-la comme non exploitable plutôt que de forcer une réponse binaire.

Principe technique : pourquoi le bruit local renseigne sur le traitement d’une image

Deux zones d’un même mur peuvent avoir des couleurs proches et des fluctuations fines différentes. Une image combine la structure de la scène avec les effets du capteur et des traitements ; un remplacement ou une retouche locale peut perturber cette relation. L’analyse forensique du bruit se demande si les fluctuations d’une zone sont cohérentes avec un voisinage comparable. Elle ne suppose pas que toute photo authentique présente un bruit uniforme.

Une approche établie examine les coefficients d’ondelettes de haute fréquence, qui font ressortir le détail fin, puis estime la variation locale de façon robuste. Pour des coefficients c, l’écart absolu médian (EAM, median absolute deviation en anglais) vaut EAM(c) = médiane(|c − médiane(c)|). Le recours à la médiane limite l’influence de quelques valeurs extrêmes, contrairement à une mise au carré de chaque écart. Sous un modèle idéal de bruit gaussien, un facteur fixe convertit cette mesure en estimation de l’écart type du bruit. Les traitements réels des appareils photo s’écartent de ce modèle : l’estimation doit être interprétée. Mahdian et Saic, « Using noise inconsistencies for blind image forensics », 2009

Un petit exemple construit rend la distinction visible. Les résidus −2, −1, 0, 1, 2 ont une médiane nulle et un EAM de 1. Les résidus −6, −3, 0, 3, 6 ont aussi une médiane nulle, mais un EAM de 3. Le centre est le même ; l’échelle des fluctuations diffère.

L’analyse des variations locales du bruit fait partie des méthodes forensiques que Fileverity applique aux fichiers qui s’y prêtent. Elle tient compte de l’effet de la texture : un rideau à motifs, un mur peint uni et une ombre profonde produisent naturellement des hautes fréquences différentes. Traiter chaque écart comme une manipulation reviendrait à confondre la scène avec le traitement recherché.

Pour une photo de dégât des eaux, une incohérence locale du bruit qui recouvre la tache déclarée peut justifier d’examiner cette zone avec les autres indices de manipulation et une autre vue. Elle ne date pas la fuite et n’en mesure pas l’étendue. Le débruitage, l’accentuation et la compression peuvent modifier ou masquer le signal, et une image techniquement cohérente peut représenter le mauvais événement. Comparez la zone avec le fichier d’origine et les autres vues avant de décider si l’écart concerne le dommage déclaré.

5. Orienter l’escalade selon la question non résolue

Une escalade utile a une destination et une condition d’arrêt. Un fichier de mauvaise qualité appelle une demande de pièce de meilleure qualité. Un doute précis et inexpliqué de modification locale va à un analyste qualifié. Une contradiction entre les images et des documents indépendants relève de l’instruction du dossier, le cas échéant par la cellule de lutte contre la fraude. Ces voies peuvent converger, mais leur motif de départ doit rester visible.

Fileverity est conçu pour l’étape d’analyse technique des images : génération par IA, retouches et données de provenance. Évaluez la vérification d’images de Fileverity sur les fichiers et les questions qui arrivent réellement à cette étape. Votre outil de gestion des sinistres et vos équipes relient ensuite le résultat au véhicule, à l’événement et à la décision, et conservent la trace de la transmission. Pour les pièces rédigées du dossier, comme les lettres de réclamation, les attestations ou les déclarations circonstanciées, voir l’vérification des pièces documentaires de sinistre.

La condition d’arrêt peut être « obtenir une vue qui rattache le dommage au véhicule identifié », et non « redemander des photos jusqu’à ce que le détecteur cesse de signaler ». Un nouvel envoi s’évalue sur sa capacité à répondre à la question. Plusieurs résultats similaires du même détecteur ne constituent pas des recoupements indépendants.

Cas pratique : une portière arrière gauche contestée

Ce cas est fictif. Il montre comment un doute technique modifie une demande de pièces.

