L'IA rendra-t-elle les primes d'assurance personnalisées moins chères? Voici pourquoi c'est une pente glissante

L'assurance est basée sur un principe de solidarité, mais cela est maintenant compromis par les algorithmes utilisés pour construire nos profils.

À mesure que ces algorithmes deviennent plus sophistiqués et précis, les primes deviennent de plus en plus personnalisées. Cela signifie que les profils «à haut risque» peuvent finir par exclure des régimes d'assurance car les coûts deviennent prohibitifs. La personnalisation a une certaine légitimité, mais elle doit être équilibrée avec un accès équitable à l'assurance.

Mais d'abord, il est important de comprendre que l'assurance est construite sur un paradoxe fondamental. D'une part, ses principes mêmes reposent sur un mécanisme collectif dans lequel chacun contribue en fonction de ses moyens et des avantages de la solidarité en cas de perte. D'un autre côté, les avancées technologiques, l'abondance croissante de données et les méthodes actuarielles de plus en plus raffinées poussent vers des prix de plus en plus individualisés.

L'ajout à cette tension est un cadre juridique de plus en plus exigeant qui interdit toute forme de discrimination basée sur des données sensibles, qui est parfois corrélée avec des facteurs de risque pertinents.

En tant que professeur de mathématiques à l'Université du Québec à Montréal (UQAM), je suis co-auteur de la Manuel d'assurance et auteur de l'assurance livre, des biais, de la discrimination et de l'équité récemment publiées. Je veux examiner le défi de concilier le regroupement basé sur la solidarité, qui est le fondement de l'assurance, les prix hyper-segmentés rendus possibles par les mégadonnées – sans exclure ou discriminant les assurés.

Segmentation des prix

Les compagnies d'assurance utilisent depuis longtemps la classification comme pilier de leur modèle d'entreprise: âge, sexe, occupation, zone géographique, antécédents de réclamation, etc.

En 1662, le statisticien anglais John Graunt a publié The Bills of Mortality, la première analyse statistique des dossiers de la mort de Londres. En 1693, l'astronome anglais Edmund Halley a développé le premier tableau de mortalité, qui a permis de calculer l'espérance de vie à chaque âge.

Ce travail a jeté les fondements de tarification différenciée en fonction de l'âge et du sexe, qui est resté longtemps les deux principaux critères de segmentation dans la vie et l'assurance mort.

Dans le même temps, après le grand incendie de Londres en 1666, les premiers contrats d'assurance incendie sont apparus: les entreprises ont collecté des données sur la nature des matériaux de construction et de la densité urbaine. Aux XVIIIe et XIXe siècles, les taux ont été segmentés en fonction de la proximité des bâtiments voisins et de la présence de services de lutte contre les incendies, donnant lieu aux premières « zones à haut risque » et « zones à faible risque ».

Avec la montée en puissance de l'automobile dans les années 1910 et 1920, les assureurs américains ont commencé à enregistrer systématiquement le nombre de réclamations, l'âge et le sexe des conducteurs. Dans les années 1920, plusieurs «classes» de taux ont été établies: de jeunes conducteurs, des conducteurs et des conducteurs expérimentés, ce qui a permis de fixer des primes en fonction de profils spécifiques.

Aujourd'hui, les actuaires ont accès à des algorithmes sophistiqués, à des outils d'apprentissage automatique et à un flot de données: les télématiques à bord, les appareils connectés, la géolocalisation, les comportements de conduite ou de style de vie, etc. Pour les assureurs, le raffinage de la segmentation leur permet de facturer chaque preneur d'assurance « à leur véritable niveau de risque », réduisant les effets de la subvention croisée des bons risques aux mauvais risques, tout en améliorant la rentabilité globale.

Cependant, les prix trop précis réduisent la mutualisation et peuvent rendre l'assurance très coûteuse, voire inaccessible pour certains segments à haut risque. En conséquence, les actuaires recherchent aujourd'hui un équilibre subtil entre la capture des bonnes informations pour différencier les profils et la préservation de la viabilité de la communauté assurée.

L'illusion de la personnalisation gagnante

En Europe, la proposition législative du cadre d'accès aux données financières (FIDA) donnerait aux assureurs un accès réglementé aux données financières des individus. Son objectif est d'affiner la connaissance du comportement de dépenses et de remboursement. Dans ce contexte, la promesse d'une tarification ultra-personnalisée augmente les espoirs de primes plus faibles, mais aussi des craintes d'un profilage excessif et de exclusions importantes.

