Technologie dans le secteur de l’assurance: passé, présent et futur

  • FrançaisFrançais


  • Technologie dans le secteur de l'assurance: passé, présent et futur

    PAR SHRADDHA GOLED

    Shilpi Bhabhra, responsable de l’analyse et des sciences des données chez Acko General Insurance, était l’un des conférenciers invités lors de la première journée du Deep Learning DevCon 2020 (DLDC 2020). Tout comme le sujet de son discours, «Qui a évalué mon assurance», le contenu était tout aussi intéressant. À travers son discours, elle a mis en lumière la façon dont l’assurance numérique changeait rapidement la façon dont le risque est calculé et comment le montant de l’assurance variait de facteurs connus tels que l’âge et l’expérience à la couleur de la voiture et à la marque du téléphone du client.

    Le discours de l’orateur était globalement divisé en trois parties principales:

    • Informations générales sur l’assurance
    • Comment l’apprentissage automatique change la donne dans le secteur de l’assurance
    • Technologie nouvelle génération perturbatrice.

    Assurance et moyens de calculer le prix de la prime

    L’assurance, comme nous le savons, est le contrat entre un client et la compagnie d’assurance où le premier paie une prime à la seconde sur une base régulière. En cas de sinistre, ce montant est remboursé au client. Bhabhra a mentionné un point intéressant sur le fonctionnement du secteur de l’assurance, c’est-à-dire que, contrairement à d’autres secteurs, l’entreprise concernée doit d’abord décider du coût par rapport aux pertes éventuelles, et les pertes surviennent plus tard.

    Expliquant quelques méthodes traditionnelles de calcul du prix de l’assurance, l’orateur a parlé des méthodes de calcul du prix. La méthode la plus élémentaire du seuil de rentabilité, comme l’explique Bhabhra, est la méthode «sans profit ni perte». Le problème avec cette méthode est qu’elle est très simplifiée et peut ne pas être une méthode entièrement équitable. Bhabhra a illustré avec un exemple d’assurance automobile où les propriétaires de petites et grandes voitures paient la même prime dans le cadre de ce système, ce qui est injuste.

    Pour surmonter ce défi, la plupart des compagnies d’assurance adoptent tarification par cohorte. Ce type prend en compte des facteurs supplémentaires tels que le modèle et l’âge de la voiture, le prix de la salle d’exposition, etc. Cependant, même cette méthode ne détermine pas correctement le prix le plus approprié car elle ne prend pas en compte les facteurs de risque au niveau individuel tels que l’âge de l’utilisateur, comment la voiture est fréquemment utilisée, entre autres facteurs.

    «Cette méthode de tarification conduit à une assurance équitable, à des primes moins chères et à un avantage concurrentiel», a déclaré Bhabhra en expliquant la véritable méthode de tarification personnalisée cela dépend de «l’exposition au risque individualisée du client».

    En expliquant davantage, l’orateur a ensuite donné la dénotation mathématique du calcul du montant pur ou de la prime de risque, donnée par,

    Coût de la perte = Taux d’incident X Gravité

    Lorsque le taux d’incident, également appelé fréquence de réclamation, correspond à la probabilité que le client soit impliqué dans un accident et la gravité indique le montant susceptible d’être réclamé après un accident.

    Il est très intéressant de noter que le taux d’incidents peut dépendre de facteurs apparemment sans rapport, tels que si vous faites un voyage planifié ou soudain, si vous êtes marié et avez des enfants ou même votre histoire de challan sur la route. De même, le facteur de gravité peut également dépendre de facteurs tels que la couleur de la voiture ou la marque de téléphone que vous utilisez.

    Apprentissage automatique dans le secteur de l’assurance

    Passant ensuite aux types de techniques de modélisation actuellement utilisées dans le secteur de l’assurance, l’oratrice Bhabbhra a d’abord parlé du modèle linéaire généralisé (GLM), qui, selon elle, est suivi par 95% de l’industrie. En outre, les observations suivantes ont été faites:

    • GLM est la technique utilisée depuis quelques décennies
    • Sa popularité réside dans une mise en œuvre facile et une interprétation plus simple

    Soulignant le passage progressif de l’industrie vers des modèles basés sur l’apprentissage automatique, l’orateur a énuméré des techniques telles que la forêt aléatoire, la machine de renforcement de gradient (GBM), le modèle additif généralisé (GAM) et les réseaux de neurones. Citant un article intitulé Boosting Insights on Insurance Tariff Plans With Tree-Based Machine Learning Methods, Bhabhra a déclaré: «Tout en comparant différents modèles – arbre, forêt aléatoire, GBM, GLM et GAM, pour les mêmes données, les méthodes classiques GLM et GBM ont surperformé tree et RF, cependant, GBM les a tous surclassés. »

    En dehors de ces techniques, Bhabhra a également expliqué en détail l’analyse SHAP, qui émerge rapidement comme la méthode préférée pour l’interprétation.

    En réfléchissant à la mise en œuvre de modèles basés sur l’apprentissage automatique dans son organisation mère, Bhabhra a partagé les enseignements suivants:

    • Concentrez-vous sur la collecte de données dès le premier jour
    • Au début, implémentez des modèles plus simples avec des variables limitées
    • Construisez plusieurs modèles et choisissez le meilleur parmi eux

    Technologies du nouvel âge

    Dans la dernière partie de son discours, l’oratrice a parlé des technologies du nouvel âge qui trouvent de plus en plus d’applications dans le secteur de l’assurance. Elle a notamment parlé de la télématique et de l’assurance à l’usage.

    La télématique est une méthode par laquelle un véhicule est surveillé à l’aide du GPS et des diagnostics embarqués pour enregistrer son mouvement sur une carte informatisée. «De nombreuses compagnies d’assurance offrent des rabais aux personnes ayant des appareils télématiques installés dans leurs véhicules. L’autre avantage de l’utilisation de la télématique est que si vous appartenez à la catégorie à haut risque, l’utilisation de la télématique peut aider à réduire l’évolution du risque », a déclaré Bhabhra.

    D’un autre côté, le système d’assurance basée sur l’utilisation (UBI) est un système «payez à la conduite et comment vous conduisez». Dans ce cas, le risque est calculé en temps réel qui dépend de la distance parcourue, où et comment.

    Dans sa note de fin, Bhabhra a révélé que les gouvernements du monde entier font pression pour une assurance basée sur la tarification individuelle, car la tarification basée sur le risque, comme dans le cas de l’UBI, conduit à une conduite prudente et, par conséquent, à une sécurité routière accrue.




    Source

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *