Le "Big Data" assurément

L’assurance est née dans un contexte où l’information était rare, coûteuse et difficilement manipulable. Que se passe-t-il dès lors qu’on entre dans un univers où l’information est surabondante, très peu coûteuse et très facilement manipulable ?

Un avis rendu par la cour de justice européenne en mars 2011 a fait l’effet d’un coup de tonnerre dans le secteur de l’assurance. En effet, cet avis annule la possibilité offerte par les assureurs de moduler leurs prix selon le genre pour ne pas enfreindre l’égalité de traitement entre hommes et femmes. Il n’est, dès lors, plus possible de proposer un tarif d’assurance automobile préférentiel selon que l’on est un homme ou une femme.

A vrai dire, cette décision révèle un changement plus profond dans la relation que porte les assurés ou sociétaires vis-à-vis de leurs sociétés d’assurance. Ils vivent comme une injustice d’être traités comme une variable socio-économique (genre, âge, appartenance à un groupe, etc.), et expriment un besoin d’individualisation de la relation basée sur leurs comportements d’usages.

Les informations comportementales à recueillir sont par définition nombreuses avec des volumes importants ce qui présuppose des moyens de stockage, de traitement et de restitution qui exploitent le paradigme « Big Data ».

L’assurance est née dans un contexte où l’information était rare, coûteuse et difficilement manipulable. Que se passe-t-il dès lors qu’on entre dans un univers où l’information est surabondante, très peu coûteuse et très facilement manipulable ?

1) Le "Big Data" au service des assureurs et de l’assuré de demain

Dans cette ère du "Big Data" où l’information est reine, le savoir et son mode de production se trouvent de fait profondément transformés, amenant les assureurs à revisiter leurs chaînes de valeur pour être en mesure de tirer des enseignements pertinents, que ce soit pour individualiser la relation avec leurs assurés, personnaliser la tarification des produits/garanties, automatiser la détection de fraudes en masse, etc.

Si nombre de sociétés d’assurance sont sensibles à la problématique, très peu se sont encore lancées concrètement dans le "Big Data".

Le moment idéal est pour faire le point sur les réflexions en cours, les domaines d’usage envisageables et de rappeler les facteurs clés de succès pour tous ceux qui souhaiteraient franchir le pas.

Les enjeux sectoriels du "Big Data"
  • Le "Big Data" pour individualiser la relation

Les technologies "Big Data" offrent de nouvelles possibilités d’analyse en corrélant des sources des données brutes jusqu’alors inexploitées. A l’image de Google qui propose un service de prévision de la grippe en corrélant les données d’actualités, les requêtes des internautes et les avis de pandémies, pourquoi ne pas imaginer un système équivalent pour anticiper les besoins des consommateurs en matière d’assurance (vie, corporelle, habitation...) ?

Les directions marketing et commerciales auraient, dès lors, un outil d’aide à la décision pour lancer des campagnes préventives auprès de leurs assurés ou favoriser un acte d’achat d’un produit d’assurance ciblé.

  • Le "Big Data" pour personnaliser la tarification des produits/garanties

L’actuaire a vécu durant des années dans une pénurie de données. L’utilisation de variables socio-économiques était le seul moyen simple de tarification des risques en isolant quelques critères clés.

Pour passer à la personnalisation du tarif, l’actuaire a besoin de variables comportementales observées tels que le fait de connaître si la pratique d’un sport est régulière (assurance à la personne), le fait de connaître la fréquence et les modes d’utilisation (nombre de kilomètres parcourus, utilisation diurne/nocturne) d’un véhicule (assurance dommage), de prévoir les intempéries ou encore le taux d’effraction dans une zone géographique (assurance habitation et dommages). Des données que l’assureur ne captera pas seulement au moment de l’établissement du contrat d’assurance. Il devra être en mesure de les croiser avec des données acquises hors de son périmètre de responsabilité afin de réduire son risque.

Certains assureurs ont fait un pas dans cette direction et commercialisent déjà des produits à tarification personnalisée. En termes d’assurance automobile, le "pay as you drive" exploite des boîtiers intelligents embarqués dans le véhicule. En termes d’assurance multirisques habitation le "pay as you live" se base lui sur diverses sources de données structurées et non structurées tels que les relevés météorologiques, l’activité sur les forums dédiés à l’assurance ou encore les réseaux sociaux.

  • Le "Big Data" pour automatiser la détection de fraudes en masse

Les méthodes traditionnelles de détection des fraudes à l’assurance exploitent des dépôts de plaintes, des rapports d’expertises, l’historique des fraudes antérieures, des listes noires, etc. sans pour autant exploiter toutes les sources de données, comme par exemple les appels aux services clients, l’activité des assurés sur les réseaux sociaux.

Autant de faits qui peuvent se révéler riches d’enseignements pour identifier le plus en amont possible les fraudes massives. Par sa capacité à révéler de la valeur cachée, à trouver une aiguille dans une botte de foin, le "Big Data" est en mesure de détecter les "signaux faibles", de les corréler à des tentatives de fraudes ou des fraudes avérées et ainsi d’en limiter les effets financiers pour l’assureur.

 2) Le "Big Data" assurément

Une question de technologies, mais pas seulement Les étapes à suivre

Si le métier n’exprime pas de cas d’usages précis, difficile d’imaginer qu’une initiative "Big Data" puisse réussir.

