17 septembre 2024La qualité de l’air représente un enjeu majeur pour la santé et l’environnement. La pollution atmosphérique a en effet de nombreux effets sur la santé humaine, elle provoque des maladies et accentue les conséquences du réchauffement climatique. Un travail sur les données relatives à la qualité de l’air s’avère indispensable pour une gestion appropriée des risques environnementaux. Cette note, rédigée par le DataLab avec l’appui des experts du groupe de travail Climat et Durabilité du cabinet Galea, a pour objectif de présenter une source de données de qualité de l’air d’accès et d’usage libres, d’initier un premier traitement et de mettre en avant quelques utilisations possibles.
Pour lire l’article, c’est par ici -> Les données de qualité de l’air IIASA [...]
Lire la suite…
23 août 2024Depuis plusieurs années, la prise de conscience des enjeux climatiques s’intensifie, particulièrement dans le secteur de l’assurance. Pour gérer efficacement les risques que le changement climatique engendre, des données fiables sont essentielles et une question se pose : Où peut-on trouver des données fiables en open data ? Ce quatrième article de cette série de notes (liens dans l’encadré de fin) rédigées par le DataLab avec l’appui des experts du groupe de travail Climat du cabinet Galea, a pour objectif de présenter l’évolution de l’accès aux données climatiques en usage libre, et de mettre en lumière les changements quantitatifs et qualitatifs de ces données.
Pour lire l’article, c’est par ici -> Les Données Météo France 2024 (RADOME) [...]
Lire la suite…
12 juin 2024Dans le domaine de l’assurance, le clustering est un outil crucial, permettant de regrouper les assurés selon une multitude de critères. Cette approche est essentielle non seulement pour la souscription afin de développer et proposer des produits toujours plus adaptés aux besoins spécifiques des assurés, pour affiner la tarification, mais aussi pour une gestion optimisée du risque.
Pour lire l’article, c’est par ici -> Une approche alternative au clustering traditionnel pour l’identification de profils types [...]
Lire la suite…
8 mars 2024En ce 8 mars, Journée internationale des droits des femmes, il est essentiel de rappeler que l’égalité femmes-hommes est loin d’être une réalité dans le monde du travail. Si des progrès ont été réalisés ces dernières années, les disparités persistent et constituent un frein majeur à la croissance économique et sociale.
L’index sur l’égalité salariale, publié chaque année par les entreprises, est un outil précieux pour mesurer les progrès accomplis et identifier les points d’amélioration. En 2023, l’index moyen s’élève à 88 points, soit une progression de 2 points par rapport à 2022. 93% des entreprises ont obtenu un score supérieur à 75 points, mais seulement 2 % ont la note maximale de 100. Des efforts doivent ainsi encore être produits par les entreprises.
Cependant, l’index ne donne qu’une vision partielle de la réalité. Il ne prend pas en compte d’autres facteurs importants tels que l’ancienneté, le niveau de qualification, le type de poste occupé ou encore les conditions de travail. De plus, il existe un risque de mauvaise qualité des données.
Pour aller plus loin et répondre aux enjeux, il est nécessaire de mettre en place une véritable politique d’égalité salariale au sein des entreprises. Cela passe par :
Une analyse fine des données RH pour identifier les discriminations et les écarts de rémunération. Des modèles statistiques poussés (basés sur des méthodes de data science / machine learning) sont mises en oeuvre depuis plusieurs années pour identifier des écarts de rémunération a priori anormaux.
La mise en place de mesures correctives pour réduire ces écarts dans le cadre d’une enveloppe budgétaire utilisée de manière optimale.
Une communication transparente sur les actions menées et les résultats obtenus.
L’égalité femmes-hommes n’est pas un simple « risque » à gérer pour les entreprises. C’est un enjeu majeur qui conditionne leur performance et leur pérennité. En investissant dans l’égalité, les entreprises investissent dans leur avenir.
Un rapport récent de la Banque mondiale souligne que renforcer l’égalité femmes-hommes pourrait accroître le produit intérieur brut mondial de plus de 20 % d’ici à 2030. Cela représente un potentiel économique considérable qu’il ne s’agit pas de négliger.
En conclusion, les entreprises ont tout intérêt à s’engager résolument dans la voie de l’égalité femmes-hommes via une politique volontariste et ambitieuse, basée sur des outils et des méthodes robustes, et des actions correctives concrètes et équitables au niveau des rémunérations. [...]
Lire la suite…
26 décembre 2023La prévention constitue un pilier central de l’assurance et demeure un domaine clé pour de nombreux assureurs. Elle leur permet non seulement de diminuer les dépenses futures liées aux sinistres mais aussi d’aider à préserver la santé des assurés et de renforcer la sécurité collective.
Pour lire l’article, c’est par ici -> L’intelligence artificielle (IA) comme catalyseur d’innovation en prévention pour l’assurance [...]
Lire la suite…
26 décembre 2023Le Président Emmanuel Macron a présenté lundi 25 septembre son projet de planification hashtagécologique qui intègrera un « un plan d’adaptation qui sera présenté en décembre ».Un cadre commun relatif à l’adaptation est en cours de construction, il s’agit de la Trajectoire de Réchauffement de référence pour l’Adaptation au Changement Climatique (TRACC). Cette trajectoire permettra d’apprécier les risques climatiques à différents degrés de réchauffement : +1,5 °C en 2030, +2 °C en 2050 et +3 °C en 2100 au niveau mondial, soit un niveau de réchauffement en France métropolitaine d’environ +2 °C en 2030, +2,7 °C en 2050 et +4 °C en 2100 par rapport à l’ère préindustrielle. Cela correspond à une trajectoire relativement médiane, sur laquelle nous sommes engagés si l’ensemble des mesures annoncées par les États à ce jour sont mises en œuvre.Cette trajectoire de réchauffement hashtagTRACC sera l’hypothèse de base pour le choix des mesures du plan d’adaptation de décembre. Cette trajectoire de réchauffement peut se traduire très concrètement par des scénarios de variables météorologiques sur le territoire français par des modèles climatologiques, notamment ceux sur lesquels reposent les travaux du GIEC, et dont hashtagDRIAS met à disposition les données. Des indicateurs détaillés permettant la quantification de la matérialisation du risque climatique selon la TRACC viennent d’être ajoutés au catalogue de données DRIAS : https://lnkd.in/eAUDmkde. Les indicateurs proposés sont scindés en 3 catégories : températures, précipitations, et extrêmes météorologiques.Au sein du cabinet GALEA , nous avons la certitude que l’utilisation de ces données pour la mesure et la gestion de leur exposition aux risques climatiques, permettra aux organismes assureurs français d’entrer dans une logique proactive visant à réduire les vulnérabilités. Ces travaux sur l’adaptation doivent être menés conjointement à la stratégie d’atténuation.Nous avions publié un article sur le sujet de l’open data en provenance de DRIAS, vous avez l’occasion de relire notre article disponible ici : https://lnkd.in/ebn5VK7vLes consultants de GALEA , notre groupe de travail Climat et notre Data Lab, sont disponibles pour intervenir et vous accompagner dans l’utilisation de ces données pour mesurer l’impact du risque climatique dans vos structures. [...]
Lire la suite…
14 décembre 2023Le Parlement et le Conseil européens se sont mis d’accord en fin de semaine dernière sur le texte de la loi européenne sur l’intelligence artificielle (AI Act), un règlement basé sur une approche risque visant à réguler l’utilisation de l’intelligence artificielle dans l’UE, qui entrera en vigueur au plus tôt en 2026. Ce texte généraliste, qui régule tous les types d’IA du marché unique (à l’exception des services répressifs), classe les systèmes d’IA en quatre niveaux de risque : risque faible, risque modéré, risque élevé et risque inacceptable. C’est particulièrement pour la catégorie « risque élevé », qui regroupera a priori la plupart des systèmes d’IA du secteur assurantiel, que de nouvelles exigences entreront en vigueur, avec notamment l’étude d’impacts sur les droits fondamentaux. Les systèmes présentant un « risque inacceptable » seront tout simplement interdits.
Pour le secteur de l’assurance, où l’utilisation de l’IA progresse rapidement, ce nouveau cadre législatif devrait donc avoir des impacts significatifs, notamment sur le volet conformité réglementaire. Les compagnies d’assurance devront s’assurer que les systèmes d’IA utilisés sont conformes aux exigences de l’AI Act. Les cas d’usages en assurance classés à haut risque entraineront de fait des obligations strictes et un surcoût opérationnel conséquent (ajustements dans les algorithmes existants, investissements dans des outils et ressources de conformité et d’analyse d’impacts). L’interdiction des « notations sociales » aura également une incidence forte sur les méthodes de tarification, de scoring et de sélection basées sur des données sociales et des caractéristiques personnelles.
L’AI Act représente ainsi un jalon réglementaire significatif qui apporte à la fois des opportunités et des défis pour le secteur de l’assurance, et notamment pour les actuaires qui verront leurs rôles, responsabilités et compétences requises évoluer en conséquence. [...]
Lire la suite…
12 mai 2023Dans une tâche de classification traitée par apprentissage statistique, le déséquilibre de classes est un problème récurrent, notamment en assurance. Les consultants de Galea experts en data science ont régulièrement l’habitude de faire face à ce type de problématique. Irchad MAMODE VALJEE, actuaire sénior, membre du DataLab Galea et titulaire du Certificat d’Études Spécialisées Intelligence artificielle de Télécom Paris, vous propose une méthode d’augmentation des données via l’utilisation du Deep Learning permettant de pallier le manque de données d’une classe minoritaire.
Pour lire l’article, c’est par ici -> Augmentation de données tabulaires pour résoudre un déséquilibre des classes [...]
Lire la suite…
15 mars 2023Depuis plusieurs années, la prise de conscience des enjeux liés aux risques climatiques émerge, et notamment dans le secteur assurantiel. Cette série de notes, rédigées par le Data Lab avec l’appui des experts du groupe de travail Climat du cabinet Galea, a pour objectif de présenter des utilisations possibles des données météo afin de mettre en évidence les impacts du climat sur des risques actuariels.
