Les dimensions et les limites de l'analyse prédictive en matière de risques assuranciels, par Fabien De Geuser, PhD

1. AnalysePredictive.fr présente :
Le Cercle du Risque prédictif

3. Modèles prédictifs et assurances
Splendeurs et misères
Fabien DE GEUSER
ESCP Europe

4. MPR et assurance: le contrat de base
– Calculer les risques et fixer les primes
– Calculer les besoins en capital (couverture ou SCR)
– Estimer le niveau de rémunération de ce capital de
couverture (riskmargin) et la pertinence de faire
refinancer cela par les réassureurs ou les marchés
de capitaux: l’enjeu de la « securitization »

5. Un mariage d’évidence…
• Un des secteurs les plus « adaptés » aux MPR:
– Le risque comme matière première
– Une grande disponibilité de données
– Une forte compétence technique en analyse de données
(actuariat)
– Une forte communauté académique
– Une pression normative
– Une taille et une structure de profitabilité attractives pour les
fournisseurs de MPR
• Qui a fait des assurances:
– un laboratoire pour les MPR et
– un facteur d’institutionalisation d’un certain rapport au risque
(rapport actuariel ou de couverture par opposition à un
rapport de management des causes)

6. Mais un mariage qui évolue…
• Une transformation des risques et donc de
l’usage des MPR
– Les nouveaux risques et l’étiologie complexe
– La multiplication des modèles et la question du
choix
– Les big data et la « mort de l’échantillonage »
• Des espaces nouveaux pour les MPR au sein
des assurances

7. Etiologie complexe et endogénéité:
l’exemple de l’assurance vie
• Le facteur principal à prédire est la mortalité
• Les modèles généraux (stochastique, basés sur l’âge)utilisés
principalement pour prédire la mortalité par exemple au niveau
national, ratent souvent la question de l’hétérogénéité des cohortes
• Les modèles plus locaux, visant la diminution du « basis risk » i.e. du
risque lié à une différence entre le niveau de risque de la population
globale et celle de la clientèle de l’assureur
– Les modèles basés sur des causes souffrent d’un manque de robustesse
• Multiplicité des causes (étiologie complexe)
• Difficulté de pouvoir mettre en relation des variables comme le style de vie et les
impacts sur la mortalité sans disposer de bases temporelles suffisamment longues)
– Les comportements des personnes se transforment quand ils s’assurent
(endogénéité)
– Nécessité alors de construire des MPR permettant de tenir ensemble l’âge, les
caractéristiques de l’individu et de l’environnement correspondants et l’effet
de l’assurance elle-même

8. Les nouveaux risques et leur impact
sur l’usage des MPR
• L’étiologie multiple et l’endogénéité
– L’exemple de l’assurance vie
• Les UnkUnk (unsupervisedrisks)
– Le besoin de MPR à visée exploratoire
– La question de l’imagination et de la capacité
• Les risques majeurs
– La question de la sous-évaluation des queues de
distribution

9. P. Barrieu, H. Bensusan, N. El Karoui, C. Hillairet, S. Loisel, C. Ravanelli, Y. Salhi,
Understanding, modelling and managinglongevityrisk: key issues and main
challenges , ScandinavianActuarial Journal (2012), Vol. 2012, No 3, 203-231.

10. Le choix et l’évaluation des MPR
• Multiplication et complexification des modèles
qui nécessitent la clarification des critères
d’évaluation
• La question des standards de qualité des MPR
• La question de l’identification de la pertinence
– En vue de l’objectif (le risque)
– En vue de la nature des données disponibles
• Les questions d’implémentation des modèles
– Leur rapport coût-bénéfice
– La question de la compétence/ressource (outourcing?)

11. Big data et MPR
• L’enjeu de l’actualisation des MPR et de
l’archivage des données
• « Samplingisdead »: les MPR exhaustifs
• La diversité des données et les approches
multi-MPR (analyse de contenus, qualitatif,…)
– Difficultés techniques
– Problèmes d’interprétation

12. Des espaces nouveaux pour les MPR
au sein des assurances
• Les espaces historiques:
– Prédiction des sinistres/Claims prediction
– Pricing
• L’espace plus récent: Contrôle interne (Prédiction des
fraudes à l’assurance)
• Des espaces à conquérir
– Management de la performance (commerciale en particulier)
– Marketing:
• Pricing avancé (sensibilité prix)
• Evaluation des réseaux et méthodes de distribution
• Segmentation
– Risques opérationnels (souvent sous-estimés dans
l’assurance, Ferris, 2012)

13. Quelques questions ouvertes
• Dimension éthique des modèles de prédiction
des risques assurantiels
• Les risques de la complexité des MPR:
– L’automatisation et la ritualisation vs la décision
– La question de la double compétence des
agents/utilisateurs de MPR dans les assurances
(technique poussée et compréhension des besoins
opérationnels: le mouton à 5 pattes?)
• L’endogénéité des MPR dans le modèle de
prédiction: le risque de l’approche actuarielle du
risque

14. Le Cercle du Risque prédictif
http://www.analysepredictive.fr
redaction@analysepredictive.fr