Les cas d’usage du "Big Data" étant tous loin d’être connus, il est cependant possible de tirer parti dès aujourd’hui des technologies "Big Data". Ces dernières permettent en effet d’adresser de façon plus efficace des problèmes déjà bien connus. Aussi, à défaut d’un cas d’usage métier disruptif coté calcul du risque ou prévention de ce même risque, il ne faut pas hésiter à commencer par regarder dans ces cas récurrents pour lesquels il n’y a pas aujourd’hui de réponse satisfaisante. Le "Big Data" peut apporter une réponse là où personne ne pense que l’on peut raisonnablement faire mieux : qualité des données, vision à 360°, connaissance client, analyse prédictive des ventes, gestion des connaissances, recherche d’information, optimisation des processus métier…

Autre point critique, le choix des technologies dans un marché sur-publicisé où tout le monde crie haut et fort que sa solution est "Big Data". Pour y voir clair, il est impératif de réaliser un démonstrateur (proof of concept) sur les sources d’informations candidates et dans les volumes cibles pour évaluer à la fois les technologies mais également, et surtout, la réelle faisabilité à extraire de la valeur des informations brassées. Les algorithmes de traitement peuvent se révéler très complexes à concevoir et à mettre en œuvre, sans parler des aspects sécurité.

  • Une concentration nécessaire des moyens et des ressources

Ingérer des données brutes plus ou moins qualifiées et structurées en quantité sans précédent et avec une vélocité croissante dans le système d’information, et en particulier les systèmes décisionnels existants, n’est pas sans poser de problématiques sur les plans organisationnel, méthodologique et technologique.

Avec le "Big Data", l’entreprise doit plus que jamais agir avec discipline et coordination, remettant au premier plan les sempiternelles questions de gouvernance des données et d’intégration avec le reste du système d’information.

Une initiative "Big Data" doit se baser sur une fondation SI à part entière, c’est-à-dire un socle commun méthodologique et technologique, durablement gouverné, financé et porté, par exemple, par un centre de services. Ce modèle d’organisation est particulièrement bien adapté au "Big Data" de par la transversalité de l’information et sa nécessaire cohérence à l’échelle de l’entreprise. Il permet de s’assurer que les données et/ou analyses issues du "Big Data" sont mises à disposition du plus grand nombre d’usages et que les efforts pour les produire ne sont pas dupliqués. Il doit s’accompagner également de la mise en place d’une une architecture technique mutualisée et d’une offre de services adaptée.

  • Un aspect légal à ne pas négliger

Une initiative "Big Data" doit impérativement inclure un volet juridique pour respecter les règlementations sur l’information (CNIL, etc.), qui définissent des principes à respecter pour la collecte, le traitement (corrélation) et la conservation des données, afin de garantir un certain nombre de droits aux personnes qu’elles concernent.

Elle nécessite aussi de vaincre les réticences des consommateurs à partager leurs données personnelles et en accepter l’utilisation par l’assureur avec ou sans contrepartie financière, comme par exemple la réduction d’une prime d’assurance automobile en contrepartie de la mise en place d’une boîte noire dans le véhicule.

A ce titre, les assureurs pourraient s’inspirer des initiatives autour de l’Open Data (à l’image d’une mutuelle d’assurance santé américaine qui met à disposition un "blue button" pour restituer les données personnelles à leurs sociétaires) et des travaux en cours de la FING.org* (la "confiance numérique" de D. Kaplan et R. Francou) pour engager une relation de confiance avec le consommateur.

*FING : Fondation Internet Nouvelle Génération

  • Accompagner la conduite du changement du personnel d’assurance et des équipes informatiques

Une initiative "Big Data" doit inclure un volet conduite du changement, notamment pour revisiter certains rôles et responsabilité ou compétences d’acteurs "assurance" et du système d’Information.

Coté métier, le rôle d’actuaire évolue pour couvrir de nouvelles natures de risques (climatiques, catastrophes naturelles, chutes brutales des marchés financiers, etc.) qui jusqu’alors n’étaient traditionnellement pas couverts faute d’instruments et outils d’analyses suffisamment précis. Un rôle de marketeur social apparaît également, qui exploite les analyses "Big Data" pour influencer les prospects, fidéliser ou retenir les clients existants.

Côté SI, un rôle de data scientist apparaît, qui dispose de solides compétences en modélisation statistiques, maîtrise les technologies du "Big Data" (Hadoop, R/S+…) tout en sachant communiquer et apporter les bonnes réponses aux métiers.

Conclusion : le « Big Data » : une nouvelle ère pour l’assurance et l’assuré ?

Assurément oui ! Si les technologies "Big Data" poursuivent leur essor et confirment leur pertinence, elles vont faire évoluer significativement le secteur de l’assurance. Elles sont véritablement l’occasion de favoriser une analyse de risque et une prévention individualisée sans remettre en cause l’idée mère de mutualisation.

Elles nécessitent, néanmoins, de bâtir une fondation "Big Data" solide qui couvre à la fois la gouvernance, l’offre de services et les technologies. De lever les freins sur le partage des données personnelles, d’accompagner la conduite de changement des acteurs métiers et SI.

Autour du même sujet