Un assuré déclare un accrochage en stationnement et transmet trois photos. A01 est un gros plan de la portière arrière gauche, A02 une vue latérale plus large, A03 montre la plaque d’immatriculation. Le pli de tôle paraît plus profond sur A01 que sur A02. Un outil technique signale aussi un doute de modification locale sur A01. Le devis du réparateur prévoit le remplacement de la portière.

Observation : le pli apparaît différemment sur les deux vues, et l’outil a émis un doute sur un fichier transmis. Déduction : une modification est une explication possible ; l’éclairage, l’angle de vue, le traitement du fichier ou des photos prises à des moments différents en sont d’autres, encore ouvertes. Ni l’observation ni le résultat de l’outil n’établissent une intention.

Le doute local fait de la portière arrière le centre de la suite ; il ne justifie pas de réclamer des photos d’autres parties du véhicule. Si l’outil est l’analyse de Fileverity, le rapport localise la zone en cause sur A01 avec ses coordonnées en pixels et consigne l’empreinte SHA-256 du fichier et la date d’émission du rapport : le gestionnaire peut ainsi nommer précisément la zone et le fichier visés dans sa demande de pièces. Le gestionnaire demande le fichier d’origine de A01 et une vue qui rattache cette portière au véhicule identifié. Une demande possible :

Madame, Monsieur, pour poursuivre l’examen de votre dossier, pourriez-vous nous transmettre la photo A01 telle qu’elle a été prise, depuis l’application ou l’appareil, plutôt qu’une capture d’écran ? Si cela peut se faire sans risque, merci d’ajouter une vue montrant cette portière et une partie suffisante du véhicule pour la rattacher à la plaque d’immatriculation déjà transmise. Merci de nous indiquer également si les photos ont été prises avant ou après une éventuelle réparation. Si une nouvelle photo n’est pas possible, contactez votre gestionnaire : une expertise ou un document de réparation existant pourra être pris en compte.

Le gestionnaire suit la réponse et vérifie si le devis décrit précisément cette portière et à quelle date le réparateur l’a examinée. Si un expert est mandaté, il reçoit la question précise et les références des fichiers, et ses conclusions sur le dommage restent les siennes. L’analyste technique reçoit les références des fichiers d’origine et la question sur la portière, plutôt qu’une étiquette inexpliquée « fraude IA ».

L’examen peut aboutir à trois situations. Si une expertise confirme le dommage décrit et que la comparaison avec le fichier d’origine explique l’écart, levez le doute sur la photo en consignant ce raisonnement ; de nouvelles analyses ne sont pas nécessaires pour cette question résolue. Si l’expertise contredit le dommage présenté et que l’écart reste inexpliqué, transmettez cette contradiction précise à la cellule de lutte contre la fraude selon le processus de l’assureur. Si aucune pièce adaptée ne peut être obtenue, maintenez le dossier en état non résolu, avec un responsable nommé et une date de réexamen ; une absence de réponse ne devient pas un constat technique.

Une note intermédiaire adaptée serait : « Le pli apparent de A01 diffère de A02. Le résultat de l’outil est un signal d’analyse technique. Le lien entre les vues reste à établir. Demande du fichier d’origine et d’une vue de rattachement ; le gestionnaire compare avec l’examen du réparateur avant toute autre décision. » Elle désigne la pièce, l’incertitude, le responsable et l’étape suivante, sans imputer prématurément de faute.

Une fiche de suivi qu’un autre gestionnaire peut reprendre

Mieux vaut une fiche concise qu’un dossier de résultats inexpliqués. Adaptez le modèle suivant à votre outil de gestion des sinistres et à vos durées de conservation.

Consignez les doutes levés autant que les escalades. Sinon, l’historique conservé devient peu à peu un catalogue de soupçons, et il devient difficile de savoir quelles alertes ont causé un travail inutile. Lorsqu’un gestionnaire change de conclusion, conservez l’appréciation antérieure et expliquez l’élément nouveau au lieu de réécrire l’historique.