Pour lire l’article, c’est par ici -> Impact de la météo, et plus particulièrement des pics de chaleur humide, sur la Surmortalité [...]
Lire la suite…
28 février 2023Depuis plusieurs années, la prise de conscience des enjeux liés aux risques climatiques émerge, et notamment dans le secteur assurantiel. Les données sont indispensables pour une gestion appropriée du risque climatique, mais où trouver des données fiables en open data ? Cette série de notes, rédigées par le Data Lab avec l’appui des experts du groupe de travail Climat du cabinet Galea, a pour objectif de présenter des données climatiques d’accès et d’usage libres, d’initier un premier traitement et de mettre en avant quelques utilisations possibles.
Pour lire l’article, c’est par ici -> Où trouver les données climat ? Les données Météo France [...]
Lire la suite…
15 février 2023Depuis plusieurs années, la prise de conscience des enjeux liés aux risques climatiques émerge, et notamment dans le secteur assurantiel. Les données sont indispensables pour une gestion appropriée du risque climatique, mais où trouver des données fiables en open data ? Cette série de notes, rédigées par le Data Lab avec l’appui des experts du groupe de travail Climat du cabinet Galea, a pour objectif de présenter des données climatiques d’accès et d’usage libres, d’initier un premier traitement et de mettre en avant quelques utilisations possibles.
Pour lire l’article, c’est par ici -> Où trouver les données climat ? Les données climatiques DRIAS [...]
Lire la suite…
26 janvier 2023La crise écologique en cours impacte directement et indirectement le milieu financier. Maintenant bien identifiée comme risque structurel et systémique, la crise écologique est aussi un enjeu de responsabilité des acteurs financiers. En particulier, pour l’aspect climatique et dans l’optique d’une transition vers un monde sans émission nette de gaz à effet de serre (GES), il est devenu nécessaire de mesurer et piloter l’empreinte carbone des portefeuilles financiers. Pour cela, l’intégration de nouvelles données et l’utilisation de nouveaux modèles s’imposent afin de s’aligner sur les objectifs fixés lors des diverses COP. Ne s’appuyer plus que sur des prix de marché est devenu insuffisant. L’ajout d’éléments extra-financiers concerne notamment la valorisation d’actifs, la gestion et l’optimisation de portefeuilles. Galea propose ici un exemple concret de l’impact de critères extra-financiers sur la gestion de portefeuille.
Pour lire l’article, c’est par ici –> Allocation d’actifs et préférences environnementales [...]
Lire la suite…
3 février 2022Contexte
En 2020, la propagation du virus de la Covid-19 a secoué l’ensemble des activités économiques. Tant sa virulence que les mesures appliquées pour y faire face ont modifié la consommation des français en santé. Le premier confinement, et les mesures sanitaires qui ont suivi, ont entraîné des reports de soins laissant présager un rattrapage a posteriori.
Pour lire l’article complet, c’est par ici –> Apport de la base open DAMIR et des nouveaux modèles dans la projection du risque Santé [...]
Lire la suite…
19 janvier 2022Le Data Lab de GALEA décrit dans cette publication l’utilisation du machine Learning pour l’analyse de survie.
Cet article est enrichi grâce aux réflexions de Stéphanie BRUGIRARD, Responsable de l’équipe Data & Risks Monitoring de la direction de l’Actuariat Pôle Vie de Crédit Agricole Assurances qui permet la mise en perspective pratique de la théorie.
Pour lire l’article, c’est par ici –> Utilisation du machine Learning pour l’analyse de survie
[...]
Lire la suite…
30 avril 2021Voici la synthèse des principaux échanges qui ont eu lieu lors du webinar.
Synthèse à lire [...]
Lire la suite…
28 avril 2021L’ouverture du marché des pièces détachées à la concurrence est un sujet débattu depuis de nombreuses années par les organismes d’assurance commercialisant des produits d’assurance automobile. Également, lors de leurs communications à propos des hausses tarifaires annuelles, les assureurs justifient l’augmentation des cotisations en partie par la hausse continue du prix des pièces détachées. Cette mesure est donc largement désirée, que ce soit par les compagnies d’assurance et par les consommateurs majoritairement représentés par ses associations (notamment 60 millions de consommateurs et UFC-Que choisir).
Après de nombreux échanges avec les associations de consommateurs et les assureurs automobiles (les organismes mutualistes en chef de file), les députés ont décidé de présenter une nouvelle proposition de loi distincte et reprenant tous les amendements, afin d’éviter un nouveau refus par le Conseil Constitutionnel. Aussi, cette proposition de loi devrait contenir 3 articles, déclinant une libéralisation progressive du marché des pièces détachées jusqu’en 2023. L’inconnue majeure demeure dorénavant dans le timing, puisqu’il va être compliqué de voter tous les textes d’ici la fin du mandat du Président Emmanuel Macron. C’est pourquoi les députés LREM tentent d’avancer les discussions parlementaires, afin d’examiner les textes d’ici la fin du printemps, et de pouvoir tenir le calendrier.
Fort à parier que ce sujet connaitra encore des rebondissements, et que les organismes d’assurance vont suivre de très près les évolutions de ce potentiel projet de loi de libéralisation du marché des pièces détachées en France. En effet, l’inflation historique des prix des pièces détachées est comprise entre +6 % et +8 % chaque année, et est un facteur important de la hausse des prix des assurances automobiles. [...]
Lire la suite…
23 février 2021La cyber-assurance est une forme d’assurance conçue pour protéger une entreprise contre les dommages causés par les menaces de cybersécurité. Il s’agit d’un risque qui s’étend et mute au rythme de la technologie et apparaît comme étant le risque principal parmi les risques émergents pour les organismes d’assurance et de réassurance. A titre d’exemple, parmi les menaces figurent :
Les violations de données ;Les hacks ;Les attaques par déni de service distribué (attaques DDoS) ;Les logiciels malveillants ;Les ransomwares.
Aujourd’hui, toutes les entreprises sans exception sont concernées par le cyber risque et doivent se préparer à y faire face. Bien qu’il n’y ait pour l’instant pas de normes au niveau de la souscription des contrats, la couverture du risque cyber en France se présente principalement sous deux formes :
Les garanties implicites : il s’agit de garanties pour lesquelles les contrats d’assurance ne visent pas de façon formelle les risques cybers comme fait générateur mais ils sont susceptibles de les couvrir. C’est par exemple le cas pour la garantie Multirisque Professionnelle qui indemnise les pertes d’exploitations et implicitement les cybers attaques. Ces garanties implicites sont parfois qualifiées de « couvertures silencieuses » en raison du manque de clarté et de visibilité dans les contrats à ce jour.
Les garanties explicites : comme son nom l’indique, il s’agit de garanties spécifiques mentionnées dans les contrats et qui prennent en charge les risques cybers. A titre d’exemple, il peut s’agir de garanties protégeant les activités d’une entreprise contre les pertes d’exploitation ou encore de garanties prenant en charge les sinistres liés aux atteintes à la sécurité des données personnelles. Dans tous les cas de figures, l’assureur indique explicitement les règles de souscription, d’indemnisation et de prévention.
Le risque cyber en quelques chiffres
Dans le monde
La cybersécurité au niveau mondial, c’est une attaque toutes les 39 secondes et un coût moyen s’élevant à 3,1 millions d’euros. Le montant des primes collectées dans le monde s’établit à 3 milliards d’euros. Etant le pays le plus touché par les cyberattaques, les Etats-Unis concentrent à eux seuls 85 à 90 % de ces primes. Au niveau européen, les primes se situent entre 500 et 700 millions d’euros, sur lesquels la France ne représente que 80 millions d’euros.
En France
Avec la pandémie de la Covid-19, le coût moyen de l’ensemble des cybers attaques en France a atteint le niveau abyssal de 35 millions d’euros en 2020 contre 9 millions 2019, soit une forte augmentation de 289%. Dans sa dernière étude, le CESIN (Club des Experts de la Sécurité de l’Information et du Numérique) indique que 65% des entreprises françaises déclarent avoir subi au moins une attaque durant les douze derniers mois. Cette étude révèle également que le Phishing demeure le moyen d’attaque le plus fréquent et a affecté 79% des entreprises française en 2019.
Les faits marquants de l’année 2020
La pandémie de la Covid-19 a bouleversé le mode de fonctionnent de nombreuses entreprises notamment par le biais du télétravail. A cela s’ajoute la mise en place du confinement qui a eu pour conséquence de faire grimper la hausse du temps passé en ligne, offrant ainsi aux criminels de nouvelles opportunités d’exploiter toutes les vulnérabilités de sécurité créées par cette pandémie. La Covid-19 a été une opportunité pour les cybers criminels, comme le montre l’étude réalisé par Tend Micro sur le 1er semestre 2020 :
La France est le deuxième pays européen où cette attaque a le plus sévi. Ces menaces se composaient de courriels, de liens internet et de fichiers malveillants en lien direct avec la Covid-19. Ainsi, la sinistralité en France ne s’est pas améliorée par rapport à l’année 2019, bien au contraire elle ne cesse de se dégrader : on enregistre une augmentation des attaques de 400% en 2020. Pour mémoire, la sinistralité cyber en 2019 avait augmenté de 210% par rapport à 2018.
Les perspectives 2021
La crise sanitaire actuelle a créé des changements durables dans les environnements de travail à travers le monde et ouvre ainsi de nouvelles voies aux cybercriminels. On estime que les dommages liés à la cybercriminalité s’élèveront de 15% d’une année sur l’autre au cours des 5 prochaines années, pour atteindre 10,5 milliards de dollars (soit 8,5 milliards d’euros) d’ici 2025.
Etant donné l’exposition croissante des entreprises françaises aux risques cyber, l’Autorité de contrôle prudentiel et de résolution (ACPR) invite fortement les différents acteurs du marché à procéder à une évaluation claire et précise de leurs portefeuilles avec une attention particulière aux garanties implicites. Elle recommande également la mise en place progressive d’une base de données recensant les attaques cyber à des fins purement actuariels (par exemple tarifer au plus juste les contrats cyber risque). Le régulateur propose enfin d’inclure le risque cyber dans le rapport ORSA.