Face à ce nouvel afflux de données, de nombreux clients considèrent la personnalisation comme une approche gagnant-gagnant: si je gère mieux mon budget, je bénéficierai d'une remise; Si mes habitudes d'épargne et de remboursement sont jugées vertueuses, ma prime d'assurance maladie diminuera; Si mon profil financier s'améliore, mon assurance habitation deviendra moins chère.

Cette logique de « pay-as-you live » ou « pay-how-you-drive » est attrayante: les individus croient qu'ils contrôlent leurs frais d'assurance grâce à leurs choix de style de vie.

Cependant, plusieurs points méritent d'être mis en évidence.

• Le principe de mutualisation n'est pas neutralisé; Ceux qui ne peuvent pas adopter les comportements les plus vertueux restent dépendants de la solidarité des autres. Même si les personnes les plus à risque paient plus individuellement, ceux qui sont moins à risque continuent de supporter une part des coûts grâce au principe de mutualisation.
• L'asymétrie d'information est renforcée, car l'assureur connaît mieux les statistiques que le client. Les offres personnalisées sont souvent basées sur des corrélations, parfois ténues, dont la signification est inconnue du client.
• Des produits hautement personnalisés peuvent forcer les plus à risque de suralimenter ou, à l'inverse, de renoncer complètement à l'assurance, sapant ainsi la mutualité.

Cela signifie que même lorsqu'il est amélioré par l'accès aux données financières, la «personnalisation» n'est pas nécessairement synonyme de «l'autonomisation» pour le consommateur.

Le cadre juridique

Le développement de Big Data dans l'assurance soulève des questions éthiques et juridiques importantes: dans quelle mesure les variables sensibles peuvent-elles être utilisées pour prédire le risque?

En France et dans l'Union européenne, la législation interdit explicitement la discrimination fondée sur des critères protégés tels que l'origine ethnique, le sexe, l'orientation sexuelle, le handicap, les croyances religieuses, etc. La directive Solvabilité II (UE) oblige les assureurs à utiliser des modèles de risque qui sont « transparents » et non discriminatoires.

Contrairement à l'Union européenne, qui interdit les prix différenciés sur la base de critères protégés (sexe, origine, handicap), le modèle québécois propose un cadre plus permissif. Bien que la Charte du Québec des droits et libertés de l'homme interdit également la discrimination, elle fournit des exemptions pour les assureurs: ils peuvent, lorsqu'un facteur est statistiquement pertinent, la tarification de base sur l'âge, le sexe ou l'état matrimonial.

Cette pratique, autorisée uniquement sur la base de la corrélation, soulève des questions.

Éthique, responsabilité sociale des assureurs

Au-delà de la simple conformité juridique, les pratiques éthiques et la responsabilité sociale des assureurs sont de plus en plus examinées par les associations de consommateurs et les médias, qui signalent les incidents de discrimination algorithmique et exercent une pression de réputation.

En conséquence, ces dernières années, les assureurs ont dû se demander, collectivement, comment garantir un accès équitable à leurs produits pour les populations vulnérables sans sacrifier la viabilité financière de leurs portefeuilles. Pour éviter l'exclusion, certains modèles innovants offrent des formules de «solidarité» ou des taux plafonnés.

Les assureurs sont confrontés à des exigences de transparence toujours croissantes. Pour éviter les perceptions de l'arbitraire, ils doivent expliquer clairement leurs critères de prix et rendre leurs méthodes de calcul accessibles. Enfin, ils doivent intégrer la protection des données et la confidentialité dans la conception de leurs produits («confidentialité par conception») afin de maintenir la confiance.

Les assureurs capables de concilier la personnalisation, l'équité et l'inclusion deviendront la référence pour les clients éthiques.

Réconcilier la solidarité et les données

Le défi, comme nous pouvons le voir, est considérable.

Cela ne nécessite rien de moins que de concilier la précision actuarielle avec les valeurs de redistribution et de solidarité qui ont soutenu la profession d'assurance.

L'avenir de l'assurance ne sera décidé qu'en résolvant cette tension. Il ne peut n'y avoir ni discrimination des prix purs ni personnalisation simple illusoire. Le secteur de l'assurance devra plutôt équilibrer les deux pour permettre à chacun de contribuer en fonction de ses risques et bénéficiez juste de la mutualisation des incertitudes de la vie.