CIA (e)Bulletin/(e)Bulletin de l'ICA
 

Une étude de la SOA et de l’ICA donne un premier aperçu de l’utilisation de l’analyse prédictive dans l’industrie canadienne de l’assurance‑vie

Imprimer cet article | Envoyer à un collègue

par Jean-Yves Rioux, FICA

L’analytique prédictive offre les outils nécessaires pour mettre en œuvre une vaste gamme d’applications utiles dans le secteur de l’assurance de personnes. Comment les organisations canadiennes d’assurance‑vie tirent‑elles profit de ces outils?

Selon une nouvelle étude commandée par la Society of Actuaries et l’Institut canadien des actuaires, la plupart des sociétés canadiennes d’assurance‑vie sont confrontées à d’importants défis liés à la qualité des données, à la centralisation et aux procédures qui les empêchent d’exploiter tout le potentiel de l’analytique prédictive.

Analytique prédictive : appliquer des techniques statistiques pour étalonner un modèle à l’aide de données historiques afin de prévoir des événements futurs ou inconnaissables d’une autre façon.

L’étude intitulée L’utilisation de l’analytique prédictive dans l’industrie canadienne de l’assurance-vie, menée par Deloitte, a permis de sonder 15 organisations canadiennes du secteur de l’assurance‑vie qui groupaient des assureurs de première ligne, des réassureurs et des filiales d’assurances appartenant à des banques. L’étude représente le premier sondage d’analytique prédictive auprès de la communauté actuarielle qui est exclusivement axé sur le secteur de l’assurance de personnes au Canada.

L’étude a révélé que les applications les plus appréciées portaient notamment sur la souscription simplifiée, la détection de la fraude, le marketing ciblé et l’optimisation de la gestion des sinistres.

Il est essentiel de compter sur un vaste dépôt de données comportant des données propres, complètes et exactes pour tirer pleinement parti de tout programme ou initiative d’analytique prédictive. Toutefois, seulement 27 % des répondants au sondage ont indiqué qu’ils ont centralisé des données à un seul endroit dans l’organisation, ce qui indique un écart important pour la majorité de l’industrie. 

Participants au sondage

  • BMO Assurance
  • Valeurs mobilières Desjardins
  • Empire Vie
  • La Great-West, compagnie d’assurance-vie
  • Industrielle-Alliance
  • ivari
  • Manuvie
  • Munich Re
  • Optimum Re
  • Partner Re
  • RBC Assurances
  • RGA
  • SCOR
  • SSQ
  • Financière Sun Life

Qui plus est, de nombreux participants, surtout les petites et moyennes entreprises, ne considèrent pas que leurs données sont particulièrement complètes ou exactes. Les répondants de grandes organisations ont évalué l’exhaustivité et l’exactitude de leurs données à 4,0 sur 5. Cependant, les assureurs‑vie de moyenne et petite tailles ont accordé à leurs données une note de seulement 2,8 et 3,0 sur 5, respectivement, ce qui indique encore une fois qu’il y a place à l’amélioration.

Tous les répondants qui exécutent actuellement des projets d’analytique prédictive ont dit utiliser des données de tiers provenant de fournisseurs et d’organismes gouvernementaux pour compléter les leurs. Près des trois quarts (73 %) utilisent des données démographiques, 60 % ont recours à des données géographiques et plus de la moitié (53 %) emploient des données sur les réclamations, des données médicales et des données sur le crédit provenant de fournisseurs de données externes.

Les sociétés canadiennes d’assurance‑vie semblent également prêtes à utiliser de nouvelles technologies, comme les données portables et des capteurs, comme source de données pour l’analytique prédictive. Un cinquième des répondants ont dit recueillir et utiliser les données de cette façon, tandis que près de la moitié (47 %) étudient actuellement la possibilité d’utiliser des capteurs et des données portables, comme des moniteurs d’activité physique ou des montres intelligentes.

Priorités stratégiques

Les sondeurs se sont également adressé aux assureurs‑vie et leur ont posé des questions au sujet de leurs politiques de gouvernance concernant les données utilisées pour l’analytique prédictive. Compte tenu de la nature privée et délicate de l’information qu’ils traitent, tous les répondants ont indiqué qu’il est essentiel de mettre en place des politiques sur la confidentialité et la sécurité des données. D’importants risques juridiques, réglementaires, d’entreprise et d’atteinte à la réputation sont associés à l’exposition aux renseignements sur les clients – ou au vol ou au piratage – et il est clair que l’industrie a fait de la gestion de ce risque une priorité.

Parallèlement, on accorde moins d’importance aux politiques de gouvernance qui peuvent faciliter la modélisation prédictive. Par exemple, 60 % des répondants ont dit avoir mis en place des normes d’exactitude et de qualité des données, mais seulement 33 % disposaient de politiques ou de mesures de gouvernance concernant la normalisation des données.

Le sondage a révélé qu’un autre élément clé de la réussite du déploiement des initiatives d’analytique prédictive repose sur le leadership spécialisé et le soutien de la haute direction. Dans l’ensemble, 60 % des répondants ont dit avoir un chef de file des données de direction et un chef de file de l’analytique prédictive au sein de leur organisation, et un plus grand nombre de grandes sociétés que de sociétés de moyenne et petite tailles comptent de tels chefs de file.

Il n’est donc peut‑être pas surprenant que les grandes sociétés accordent davantage de priorité (4,7 sur 5) à l’analytique que leurs homologues de moyenne et petite tailles (3,1 et 3,0 sur 5, respectivement). Les entreprises qui n’ont pas coté l’analytique prédictive à titre de priorité absolue ont mentionné comme motifs l’existence d’autres projets prioritaires (50 %), la faible qualité des données internes (40 %), la difficulté à obtenir des données de multiples sources internes (40 %) et la nécessité de faire la preuve du rendement des investissements (40 %).

Équipes d’analytique

L’étude a également permis de recueillir des renseignements sur la taille et la composition des équipes d’analytique des assureurs‑vie canadiens. Le nombre moyen d’équivalents temps plein (ETP) affectés à l’analytique s’élevait à 10, les répondants de grande taille comptant de plus grandes équipes (25 ETP) que les répondants de taille moyenne (sept ETP) et de petite taille (deux ETP).

En moyenne, les statisticiens et les experts en analytique représentent environ 40 % de l’effectif en analytique des sociétés canadiennes d’assurance‑vie. Près de 50 % sont des experts du domaine, y compris des actuaires et des non‑actuaires. Les architectes et ingénieurs de données représentaient 8 % de l’effectif, et les informaticiens et le personnel des TI intervenaient pour 5 % de l’équipe d’analytique.

Bien que cette première étude sur l’utilisation de l’analytique prédictive par le secteur de l’assurance de personnes au Canada montre que la plupart des sociétés ont des difficultés à surmonter avant de pouvoir tirer parti du plein potentiel de l’analytique prédictive, il existe des signes prometteurs – en particulier dans les grandes sociétés – qu’elles sont sur la bonne voie. Si tous les assureurs‑vie peuvent maintenir l’accent sur les avantages, les efforts accrus à court terme en vaudront la peine.

Consultez l’étude intégrale. Écoutez le balado.

Jean‑Yves Rioux, FICA, est le président de la Commission sur la modélisation prédictive de l’ICA.

 

Retour à CIA (e)Bulletin/(e)Bulletin de l'ICA

Share on Facebook Share on Twitter Share on LinkedIn