L’enjeu lié à la modélisation du risque cyber est de taille puisqu’à ce jour le marché français ne dispose que d’un nombre limité de données, rendant ainsi caduque les techniques classiques de modélisation actuarielle. La modélisation du risque cyber devra désormais se reposer sur des modèles prédictifs sophistiqués et des volumes de données importants. Certaines méthodes comme les stress tests ou le cyber-rating constituent un réel outil d’aide à la décision et sont en cours de développement. Aussi, les assureurs peuvent transférer une partie ou la totalité de leurs risques via un traité de réassurance en quote-part. Enfin, la mise en application de bonnes pratiques peut limiter les risques de cyberattaques. Dans cette perspective, l’Etat français préconise de nombreuses actions comme par exemple un renforcement du système de sécurité informatique ou encore la mise en place de compagne de sensibilisation auprès des entreprises.
Les risques cyber, et les enjeux de données et de modélisation qui y sont rattachés, deviennent partie intégrante des réflexions que les assureurs doivent mener. Dans cette optique, il peut être opportun d’être accompagné sur ce sujet. Les consultants de GALEA accompagnent plusieurs acteurs sur les réflexions sous-jacentes aux travaux d’analyse des risques et de leurs modèles dans le cadre de l’ORSA notamment.
Voir le baromètre FAA (statistiques risques émergents 2019 avec projection)
Distributed Denial of Service attack DDoS
Voir https://www.varonis.com/blog/cybersecurity-statistics/
Voir l’étude HISCOX
Voir l’étude CESIN
Il s’agit d’une technique frauduleuse destinée à leurrer l’internaute pour l’inciter à communiquer des données personnelles en se faisant passer pour un tiers de confiance
Voir l’étude Tend Micro
Source : cybermalveillance.gouv.fr
Source : Cybersecurity Ventures, https://cybersecurityventures.com/cybercrime-damages-6-trillion-by-2021/
Voir le communiqué ACPR du 12/11/2019
Voir la revue d’économie financière, 2019/3 (N° 135), p. 245-256
Voir l’étude du Forum des Compétences : https://www.forum-des-competences.org/assets/files/cyber-rating-livre-blanc.pdf
Source : https://www.gouvernement.fr/risques/conseils-aux-usagers [...]
Lire la suite…
8 novembre 2019La problématique du risque arrêt
de travail est complexe tant elle est marquée par une très forte interdépendance entre
la santé, le social et l’économique.
Dans une conjoncture économique
difficile, la hausse constatée de l’absentéisme génère une charge non
négligeable pour la collectivité, les entreprises et les assureurs.
Afin de mieux comprendre ce risque
et tenter d’en réduire l’ampleur, de la prévention et des services se mettent
en place, et des modèles statistiques se développent.
Des arrêts toujours plus nombreux
et coûteux
Ces dernières années, les dépenses
liées aux arrêts de travail sont en constante augmentation. En effet, après une
hausse de 3% environ entre 2016 et 2017, le taux d’absentéisme a augmenté de 8%
pour atteindre un taux global de 5,10% en France en 2018, ce qui représente
18,6 jours d’absence en moyenne par salarié. Cette hausse serait principalement
due à l’augmentation des arrêts de travail de plus de 90 jours.
Les Indemnités Journalières versées
en 2018 représentent environ 21 Mds€, prises en charge par la Sécurité
sociale à hauteur 15 Mds€, le reste étant versé par les Organismes d’assurance
complémentaires.
Un enjeu financier majeur pour
les assureurs et les entreprises
D’après une récente étude, 79% des salariés bénéficient, via
un contrat de prévoyance souscrit par leur entreprise, de garanties
complémentaires à la Sécurité sociale en cas arrêt de travail.
Le marché de la prévoyance (risques
décès et arrêt de travail) a généré un volume de cotisations de 22,1 Md€ en
2018 (segments collectif et individuel) et ces montants n’intègrent pas le coût
des maintiens de salaires supportés par les entreprises Les enjeux financiers
liés à la couverture du risque arrêt de travail sont donc significatifs.
Réglementairement, les assureurs
sont tenus de provisionner chaque sinistre arrêt de travail en cours
d’indemnisation de leur portefeuille. Cette provision matérialise les prestations
futures que devra verser l’assureur jusqu’à la fin de l’arrêt. Les provisions
représentent donc généralement le poste le plus important d’un compte de
résultat.
Pour l’évaluation de ces provisions,
le taux de rendement financier futur escompté, appelé taux technique, est encadré
par la règlementation. Il est censé refléter une vision prudente du contexte
économique. Plus ce taux augmente, plus le montant de provision diminue (et
inversement). Or, ces dernières années, et plus particulièrement en 2019, les
taux financiers ont connu une baisse significative. Le taux financier réglementaire
maximum pour l’évaluation des provisions est ainsi passé de 0,62% au 31/12/2018
à 0,43% au 30/09/2019. Il pourrait baisser à 0,3% à fin 2019 d’après les
projections, générant une hausse des provisions, toutes choses égales par
ailleurs, de l’ordre de 2% en moyenne sur l’année.
L’impact de cette baisse des taux,
couplée à la hausse du nombre d’arrêts observés, engendrent des hausses de
charges significatives pour les assureurs, qui pourraient ne pas avoir d’autre
choix que de répercuter une partie de ces hausses sur les cotisations financées
par les salariés et par l’entreprise.
Pour contrer l’augmentation de
l’absentéisme, des solutions se mettent en place
Les entreprises doivent donc faire
face à une hausse significative des coûts liés à l’absentéisme :
Diminution de la
productivité ;Hausse des charges
liées aux obligations de maintien de salaire prévues par la loi et les
conventions collectives ;Hausse des
cotisations des contrats de Prévoyance
Identifier plus précisément les
raisons de cette hausse des arrêts de travail afin d’agir plus efficacement
pour éviter les arrêts (prévention) et diminuer leur durée est donc un enjeu
primordial.
Ces dernières années, la notion de
qualité de vie au travail a eu une importance croissante.
L’ANI du 19 juin 2013 définit
la qualité de vie au travail comme un terme qui « désigne et regroupe
sous un même intitulé les actions qui permettent de concilier à la fois
l’amélioration des conditions de travail pour les salariés et la performance
globale des entreprises, d’autant plus quand leurs organisations se
transforment. »
Depuis, la loi Rebsamen de 2015 a fait
entrer certains thèmes de QVT dans l’une des 3 Négociations Annuelles
Obligatoires (NAO).
En pratique, la QVT regroupe divers
sujets liés à l’environnement de travail, comme la pénibilité, l’équilibre de
vie personnelle/professionnelle, ou encore la protection sociale des salariés.
Pour les entreprises, la mise en place d’une démarche de qualité de vie au
travail génère une amélioration de la productivité de ses salariés selon des
études récentes.
Au-delà de la QVT, la prévention des
risques professionnels peut apparaitre également comme un facteur
déterminant dans les réductions des arrêts de travail.
En complément, des services spécifiques de mesure de l’absentéisme, prévention ou aide au
retour à l’emploi sont développés par certains assureurs.
Cependant,
les « outils » classiques, qui nécessitent souvent un investissement en temps
important pour les services RH, ne permettent généralement qu’un constat a posteriori
et l’efficacité des services de prévention reste difficilement mesurable. Face
à ces limites, de nouvelles techniques se développent pour permettre une gestion « dynamique » de la
problématique : en anticipant et analysant les causes des absences,
l’entreprise peut mettre en place les ajustements nécessaires pour limiter le
risque (prévention) et éviter les répercussions opérationnelles des absences
(désorganisation).Ces modèles mathématiques
consistent à rechercher une corrélation entre différentes variables endogènes (propres
à l’entreprise) ou exogènes (densité de médecins ou temps de trajet des
salariés par exemple), afin de comprendre et “prédire”
les arrêts. A partir de cette connaissance fine des groupes identifiés comme “à
risque”, l’entreprise et/ou l’assureur peuvent mettre en place :
Un plan d’action basé sur des actions de prévention / correction
ciblées ;Des indicateurs de suivi.
L’objectif est de construire, en lien avec les
Ressources humaines, un modèle de prédiction des arrêts permettant d’améliorer
les actions de prévention, de mesurer leur efficacité mais également
d’optimiser l’allocation des ressources humaines et financières.
Galea vous accompagne dans le
suivi et le pilotage de vos régimes de protection sociale, ainsi que dans
compréhension et la prédiction de votre absentéisme.
11e édition du baromètre de l’absentéisme
et de l’engagement mené par le cabinet Ayming en partenariat avec AG2R La
Mondiale
Etude DREES, Les dépenses de santé en 2018
CTIP, Cahiers statistiques 2018 [...]
Lire la suite…
10 juillet 2019La proposition de loi « visant à interdire l’usage des données personnelles collectées par les objets connectés dans le domaine des assurances » a été renvoyée à la commission des lois constitutionnelles, de la législation et de l’administration générale de la République.
Il est souligné que les données récoltées par les IOT notamment dans le domaine médical ou liées au bien-être permettent aux utilisateurs de surveiller/de suivre différents items tels que la nutrition, le poids, le sommeil…
Ainsi, si
leur enregistrement peut permettre au corps médical de disposer d’informations
supplémentaires pour optimiser un éventuel suivi/détection de pathologie, il ne
doit pas être utilisé dans le domaine des assurances pour segmenter les personnes
en fonction de leur état de santé, ni pour limiter l’accès à un produit
d’assurance ou encore l’étendue des garanties.
Aussi, pour éviter
tout abus dans le cadre des assurances : « la proposition de loi
suggère d’interdire aux compagnies d’assurance d’utiliser et de traiter de
telles données personnelles, et ce, même si elles recueillent en amont le
consentement contractuel de l’utilisateur ».
Dans ces
conditions, le traitement de données à caractère personnel récoltées par
un capteur de santé, relatives au mode de vie ou à l’état de santé du preneur
d’un produit répondant aux définitions contenues dans le code des assurances ou du code de la mutualité deviendrait
interdit.
Interdire le traitement de ces données limite le risque de
discrimination par les organismes assureurs sur la base de l’état de santé,
mais supprime aussi toute possibilité de mise en place de programmes de
prévention adaptés.