Mesurer les photos et les dossiers sans les confondre

Le nombre de photos signalées mesure une charge de travail. Ce n’est pas un nombre de sinistres frauduleux : plusieurs photos peuvent appartenir au même dossier, une alerte peut tenir à un traitement anodin, et certains dossiers examinés restent non résolus.

Prenons un lot mensuel purement fictif : 1 000 photos reçues pour 200 dossiers. Le circuit signale 60 photos appartenant à 25 dossiers, qui entrent en examen. À la date d’arrêté, 8 dossiers présentent un doute confirmé sur l’image, 12 un doute levé et 5 restent non résolus.

Le taux de photos signalées est de 60 / 1 000 = 6 %. La part des dossiers entrés dans ce circuit est de 25 / 200 = 12,5 %. Parmi les 20 dossiers examinés dont le doute est résolu, 8 ont un doute confirmé : 8 / (8 + 12) = 40 %. Ces 40 % décrivent les doutes résolus au sein du groupe examiné ; ils ne mesurent ni la prévalence de la fraude ni les cas manqués dans l’ensemble des dossiers.

Suivez aussi le délai de résolution et les demandes de pièces répétées. Faites examiner par un processus indépendant un échantillon bien conçu de dossiers non signalés, pour connaître les cas manqués. Isolez les dossiers non résolus et signalez les changements de canaux d’entrée ou de typologie de sinistres qui pourraient expliquer une variation. Une hausse du taux d’alerte ne dit pas, à elle seule, si la détection s’est améliorée ou si les fichiers sont devenus plus difficiles à apprécier.

Lancer un pilote sur une seule étape d’examen

Demandez aux fournisseurs de montrer comment leur système traite des fichiers représentatifs, obtenus licitement et issus de votre circuit de déclaration : fichiers d’origine, copies traitées ordinaires et images qui ne permettent pas de conclusion fiable. Établissez les étiquettes de référence de façon indépendante ; une image n’est pas « retouchée » parce que l’outil candidat la signale.

Comparez les résultats sur la tâche dont vous avez besoin, les éléments que reçoivent les gestionnaires et le temps nécessaire pour résoudre les doutes. Vérifiez la gestion des fichiers sensibles, la durée de conservation, les contrôles d’accès et les usages secondaires autorisés avant de déposer des pièces de sinistre. Demandez si le système conserve les références des entrées et les versions d’analyse, ou si cette traçabilité doit venir de votre outil de gestion.

Commencez par une partie définie du circuit, par exemple l’analyse technique des photos de dommages automobiles contestées. Convenez de qui reçoit le résultat, quelles pièces il peut demander, quand il s’arrête ou escalade. Mesurez si le résultat aide à choisir une étape suivante justifiée, y compris le délai de levée des doutes et les demandes répétées aux assurés. N’étendez pas les conclusions du pilote à la prévention des pertes si l’évaluation ne le démontre pas.

Pour cadrer ce pilote, parcourez des cas réels de votre circuit avec notre équipe, en précisant vos canaux de déclaration, vos formats, le nombre habituel de photos par dossier et la capacité de vos équipes. L’intégration à un outil de gestion des sinistres, par API ou par traitement par lots, relève d’un contrat Entreprise ; pour une photo isolée, demandez une analyse. Les fichiers sont supprimés après l’analyse et ne servent jamais à entraîner les modèles ; le détail figure sur la page Sécurité.

Pour distinguer une scène générée d’une retouche locale, voir Photo modifiée par IA : comment repérer une retouche locale. Pour les photos reçues par messagerie ou en capture d’écran, voir Captures d’écran et images compressées. La même méthode, appliquée aux demandes de remboursement en ligne, est détaillée dans Photos retouchées par IA dans les demandes de remboursement.

Par Yang Zheng · Relu par Bill Liu