La révolution numérique au service de la fonction actuarielle

Intelligence artificielle, machine learning, deep learning, big data, data science, automatisation, robotisation, blockchain et beaucoup d’autres termes sont associés à la révolution numérique en cours. La fonction actuarielle devra pouvoir tirer rapidement parti de cette révolution pour devenir « plus sophistiquée » ou « augmentée ».

C’est un des enseignements tirés par l’Autorité de contrôle prudentiel et de résolution (ACPR) dans sa récente « Etude sur la révolution numérique dans le secteur français de l’assurance » (Analyses et Synthèses, n°87, mars 2018).

 

La sophistication de la fonction actuarielle passe par l’appropriation de nouvelles méthodes pour :

  • moderniser le recueil et le traitement des données, qui deviendront de plus en plus nombreuses, d’origine interne ou externe, et devront demeurer de qualité et respecter les nouvelles dispositions du Règlement Général Européen sur la Protection des Données (RGPD). La piste d’audit des données devient de plus en plus surveillée ces dernières années. Comme l’a relevé l’ACPR lors de l’analyse de la collecte des rapports publics SFCR sur les comptes arrêtés à fin 2016, une des missions de la fonction actuarielle est d’ « apprécier la suffisance et la qualité des données utilisées dans le calcul des provisions techniques » (Art. 48 – Directive Solvabilité 2).
  • faire évoluer les modèles actuariels, en prenant en compte les nouvelles possibilités offertes par la Data Science (arbres de régression, forêts aléatoires, gradient boosting, réseaux de neurones, etc.). Il est demandé à la fonction actuarielle d’émettre un avis sur la politique globale de souscription (Art. 48 – Directive Solvabilité 2) : des études plus fines combinant données internes, externes, structurées comme non structurées peuvent être menées à bien avec l’essor de la data science et l’ouverture des données permettant une compréhension fine des risques des assurés.
  • adapter la modélisation des comportements, l’accès à de nouvelles données permettant d’ores et déjà d’améliorer de manière significative l’analyse des consommations en santé, de la mortalité des assurés, du comportement notamment via les objets connectés, de l’efficacité des campagnes de marketing, des fraudes des assurés ou des partenaires, etc.
  • apporter des réponses techniques sur de nouveaux aspects : demande de plus en plus marque d’élaboration de contrats « sur mesure », reposant dans certains cas sur de nouvelles technologies comme la blockchain, réponse à des besoins de nouvelles couvertures sur des risques émergents (cyber risques par exemple).
  • faire évoluer les pratiques, en intégrant, chaque fois que cela est utile des solutions plus automatiques sur les tâches à « plus faible valeur ajoutée ». La mise en œuvre de telles solutions doit faire l’objet d’études préalables, avec les parties concernées, pour prouver leur intérêt.
  • et au final produire des études plus pointues et opérationnelles, sur les travaux classiques de tarification, de provisionnement et d’études de rentabilité, mais également pour les services commerciaux et plus généralement de gestion des risques.

 

Face à ces évolutions, les entreprises d’assurances et leurs services techniques font face à de multiples enjeux en matière :

  • stratégiques : les nouvelles méthodes et les nouveaux outils vont permettre d’affiner les études sur la sinistralité, à un niveau jamais atteint à ce jour. Les entreprises d’assurances devront rapidement définir le « juste » niveau de la mutualisation qu’elles souhaitent mettre en œuvre, en phase avec leurs valeurs et les principes de base de l’assurance en matière de solidarité et de mutualisation.
  • de ressources humaines et organisationnels : de nouvelles compétences sont nécessaires pour développer ou adapter les modèles existant, mais également pour définir les études à mener ou interpréter les résultats, sans utiliser de manière abusive les nouvelles technologies. De nouveaux recrutements sont à prévoir, ainsi que l’évolution des compétences internes. Des plans de formation sont mis en place dans la plupart des entreprises. Ces besoins interviennent à un moment où la demande est également forte sur les études financières et techniques plus « classiques » : réformes réglementaires successives de l’assurance-vie, de la retraite, de la santé, nouveaux produits en assurance non vie et sur les contrats Emprunteurs, poursuite de l’appropriation de la réforme prudentielle Solvabilité 2, entrée en vigueur des normes comptables IFRS 9 et IFRS 17, rapprochements entre structures d’assurances, etc.
  • de méthodes de travail: de grands espoirs sont fondés sur les nouvelles méthodes et technologies et des premières réalisations sont disponibles, tant en matière de data science que d’automatisation ou de robotisation. Pour accélérer les développements et la réalisation d’application pratiques, les méthodes de travail des équipes d’actuariat devront évoluer et être basées sur des « POC » (proofs of concept ou démonstrations de faisabilité courtes), avec l’aide de data lab internes ou externes. Les actuaires doivent être les principaux acteurs de ces évolutions.
  • informatiques : le besoin de traitement de nouvelles données, dans certains cas en temps réel, demande une évolution des systèmes informatiques avec des serveurs ayant des capacités de stockage de plus en plus conséquentes et des logiciels de traitements adéquats ainsi que l’imbrication de solutions existantes dans le système d’information. Le choix de solutions externes pour mener les nouvelles études devra être réfléchi, non seulement pour des raisons financières mais également pour garantir la compréhension des outils utilisés, qui reposent souvent sur des algorithmes devant être compris et challengés. Au-delà de ces besoins, le monde de l’assurance devra également faire évoluer ses systèmes informatiques de manière à pouvoir proposer aux clients des interfaces multi-canaux. Ces évolutions devront également être pensées en anticipant les innovations technologiques potentielles futures. Ces changements, nécessitant un lourd investissement à la fois en termes de formation des équipes et de refonte des systèmes, présentent néanmoins un retour sur investissement compliqué à mesurer à ce jour.

Les consultants de GALEA sont à votre disposition pour développer ces points et réaliser des premiers travaux pratiques, en mettant à votre disposition l’expérience de ses consultants et data scientists.

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.