C’est un sujet à
suivre de très près !
http://www.assemblee-nationale.fr/15/propositions/pion1603.asp [...]
Lire la suite…
28 juin 2019Article écrit en collaboration avec Ellis-Car
Le marché de l’assurance automobile est aujourd’hui à un tournant. Dans ce marché déjà saturé, offrant peu de marges et dans l’attente de véhicules autonomes, le développement de nouveaux acteurs vient accroître la compétition. Par ailleurs, la loi Hamon (en facilitant le changement d’assureur) et l’essor des offres pay how you drive rendent de plus en plus difficile la rétention des clients et des bons risques en particulier.
Dans les prochaines années, les assureurs automobiles continueront
donc à affiner leur capacité à individualiser les tarifs, tout en respectant au
mieux le principe de mutualisation des risques, à la base de l’assurance. Ceux
qui parviendront à faire payer à chaque assuré son « juste prix »
pourront fidéliser leurs adhérents tout en maintenant l’équilibre technique. A
l’inverse, des tarifs moins adaptés conduiront à de plus en plus
d’antisélection. Le processus tarifaire apparait donc comme le principal levier
d’excellence technique.
Dans le cadre d’une de leurs travaux, les consultants de Galea
ont mené une étude visant à tester deux pistes d’amélioration du calcul de la
prime :
Classiquement,
le calcul de la prime est basé sur un modèle linéaire généralisé (GLM). La
première idée est de comparer les résultats obtenus par ce modèle à ceux issus
d’approches data science. Ces différents
modèles de machine learning (de type
CART, Random Forest ou XGBoost)
permettent-ils d’améliorer les prédictions et d’affiner les critères de
tarification ?L’apport
de nouvelles données externes issues notamment de la télématique fournies grâce
à notre partenaire Ellis-Car viennent enrichir le modèle. L’intégration de ces données
permet-elle d’isoler des comportements spécifiques que les données historiques
à disposition des assureurs ne détectent pas ?
Cette étude a été menée en partenariat avec Ellis-Car qui
propose une solution pour les flottes de véhicules et les particuliers qui associe
télématique embarquée, formation et rentabilité.
La start-up
propose une solution de géolocalisation et de profiling de conduite à l’aide d’un simple smartphone, à
destination des flottes d’entreprises. Développés dans le milieu académique, de
nombreuses fois récompensés et finement entraînés par des centaines de millions
de kilomètres de conduite, les algorithmes auto-apprenants proposés par la
startup sont capables de détecter en temps réel toute déviation de comportement
de conduite par rapport à l’ensemble des conducteurs. Un système d’alertes
vocales et visuelles permet de modifier le comportement des conducteurs de
manière très significative et bénéfique pour l’entreprise. Ces améliorations du
comportement de conduite sont également durables grâce à la gamification du l’expérience
utilisateur.
L’algorithme
Ellis-Car est basé sur un ensemble de plusieurs couches cartographiques, qui
sont alimentés par de nombreuses données de l’Open Data : météo, trafic,
visibilité de la route, signalétique des routes, historiques d’accidents, etc.
Ces couches sont également enrichies par tout trajet effectué par un
conducteur, dans l’objectif de pouvoir comparer des comportements de conduite à
l’ensemble de la base de connaissance et d’en estimer le risque.
L’étude :
Dans un premier temps les méthodes data science sont comparéesà
l’approche GLM :
Galea a réalisé l’étude sur la sinistralité d’un assureur
automobile pour sa garantie responsabilité civile. L’objectif était de modéliser
le nombre et le coût des sinistres des assurés, tant par l’approche
« classique » GLM que par des méthodes data science et de comparer l’efficacité des différents modèles
obtenus.
La qualité des modèles a été mesurée par la Root-Mean-Square Error,
RMSE (erreur quadratique). Plus la RMSE est basse, meilleure est l’approche. Le
tableau ci-dessous indique les résultats obtenus. La meilleure approche est
indiquée en rouge.
Tableau 1- Synthèse des erreurs sur la base test (RMSE)
Pour
la prédiction du nombre de sinistres,
il s’est avéré que le modèle GLM est le meilleur. Les approches data science affichent un niveau de
qualité cependant proche, la meilleure étant Random Forest.Concernant
le coût des sinistres, l’approche
CART permet une modélisation plus fine que le GLM.
L’analyse menée montre que, sur deux exemples, les méthodes data science offrent des performances
comparables à celles des modèles linéaires. Dans la plupart des structures, la
détermination des tarifs automobile repose aujourd’hui exclusivement sur des modèles
linéaires généralisés GLM qu’il est intéressant de challenger par différentes
approches, pour déterminer au cas par cas la plus pertinente.
Il n’est reste pas moins que le GLM est mieux compris par de nombreux
opérateurs et plus facile pour certains à insérer dans leurs systèmes de
gestion et dans leurs OAV.
Les principales
approches data science :
Le tableau ci-dessous présente les différentes approches
tarifaires étudiées. La pertinence de ces modèles peut être évaluée suivant
plusieurs critères : la vitesse d’apprentissage, la facilité d’explication
de l’algorithme et l’interprétabilité des résultats qui vont de pair, la
facilité de paramétrage des modèles et le pouvoir prédictif des modèles. Le
tableau ci-dessous synthétise ces différentes notions.
Lecture du tableau : Plus un modèle a de signes « + » pour
un critère étudié, plus il est efficient.
Il en ressort que les modèles linéaires généralisés
présentent de nombreux avantages, et que les résultats des méthodes issues de
la data science doivent être
nettement meilleurs pour les supplanter. C’est peut-être une des raisons du
lent décollage de ces méthodes à l’heure actuelle.
Utilisation de données
externes issues de la télématique :
Dans un second temps, comme évoqué en introduction les
modèles ont été renforcés en intégrant des données issues de la télématique,
toujours fournies par notre partenaire Ellis-Car. Galea a utilisé des données
externes, fournies par un prestataire. Ces données permettent, pour chaque zone
géographique, de disposer d’informations sur les typologies de réseaux routiers
(pourcentage d’autoroute, densité de population, nombre de feux ou de stops…)
et sur les typologies de conduite (vitesse moyenne, nombre d’accélérations ou
de freinages…).
L’idée de l’étude était de déterminer dans quelle mesure l’ajout
de ces données publiques (donc utilisables potentiellement par n’importe quel
assureur) permettait d’améliorer la qualité des modèles tarifaires. Les figures
ci-dessous comparent la capacité prédictive des différents modèles avant et
après prise en compte des données externes. Dans tous les cas, l’ajout de ces
données améliore notablement les modèles cf. graphique ci-dessous :
Comparaison de la qualité de la prédiction avant / après intégration des données télématiques
En conclusion
Aujourd’hui la majorité des assureurs basent leurs
tarifs sur des analyses GLM, les modèles de machine learning étant globalement
peu déployés. Pourtant, ces méthodes s’avèrent souvent pertinentes, voire
parfois plus performantes a priori que les approches classiques. Il sera
intéressant à l’avenir de tester les deux familles d’approches lors des revues
des tarifaires et de déterminer au cas par cas celle qui est la plus pertinente,
en mettant en perspective les gains techniques espérés et les coûts issus de
l’application des nouvelles méthodes.
Concernant l’apport des données télématiques, cette
étude montre, de façon non équivoque, que l’ajout de données externes permettent
d’améliorer significativement la pertinence d’un tarif et notamment de mieux
prédire les nombres de sinistres enjeu considérable en assurance auto.
Le cabinet GALEA & associés et Ellis-Car
vous propose de vous assister dans le cadre de l’enrichissement de vos bases de
données et l’amélioration de vos algorithmes via le feature engineering. Les
experts actuaires et data scientists vous accompagnent dans la réalisation
d’études prédictives avec l’utilisation d’algorithmes et leur interprétation
dans tous les domaines techniques : création de produits innovants,
tarification, provisionnement, optimisation de la réassurance.
Algorithmes appartenant à la
famille des méthodes « supervisées ». [...]
Lire la suite…
15 mars 2019A l’ère de la digitalisation, le modèle de
distribution des assureurs a connu des modifications majeures. Les réseaux de
distribution dits physiques ou traditionnels de l’assurance que sont les agents
généraux, les courtiers, les bancassureurs, ou encore les affinitaires ont été
largement bousculés par le développement d’internet. Les sites internet des
assureurs, des intermédiaires comme les comparateurs d’assurance, et tout autre
portail de E-commerce proposant des produits à assurer deviennent de nouveaux canaux
de distribution à part entière.
A cela s’ajoute la disponibilité de données grâce à
ces nouveaux canaux de distribution et grâce à l’Open Data. Que faire de ces données, comment peuvent-elles être utiles
aux assureurs ?
La question est celle de leurs bonnes utilisations par
les assureurs pour capter des clients, les fidéliser/limiter le taux
d’attrition (churn), augmenter le
taux de couverture, créer de nouveaux produits pour répondre aux besoins qui
ressortent des analyses.
Pour cela, il faut connaître les attentes et les
besoins des clients et y répondre au moment opportun grâce aux différents
points de contact numériques (touchpoints).
A noter que le pilotage stratégique par la donnée (data driven) ne peut se faire que dans des organisations prêtes à
traiter ces données.
C’est dans ce contexte que le marketing prédictif est
venu chambouler les méthodes classiques de la relation client. La temporalité
n’est plus la même, le cycle de vente est accéléré grâce à la qualification des
détections de signaux d’intérêt (leads)
et à leurs scorings (leads scoring).
En effet, le marketing prédictif se base sur l’étude des données disponibles et
utilise des techniques de Data Science,
d’intelligence artificielle pour cibler les attentes des clients concernant de
nouveaux produits et ce, en amont de la relation et non plus uniquement en aval.
C’est une véritable opportunité pour les assureurs d’anticiper et projeter les
attitudes observées en utilisant des algorithmes performants, dans le respect
de la RGPD.
Ainsi, l’analyse des
comportements des assurés n’est plus seulement basée sur les données du
portefeuille de l’assureur, ces données sont aujourd’hui enrichies des données
externes (réseaux sociaux, open data,
entrepôt de données constituées par des start-ups,
etc.). Elles permettent aux algorithmes « de mieux apprendre » et
donc « de mieux prédire » les différents comportements des assurés et
de tirer profit des informations : qu’il s’agisse de fraude, de mieux
identifier les risques (par la géolocalisation par exemple), de prédire
l’acquisition d’un nouveau client ou de multi-équiper (proposer plusieurs
contrats à un client), de prédire une résiliation. Le marketing prédictif
intervient à différents moments clés du parcours de client. L’essor des
réseaux sociaux et les services publics open
data permettent d’affiner au plus juste ces modèles, ce qui permet d’avoir
des modèles toujours plus crédibles. La clé du succès est l’adaptabilité et le test & learn.
Même si ces vecteurs de distribution augmentent considérablement
la pression concurrentielle, ils sont également des sources d’informations
importantes. Ils permettent, en effet, à l’assureur d’appréhender autrement
l’assuré : avoir une meilleure compréhension de ses besoins, les
anticiper, optimiser la qualité de ses services, créer de nouveaux produits ou
encore de proposer au moment opportun le contrat d’assurance à un assuré. En se dotant d’outils issus de la Data Science, l’assureur pourra
conserver un avantage concurrentiel.
Les comparateurs peuvent avoir un rôle non
négligeable en matière de récolte de la donnée. Leur proposition de valeur est
de donner à l’assuré une meilleure compréhension des garanties et peuvent donner
une vision du marché, qui reste malgré tout parcellaire. En contrepartie, les
assurés doivent remplir un champ considérable de données personnelles. Il
convient de rappeler qu’ils sont soumis aux mêmes règles d’exigence de conseil
que les courtiers.
Plusieurs axes sont
possibles pour développer le marketing prédictif au sein d’une compagnie
d’assurance :
Les techniques d’apprentissage
automatique (machine learning) sont
aujourd’hui, celles qui sont le plus efficaces, dans le domaine du marketing
prédictif. L’analyse de
clics pour prédire la souscription d’une option d’assurance : une des
analyses les plus courante est l’analyse du parcours client sur le site de
l’assureur, l’analyse de clics courante au sein des compagnies d’assurance est
de prédire quelle option d’assurance un client va souscrire.
Maîtriser toutes ces
techniques présente un atout non négligeable pour faire face à la concurrence.
Pouvoir prédire au plus juste les risques, la volatilité des comportements des
assurés afin d’anticiper, de les maîtriser autant que possible, de proposer les
tarifs les plus justes, les services les plus appréciables est un véritable
avantage qui permet aux assureurs de se démarquer. Cependant le marketing
prédictif n’est pas une baguette magique mais doit être utilisé afin d’infirmer
ou de confirmer une position, une décision ou une orientation de stratégie.
Un aspect ne doit pas être négligé en amont de
l’utilisation du marketing prédictif, c’est de faire en sorte qu’en interne l’entrepôt
de données (data lake) de l’assureur soit
utilisable et que la donnée soit de qualité.
L’objectif est bien
d’utiliser de manière efficace la donnée afin d’appréhender au mieux le risque
assurantiel. Les actuaires Data Scientist sont les plus à même d’être
pertinents sur le sujet grâce à leur double connaissance du métier de
l’assurance et des techniques de la Data Science.
Le cabinet
GALEA & associés propose de vous accompagner dans le cadre de la qualité de
vos données, l’analyse des comportements de vos assurés et la valeur client.
Les consultants de GALEA, experts en Data Science pour l’Actuariat, sont à
votre disposition pour partager leur expérience et leurs compétences dans les
meilleures pratiques actuelles du marché de l’assurance. [...]
Lire la suite…
8 mars 2019Depuis le 1er mars 2019, les entreprises de plus de 1 000 salariés sont tenues de publier leur index en matière d’égalité Femmes / Hommes défini par le Décret n° 2019-15 du 8 janvier 2019. Cet index se décompose en 5 critères : l’écart de rémunération entre les femmes et les hommes, l’indicateur relatif aux augmentations salariales annuelles, l’indicateur relatif aux promotions, l’indicateur relatif aux femmes de retour de congé de maternité ou d’adoption, mixité parmi les plus hautes rémunérations.
Bien que la mise en place de cet
index montre la volonté du Gouvernement de combattre les discriminations
salariales en fonction du sexe, certains points sont critiqués. Il s’agit notamment
de l’indicateur relatif aux augmentations salariales annuelles, qui se calcule à
partir du pourcentage de salariés augmentés dans l’année, sans faire référence
aux montants correspondants.
Une des principales sources
d’inégalité concerne l’écart de rémunération entre les femmes et les hommes. L’indicateur
proposé par le Gouvernement permet-il d’identifier la totalité des femmes
discriminées ? Permet-il ensuite de mesurer l’efficacité des actions
prises ?
La mise en place d’une méthode
commune à l’ensemble des entreprises, source de simplicité et d’homogénéité de
traitement a priori, empêche de déceler certaines discriminations. La politique
salariale propre à chaque entreprise ainsi que les caractéristiques de leurs
salariés devraient être prises en compte dans une analyse plus fine afin de
cibler de manière plus pertinente les femmes réellement discriminées et
d’engager des actions légitimes. Par exemple, les tranches d’âges de 10 ans
fixées par l’index sont-elles pertinentes pour chaque entreprise ? La
prise en compte de l’ancienneté du salarié dans l’entreprise ou de sa
performance permettraient-elles d’affiner la liste des femmes
discriminées ? Comment intégrer les informations à disposition des
ressources humaines dans la recherche de femmes discriminées ?
De plus, l’index intègre un seuil
de pertinence et exclut donc certaines discriminations. Doit-on considérer
comme non discriminées les femmes dont les écarts de rémunération sont
inférieurs à ce seuil ?
L’index fournit par le
Gouvernement et les sanctions en cas de non obtention d’une note minimale constituent
une avancée indéniable dans la recherche de la résolution de situations
inexplicables. Des études spécifiques devront être menées au sein de chaque
entreprise pour aller au-delà et définir les plans d’actions les plus adaptés
pour corriger les discriminations.
Le Cabinet GALEA & Associés
intervient auprès de grandes entreprises depuis plusieurs années sur la
discrimination salariale Femmes / Hommes ainsi que son évolution et propose de
vous accompagner dans ces travaux et de répondre à ces questions. Des modèles
de Data Science / Machine Learning seront utilisés afin de mettre en exergue
les femmes discriminées, si celles-ci existent, et les évolutions de salaires
nécessaires pour gommer ces inégalités en prenant en compte l’ensemble des
informations disponibles.
Décret portant
application des dispositions visant à supprimer les écarts de rémunération
entre les femmes et les hommes dans l’entreprise et relatives à la lutte contre
les violences sexuelles et les agissements sexistes au travail [...]
Lire la suite…
22 février 2019Le sujet occupe le devant de la scène. Si tous, gouvernement, entreprises, syndicats, salariés veulent y parvenir, de nombreuses questions restent encore en suspens. Catherine Reichert, Vice-Présidente Communication du Comité ONU Femmes France (la représentation française de l’agence des Nations Unies pour l’égalité des sexes et l’autonomisation des femmes) et Léonard Fontaine, Manager, Actuaire Data Scientist, du cabinet de conseil en gestion des risques GALEA , qui accompagne les entreprises dans leur diagnostic et la mise en place d’actions correctrices, échangent sur les enjeux et moyens d’une réelle égalité professionnelle.
Comment
définissez-vous l’égalité professionnelle ?
Catherine Reichert : L’égalité
professionnelle est le fait de bénéficier,
tous et toutes, à compétences
égales, du même traitement et des mêmes chances d’accès à l’emploi, à la promotion
et d’absence de différenciation en matière de rémunération et de déroulement de
carrière. Une définition à laquelle s’ajoute le fait d’évoluer dans un
environnement libre de sexisme et de toute forme de violences ou de
discriminations.
Aujourd’hui, cette égalité est loin
d’être une réalité. En France, une femme gagne en moyenne 25% de moins qu’un
homme – 9% à poste de travail équivalent par an selon l’Insee (Chiffres de
l’Insee). Au niveau mondial, pour chaque euro gagné par les
hommes, les femmes gagnent 77 centimes. Une différence telle que l’on estime qu’à ce rythme, nous ne connaîtrons
pas l’égalité salariale avant 2069.
Léonard Fontaine : D’un point de vue objectif et technique, l’égalité professionnelle c’est le fait pour les femmes et les hommes d’avoir les mêmes salaires et les mêmes avantages, à compétences et postes comparables.
Après une période d’incitation,
le gouvernement s’engage aujourd’hui dans une logique de résultats.
Depuis la loi avenir
professionnel de 2018, tous les
employeurs de plus de 50 salariés doivent mettre en place un
accord relatif à l’égalité professionnelle entre les femmes et les hommes.
Dès 2019, ils auront
l’obligation de publier les résultats d’un Index en 5 critères
: écarts de rémunération, écarts de taux d’augmentations
individuelles, écarts de taux de promotions, pourcentage de salariées ayant bénéficié d’une augmentation au retour
de leur congé maternité et nombre de « salariés du sexe sous-représenté »
parmi les 10 plus hautes rémunérations.
Les entreprises de
plus de 1000 salariés devront s’y plier au 1er
mars, celles de plus de 250 salariés au 1er
septembre et celles de plus de 50 salariés au 1er mars
2020.
A la clé, des contrôles et
interventions de l’inspection du travail renforcés et un délai de 3 ans
pour corriger les écarts enregistrés.
Plus contraignant, des sanctions
pouvant aller jusqu’à 1% de la masse salariale en cas de non correction…
Peut-on faire de l’égalité professionnelle une réalité ?
Catherine
Reichert : nous devons oeuvrer dans ce sens. Cela implique d’agir à
différents niveaux : d’une part, sur les lois et les politiques publiques,
d’autre part sur les stéréotypes et les mentalités. En France, dans le
secondaire, les filles sont généralement meilleures en sciences. Elles sont
majoritaires dans l’enseignement supérieur mais sont sous-représentées dans les
formations scientifiques et technologiques – 28 % dans les écoles d’ingénieurs (chiffres 2016-2017). A l’international comme en France, la
moitié de l’emploi des femmes se concentre dans 12 des 87 familles de métiers
avec une sur-représentation des femmes dans les travaux à vocation sociale,
autour du « care » . Des métiers généralement moins
valorisés socialement et aussi moins bien payés. En cause le
poids des stéréotypes ainsi que le manque de rôles-modèles.
Dans le cadre des Objectifs de
développement durable, afin de résorber la différence de salaire d’ici 2030,
ONU Femmes travaille actuellement en partenariat avec l’OCDE et l’OIT sur l’Equal Pay International Coalition
(EPIC), ou « Coalition internationale pour l’égalité salariale », de manière à ce que le principe
de salaire égal pour travail de valeur égale, inscrit dans la constitution de l’OIT
de 1919, devienne réalité.
L’égalité professionnelle passe par
un travail des pouvoirs publics à travers à la mise en place d’outils de
protection sociale, de services tels que des congés parentaux plus longs et
mieux rémunérés, ainsi qu’au niveau des entreprises, en assurant un
environnement de travail adapté à la vie familiale. Cela passe également par
des mesures coercitives pour permettre aux femmes d’accéder aux plus hautes
fonctions, comme dans les conseils d’administration, ou autour de la
transparence sur les salaires.
ONU Femmes propose aux entreprises un
outil permettant de mettre en place des mesures en faveur de l’égalité
professionnelle : une charte sur les Principes d’autonomisation des femmes.
A travers un engagement au plus haut niveau, les entreprises peuvent s’inspirer
des meilleures pratiques et améliorer ainsi les conditions de travail et la
performance de l’ensemble de leurs collaborateurs et collaboratrices.
De manière générale, toute la société gagne lorsque l’on progresse
vers plus d’égalité : les femmes gagnent en indépendance, investissent
davantage dans l’éducation et la santé de leurs enfants. Les organisations sont
plus efficaces et gagnent en performance. Une recherche récente montre que
réduire les inégalités au travail dans les 20 prochaines années représenterait
un gain de 6 % du PIB dans les économies plus avancées .
L’égalité professionnelle est à la
fois une question de droits et un enjeu stratégique et économique pour le
développement des entreprises et du monde en général.
Léonard Fontaine : c’est assurément une question de droits, encore faut-il correctement mesurer les écarts qui subsistent avant d’y remédier.
Les critères de l’index constituent
une règle unique pour toutes les entreprises, mais chacune a ses spécificités en termes de masse
salariale et de métiers, et les résultats pourraient ne pas faire apparaitre
certaines des inégalités.
En utilisant les techniques de Data
Science, nous avons, chez GALEA & Associés, pu affiner ces évaluations pour
mettre en lumière des écarts de rémunération
statistiques et faire en sorte de les gommer selon un pilotage à déterminer
par la Direction de l’entreprise.
Après un état des lieux de ce qui est
pratiqué en matière de rémunérations dans l’entreprise et une analyse fine des
données issues du Système d’Information RH -dans le respect du RGPD – les
techniques de Data Science vont permettre d’identifier des catégories de
femmes (ou d’hommes) pour lesquels des écarts apparaissent et
nécessitent des explications des Directions des Ressources Humaines.
Leur rôle est crucial pour pouvoir
retranscrire leurs connaissances métier et leur connaissance de la culture de l’entreprise
dans l’interprétation des données.
Ensuite, le budget spécifique qui
sera alloué par l’entreprise afin de gommer les inégalités avérées devra cibler
efficacement des rattrapages. Enfin, la mise en place d’indicateurs
pertinents permettra de suivre dans le temps les écarts de rémunération et
de s’assurer qu’ils se réduisent grâce aux actions entreprises.
Il est particulièrement important de
décomposer ces phases d’états des lieux, d’analyse, de pilotage et de
corrections. Un processus complet et au moins annuel mérite d’être mis en
place.
En effet, il est important que la
Direction des Ressources Humaines appréhende ces différentes étapes afin de communiquer au mieux
tant auprès de ses partenaires sociaux que de ses salariés, et également auprès
des services RH chargés de la mise en œuvre opérationnelle.
Dans la lutte contre les inégalités
professionnelles, notre rôle
de techniciens data scientists consiste à aider les entreprises à les
mesurer de la façon la plus
précise et juste qui soit pour mieux les éradiquer.
Avez-vous vu des évolutions en la matière ces dernières années ?
Catherine Reichert : Le
mouvement #MeToo est un
marqueur fort d’une prise de conscience de la part des femmes et des hommes de
l’impact négatif du sexisme
dans tous les champs de la société, y compris au travail. Nous vivons un
momentum. La libération de la parole a permis de porter au devant de la scène
des sujets souvent tabous qui sont le quotidien de nombre de femmes et de
filles.
Un rapport du Conseil Supérieur de l’Egalité
Professionnelle entre les femmes et les hommes (CSEP) pointait en 2015 que 80 %
des femmes sont régulièrement confrontées à des attitudes ou des décisions
sexistes au travail, qui ont des effets négatifs sur leur sentiment d’efficacité
.
Dans ce mouvement, il est nécessaire
d’impliquer les hommes pour déconstruire les normes sociales négatives qui
restreignent les choix et les opportunités de chacun et chacune. C’est tout l’objectif
de la campagne HeForShe et de ses IMPACT et Thematic Champions dont le PDG de
Danone, qui offre un congé parental de 18 semaines à ses collaborateur.rice.s
dans plus de 130 pays.
C’est à travers ces actions que
l’égalité femmes-hommes progresse, et avec elle l’ensemble de la société.
Léonard Fontaine: Galea, avec ses équipes de data scientists et des partenaires RH et Compensation & Benefits, a pu travailler pour de grands groupes internationaux (ou uniquement implantés en France) qui ont souhaité s’impliquer sur ce sujet. Les RH ont pris conscience de son importance politique. Que ce soit sur des filiales à l’étranger ou en France, les techniques de Data Science ont pu faire leurs preuves.
Nous avons noté ces deux dernières
années une volonté des Ressources Humaines de pouvoir aborder la question
de manière rationnelle : établissement d’un état des lieux, mise en place
d’un plan d’action pour les années à venir, mesure de l’efficacité du plan d’action.
La mise en place de ces méthodes
innovantes est très bien accueillie en interne, tant par les salariés que par
les partenaires sociaux.
Force est de constater que ces sujets
sont structurants pour la politique des ressources humaines. Ces travaux
permettent souvent de déboucher sur d’autres travaux visant à identifier les
causes des arrêts de travail et les plans d’actions de prévention à mettre en
place pour diminuer l’absentéisme, tous ces éléments ayant bien sûr un impact
sur la qualité de vie au travail.
A propos
du Comité ONU Femmes France
Le
Comité
ONU Femmes France est l’association loi 1901 d’intérêt général qui représente
ONU Femmes – l’agence des Nations Unies pour l’égalité des sexes et l’autonomisation
des femmes – en France depuis 2013. Il réunit des femmes et des hommes bénévoles,
issus de différents secteurs d’activité (privé, associatif et
institutionnel) qui s’engagent pour le plaidoyer et la promotion de l’égalité
entre les femmes et les hommes. Le Comité ONU Femmes France soutient les
programmes de terrain d’ONU Femmes au plan mondial en mobilisant la générosité des donateurs et du grand
public et en développant des partenariats avec des acteurs institutionnels,
entrepreneuriaux et événementiels.
Pour en savoir plus : www.onufemmes.fr @ONUFemmesFR
sur Twitter
A propos de Galea
Cabinet de conseil indépendant, nous
accompagnons les entreprises et les organismes d’assurances dans la gestion de
leurs risques et le suivi des régimes de protection sociale (Prévoyance, frais
de santé, retraite et épargne salariale). Les travaux habituels couvrent 3
domaines : stratégie assurance, conseil actuariel et transformation numérique
(application des méthodes de Data science pour le suivi de l’égalité Femmes/
Hommes, QVT, arrêts de travail, Fraude…). Notre cabinet compte 40 consultants
et offre ainsi des solutions rigoureuses et innovantes adaptées aux enjeux
actuels des métiers de l’assurance.
Pour en savoir plus : www.galea-associes.eu
Lydia O’Connor, The Huffington Post (2016). The Wage Gap: Terrible For All Women, Even Worse For Women Of
Color. http://www.huffingtonpost.com/entry/wage-gap-women-of-color_us_570beab6e4b0836057a1d98a
Vidéo « L’égalité, on a tou.te.s à y gagner » sur le manque de mixité du Ministère
des Familles, de l’Enfance et des Droits des femmes (2016) : https://www.egalite-femmes-hommes.gouv.fr/3-au-9-octobre-semaine-de-legalite-professionnelle-entre-les-femmes-et-les-hommes/
Recherche de Citi (2017) : https://ir.citi.com/rxehymXStWqV7Y6S58ExJLPdJPjqZicwdoxqT%2Fc0qDsBMFxbL%2FzcJiG%2FgKE%2BRxwHcad8oQrgD1w%3D
CSEP
: Le sexisme dans le monde du travail, entre déni et réalité (2015) : http://femmes.gouv.fr/wp-content/uploads/2015/03/RAPPORT-CSEP-V7BAT.pdf [...]
Lire la suite…
19 février 2019« Un robot ne peut pas faire de mal à un être humain, ni, par son inaction, permettre qu’un être humain soit blessé » (Première Loi de la robotique de Isaac Asimov 1942).Aujourd’hui les assureurs sont plus que jamais confrontés à une nécessaire amélioration de leurs performances, vendre mieux et plus, gérer mieux et plus vite. Ces nécessaires accélérations ne seront possibles qu’avec une utilisation plus massive des nouvelles technologies.En effet, bien au-delà d’optimiser les processus, l’automatisation et la robotisation permettent d’une manière plus simple et efficace de simplifier et d’optimiser le traitement de certaines tâches à tous les niveaux de l’organisation (gestion, vente, contrôle et reporting).Si le monde de l’industrie a emboîté le pas aux auteurs de science-fiction dès les années 50, le développement des sciences cognitives permet maintenant d’envisager son déploiement dans le secteur tertiaire sur des services à valeur ajoutée. Le monde de l‘assurance est bien entendu directement concerné.Où en êtes-vous ? Quelle est votre vision ? Quels sont vos projets ? Nous souhaitons réaliser une grande enquête nationale auprès des acteurs du marché de l’assurance.En répondant à ce questionnaire qui ne vous prendra que 5 minutes vous recevrez ainsi gratuitement le résultat détaillé et commenté de cette enquête.
https://docs.google.com/forms/d/1lYMeJyt30KnyoE9LlXdXJvrxVR45rjJ3Gt-d7TSjhk0/viewform?ts=5c4ad3f9&edit_requested=true [...]
Lire la suite…
8 février 2019La
mission de préfiguration du « Health Data Hub » a proposé à Agnès Buzyn,
Ministre des Solidarités et de la Santé, une feuille de route pour sa mise en
œuvre opérationnelle d’exploitation des données de santé.
Pour rappel, le « Health Data Hub » répond à la stratégie du gouvernement relative à « l’Intelligence Artificielle Nationale ». Lors de la remise du rapport Villani, le Président de la République l’avait qualifié de point fort de la stratégie intelligence artificielle française. Il a pour objectif de favoriser l’utilisation et de multiplier les possibilités d’exploitation des données de santé en :
Mettant à disposition des données, de qualité ;
Respectant la transparence et la sécurité pour répondre
aux contraintes de la RGPD ;
Mettant à disposition un guichet unique ;
Mutualisant les technologies et les expertises ;
Promouvant l’innovation.
Les
domaines concernés sont ceux de la recherche, de l’appui au personnel de santé,
du pilotage du système de santé, du suivi et de l’information des patients.
Le « Health Data Hub » reprendra les missions de l’Institut national des données de santé (INDS) et prendra la forme juridique d’un groupement d’intérêt public (GIP) Pour information : https://drees.solidarites-sante.gouv.fr/etudes-et-statistiques/acces-aux-donnees-de-sante/article/health-data-hub
Ce dispositif permettra une meilleure exploitation des bases en open data. Ces dernières sont généralement des données très agrégées qui nécessitent d’être enrichies par l’apport de données externes.
Cet enrichissement croisé avec la technique de « feature engineering » (création de nouvelles variables) permet des analyses plus fines et de meilleures prédictions des algorithmes par les Actuaires Data Scientist.
Les Actuaires Data scientist de Galea suivent ces différentes évolutions pour vous accompagner et vous conseiller sur les différents sujets : création de produits, suivi de portefeuilles, tarification… [...]
Lire la suite…
1 février 2019et la Direction technique de LA PARISIENNE Assurances
La prédiction des sinistres graves est un enjeu majeur en
assurance IARD. Bien que leur fréquence soit faible, l’impact de ces sinistres
sur le résultat est en effet significatif dans la mesure où ils sont potentiellement
extrêmement coûteux. Ce sujet est particulièrement important dans le secteur de
l’assurance automobile où les corporels peuvent engendrer des dépenses
considérables sur de longues périodes de temps. La modélisation des«
graves » et plus particulièrement de leur fréquence, est donc un point
crucial pour bien appréhender la prime pure d’un assuré.
La fréquence des sinistres est traditionnellement appréhendée
à l’aide de modèles linéaires généralisés (GLM). Ces dernières années ont vu la
démocratisation des algorithmes d’apprentissage statistique qui s’avèrent
souvent plus performants. Une étude commune à été mené entre LA PARISIENNE
ASSURANCES et GALEA, dont l’objectif était de déterminer le modèle de
prédiction le plus pertinent à mettre en place pour modéliser la fréquence des
graves. L’étude visait également à analyser l’interprétabilité des résultats
des différents algorithmes étudiés.
Suite aux traitements des données nous avons déterminé un seuil de grave par comparaison de quatre méthodes. Deux méthodes de rééchantillonnage, ROSE et SMOTE, ont été appliquées pour pallier le faible nombre de polices ayant fait l’objet d’un sinistre. (Seul 1,2% de sinistre dépassait le seuil).
La fréquence de ces sinistres a ensuite pu être modélisée,
dans un premier temps avec un Modèle Linéaire Généralisé puis à l’aide d’algorithmes
d’apprentissage prédictif comme l’arbre de décision CART, la forêt aléatoire,
et l’extreme gradient boosting.
Enfin, les modèles ont été comparés du point de vue de leurs performances et de
leur interprétabilité.
Les graphiques partial dependence plots et l’algorithme LIME ont été utilisés pour comprendre et rendre plus transparent les modèles utilisés (parfois perçus comme des « boîtes noires »). Le graphique suivant présente la méthode LIME appliquée à deux individus pour le modèle de forêt aléatoire optimisée et entraînée sur la base rééchantillonnée avec la méthode ROSE.
En conclusion, les modèles d’apprentissage statistique de
notre analyse s’avèrent plus performants que le GLM. Dans cette étude, et en
pratique, l’algorithme de forêt aléatoire optimisé et entraîné sur une base
rééchantillonnée avec ROSE semble être un bon compromis pour modéliser la
fréquence des graves en assurance automobile. D’une part, ce modèle est
particulièrement performant, bien plus que le GLM habituellement utilisé ou
qu’un arbre de décision classique. D’autre part, son optimisation est aisée et
rapide contrairement à l’extreme gradient
boosting – sensiblement plus consommateur de temps. Ceci représente un
atout majeur lors de son application par une structure d’assurance. Enfin, divers
outils peuvent être mis en place pour rendre ce modèle interprétable (graphique
représentant l’importance des variables, partial
dependence plots, ou la méthode LIME). Le tableau ci-dessous synthétise ces
différentes notions points pour les quatre modèles testés dans cette étude.
Modèle
Interprétabilité des résultats
Facilité d’explication de l’algorithme
Pouvoir prédictif*
Facilité à paramétrer**
GLM
Facile
Facile
1
Facile
Arbre de décision
Facile
Assez facile
2
Moyen
Forêt aléatoire
Difficile
Plus difficile
3
Moyen
XG
Boost
Difficile
Plus difficile
4
Difficile
* Indice de 1 à 4 : 1 étant le moins prédictif et
4 le plus prédictif
** Dans notre étude la forêt aléatoire a été optimisée
pendant deux heures alors que l’extreme
gradient boosting a été optimisé pendant une journée.
QQ-plot, graphique de Hill, graphique de dépassement
moyen, et graphique de Gerstengarbe
Local
Interpretable Model-Agnostic Explanations (LIME) permet d’obtenir des
informations sur une observation précise et sur les variables les plus
influentes dans la prédiction de celle-ci. [...]
Lire la suite…
31 janvier 2019A l’ère de la révolution numérique en santé, deux
enjeux se dessinent plus particulièrement : l’accès aux soins à distance et
l’exploitation des données de santé.
La télémédecine, une nouvelle pratique médicale ?
On définit l’e-santé comme étant l’usage des
techniques de l’information et de la télécommunication dans le domaine de la
santé et du bien-être. Le patient devient dans cette démarche acteur de sa
santé.
L’innovation numérique principale dans le domaine
médical qui pourrait être citée est la télémédecine. Ce terme désigne des
prestations santé à distance et l’échange d’informations médicales tout en
s’appuyant sur la technologie des télécoms et du numérique. Elle permet de
mettre en relation un patient et un ou plusieurs spécialistes de la santé.
Cette santé dite « connectée » a
l’atout d’être dématérialisée.
De ce fait, la télémédecine peut apparaitre comme
une solution à exploiter pour pallier les problèmes des déserts médicaux. En
effet, ce sujet étant de plus en plus préoccupant, la télémédecine, et plus
précisément la téléconsultation, peuvent se révéler être une solution efficace.
A titre d’exemple, d’ici 2020, tous les Ehpad situés dans les déserts médicaux
devront être équipés d’un matériel de téléconsultation.
Cette nouvelle manière de soigner peut faciliter
l’accès aux soins notamment pour les personnes âgées, à mobilité réduite, ou
encore atteintes de maladies chroniques et nécessitant un suivi régulier voire
quotidien, en leur permettant de ne pas se déplacer.
Il est cependant important de souligner que la
télémédecine n’a pas pour vocation de remplacer la médecine traditionnelle,
elle permet de s’affranchir avant tout des barrières géographiques.
2018 est une
année déterminante pour la télémédecine du fait de l’issue positive des
négociations menées pour la prise en charge de la téléconsultation par la
Sécurité sociale. En effet, l’assurance maladie et les syndicats de médecins
sont parvenus à un compromis débouchant sur la prise en charge et la
généralisation de la télémédecine à partir du 15 septembre 2018. Avec de nombreux acteurs de l’assurance intégrant des
start-ups spécialisées en e-santé au cœur de leurs stratégies, plusieurs
plateformes sont mises en place afin d’accéder à la téléconsultation
(téléphone, messagerie instantanée, visioconférence et autres). Pionnier du
domaine avec 10.000 téléconsultations par an, Axa a prévu d’innover au cours de
2018. L’assureur ayant déjà installé des cabines de téléconsultations
directement chez certaines entreprises clientes, développera plus massivement
ce concept pour les clients de sa complémentaire santé. Elles permettront aux
salariés d’entrer en communication avec des professionnels de santé afin
d’effectuer des diagnostics ou des examens complémentaires (tension, rétine).
La Data Science au cœur de la santé
Le traitement des données par les organismes
d’assurance est une question primordiale notamment au moment même où de
nouvelles contraintes s’imposent avec l’entrée en vigueur du RGPD. Ce sujet
doit être étudié et suivi avec la plus grande rigueur.
La mise en place d’un entrepôt de l’ensemble des
données interne à disposition des organismes d’assurance puis alimenté par des
données externes permet la réalisation d’études de plus en plus pertinentes
avec cet enrichissement des données.
En effet la France dispose de la plus importante
base de données médico-administrative au monde, le SNDS (Système National des
Données de Santé).
Alimentée par plus de 1,2 milliard de feuilles de
soins annuelles envoyées à l’Assurance maladie, cette base comprend non
seulement l’ensemble des diagnostics réalisés par les médecins, les actes et les
médicaments prescrits, mais également le remboursement de l’Assurance maladie
pour chaque acte réalisé. Dans le respect du RGPD (Règlement Européen sur la
protection des données), ce volume important de données permet, avec
l’utilisation de méthodes statistiques issues de la Data Science, d’améliorer
les stratégies de réduction du coût de la santé, d’optimiser le parcours de
soin, et de travailler plus en amont les questions de prévention.
Le SNDS permet entre autres de réaliser des
études épidémiologiques visant à évaluer la distribution des maladies et des
facteurs qui y contribuent sur les populations humaines et ainsi améliorer les
actes les préventions. Des études statistiques peuvent aussi être réalisées afin
d’évaluer le coût pour l’Assurance maladie d’une pathologie donnée et donc de
maitriser le budget selon les pathologies existantes. Cette démarche facilite aussi
notamment la veille sanitaire en évaluant en temps réel les maladies et en
ajustant les niveaux d’alerte.
L’e-santé et la Data Science sont deux pistes
d’avenir dans le domaine de la « santé numérique ». Le Gouvernement,
les organismes d’assurance, les start-ups et les réseaux de soins se sont
saisis du sujet pour trouver les solutions les plus pertinentes. Galea suit et travaille
ces sujets dans le cadre de ses missions. [...]
Lire la suite…
29 janvier 2019Intelligence artificielle,
Big Data, Data Science, Machine Learning, Deep
Learning, … De plus en plus d’acteurs du marché de l’assurance santé
ou du monde médical s’intéressent à ces notions relativement nouvelles. En
effet, du fait de l’augmentation exponentielle des capacités de stockage, les
bases de données se multiplient et s’enrichissent : on parle alors de Big Data. C’est dans le but de traiter
et d’analyser au mieux cette masse nouvelle de données qu’est née la discipline
des Data Science. Celle-ci peut être
définie comme un mélange entre les mathématiques, les statistiques et l’informatique
et emploie des méthodes d’un nouveau genre. L’assurance santé n’échappe pas à
ce phénomène : le nombre de bases de données disponible en open source sur internet ne cesse
d’augmenter. Néanmoins, les données santé restent un sujet sensible en France
et en Europe (RGPD) et leur potentiel n’est pas encore exploité en totalité.
Les modèles Data Science permettent de gérer des bases de données de taille
importante et ainsi de valoriser au mieux les données à disposition. Pour aller
plus loin, ces modèles peuvent également autoriser la prise en compte de
nouvelles variables d’origine externe. En effet, les modèles de tarification ou
de suivi du risque en santé se basent le plus souvent sur des variables internes
à l’entreprise (Age du salarié, Ancienneté du contrat, Catégorie
socio-professionnelle, …). Les données externes apportent de nouvelles
informations dans l’analyse de la consommation médicale des salariés. Ces
nouvelles variables portent aussi bien sur l’environnement socio-économique
(nombre d’équipements de santé dans la commune ou dans le département, revenu
médian, structure démographique, etc.) que sur le domaine d’activité de
l’entreprise considérée (proportion de cadres ou d’ouvriers, statistiques sur
la concurrence, résultats, etc.). La mise en place de ces modèles, avec
l’apport de nouvelles données, permet de mieux cerner les besoins spécifiques
de l’entreprise, d’améliorer le pilotage des contrats et d’envisager des
actions de prévention adaptées.
De plus, les modèles issus des Data Science nécessitent un temps
d’implémentation moindre que les modèles actuels et sont réputés plus agiles. Ils
présentent donc un avantage significatif dans un domaine où l’actualité est
particulièrement chargée avec la mise en place récente des contrats
responsables et celle future de la réforme « 100 % Santé ».
Une meilleure connaissance des
besoins et de la consommation des salariés sur la complémentaire santé peut ainsi
permettre :
Une amélioration du pilotage des régimes en anticipant les évolutions comportementales (identification des facteurs de consommation et projection des résultats, évolution des adhésions aux options en cas de modifications réglementaires et/ou des périmètres couverts, mesure de l’impact de l’absentéisme, etc.). La création de politiques de prévention plus ciblées et donc mieux adaptées avec pour objectif non seulement la maîtrise des dépenses de santé mais également la gestion de l’absentéisme. La Loi de modernisation du système de santé, promulguée le 26 janvier 2016, faisait d’ailleurs de la prévention un de ses trois objectifs principaux avec l’accès aux soins et l’innovation. Les dispositions du Projet de Loi de Financement de la Sécurité sociale pour 2019 semblent également poursuivre le développement de ces axes majeurs.
Galea vous accompagne dans le pilotage de vos régimes et la mise en place de techniques de Data Science grâce à ses Actuaires Data scientists. [...]
Lire la suite…
29 janvier 2019Les capacités technologiques augmentant à une vitesse vertigineuse, les
bases de données se multiplient et s’agrandissent. Face à cette nouvelle masse importante
de données, les modèles actuariels classiques deviennent perfectibles : la
discipline de la « Data Science »
est née.
Celle-ci peut être définie comme
une combinaison de techniques mathématiques, statistiques et informatiques et
emploie des méthodes d’un nouveau genre. A l’origine évoquée dans des domaines
tels que l’astronomie ou la génétique, ces notions peuvent désormais s’élargir
à différentes sortes d’applications (politique, sport, médecine, etc.). Dans le
domaine de l’assurance et de l’actuariat, ces différentes notions ont fait leur
apparition plus récemment, au début des années 2010. Bien qu’étant encore en
phase de développement, leurs possibilités d’utilisation sont déjà nombreuses :
tarification, suivi des risques, détection de la fraude, étude des comportements
(résiliations, versements, arbitrages notamment), marketing prédictif, etc.
Les modèles dits « Data Science » possèdent quelques
particularités qui peuvent légitimer leur utilisation dans le monde des
assurances en lieu et place des modèles « traditionnels ». Ces
modèles traditionnels, le plus souvent des modèles linéaires généralisés (ou
GLM), disposent d’avantages certains, le premier d’entre eux étant le fait
qu’ils sont connus et maîtrisés par le plus grand nombre. Cependant, certaines
étapes de leur implémentation peuvent s’avérer chronophages. Le traitement des
données qui implique l’étude précise de la typologie des variables ou encore leurs
regroupements en classes dans le cadre de GLM, sont grandement facilités avec
les techniques de data science. Les modèles basés sur la théorie des arbres de
décisions,
par exemple, très populaires grâce à leur côté « graphique »,
acceptent aussi bien des valeurs quantitatives que qualitatives et les classes
de variables sont créées par le modèle lui-même. Néanmoins, certains modèles
issus des Data Science, du fait d’une
théorie initiale parfois complexe, peuvent être qualifiés de « boîte noire ». De fait, sans
supprimer l’ensemble des modèles et outils mis en place aujourd’hui, les
modèles Data Science peuvent être un
moyen efficace de challenger l’existant ou d’apporter quelques améliorations.
De plus, l’environnement des Data Sciences peut offrir de nouvelles
opportunités aux assureurs. En effet, les partenariats entre assureurs et start-up venant de domaines variés se
multiplient ces dernières années.
Dans le cadre de l’assurance santé, les modèles Data Science, par une étude plus poussée des données à disposition et l’intégration de données externes, permettent d’affiner l’analyse de la consommation médicale et d’identifier de potentielles dérives sur des groupes d’assurés présentant des caractéristiques communes. Selon une statistique communément admise dans le milieu de l’assurance santé, 20 % des assurés représentent environ 80 % des dépenses engagées. Connaître les caractéristiques de ces assurés particuliers est donc nécessaire : non seulement pour anticiper les dérives et piloter la sinistralité mais surtout pour développer des actions de prévention adaptées.
Galea peut vous accompagner sur ces différents sujets pour optimiser l’utilisation de vos données, pour auditer vos algorithmes ou encore pour vous aider à mettre en places la structure nécessaire au sein de votre entreprise.
CART, Random Forest, Gradient
Boosting, … [...]
Lire la suite…
22 novembre 2018Le marché de l’assurance fait face non seulement à une inflation réglementaire sans précédent mais aussi à des problématiques opérationnelles qui croient régulièrement.
En parallèle, émerge une inflation de solutions « innovantes », un vrai paradoxe !
Reportings constants, de plus en plus précis, nouvelles normes et contraintes réglementaires à absorber, recherche d’optimisation des coûts, nouvelle approche client, big data, nouveaux risques comme par exemple la tarification du risque cyber… Autant de challenges qui mettent les compagnies d’assurance face à des problématiques complexes.
Or à écouter le marché, les solutions ne manquent pas : automatiser les tâches répétitives, faire appel au « big data », brancher des « RPA » (i.e. robotiser), on saupoudre le tout d’intelligence artificielle, et c’est réglé ! Les problèmes sont résolus.
Qu’en est-il vraiment ? Tout cela existe, est vrai. Encore faut-il savoir comment s’y prendre ? quelles technologies ? pour qui ? quels outils ? quels moyens ? quels processus ? quels accompagnements des ressources humaines ? et enfin, pour quels résultats ?
Bill Gates dit : « Je crois en l’innovation et, la manière dont on obtient l’innovation est en subventionnant la recherche et en apprenant les fondamentaux ».
Que faut-il comprendre ? Il faut commencer par les bases, les fondements. Et cela s’applique à tous les acteurs et à toutes les innovations. L’objectif est bien de disposer d’innovations efficaces avec des processus parfaitement robotisés, fiabilisés et sécurisés.
Il est parfois plus pertinent de rester sur des outils historiques (Excel par exemple) pour gagner des jours de production, sur des calendriers, ô combien chargés.
Cela résume la démarche de Galea : Notre objectif est d’accélérer concrètement les projets d’optimisation opérationnelle et de proposer ou appliquer la solution technique la plus adéquates : automatisation ou robotisation. Apporter à la fois notre expertise métier et notre vision d’ensemble sur les problématiques concrètes auxquelles un assureur fait face. [...]
Lire la suite…