L’enjeu est de trouver un juste milieu entre la mutualisation et une tarification plus responsabilisante.
Les assureurs ont toujours utilisé les données et les modèles mathématiques pour analyser et gérer le risque. Comme le souligne Florence Picard, présidente de l’École polytechnique d’assurances (EPA) et responsable du groupe de travail Big Data de l’Institut des actuaires, “les données constituent la matière première des actuaires”. Grâce au Big Data, à l’IA et aux algorithmes, les compagnies d’assurances peuvent désormais disposer d’une quantité beaucoup plus importante de données, provenant de sources variées, et surtout des moyens de traiter ces données.
Une évaluation plus fine du risque
L’utilisation de ces technologies numériques offre de nombreux avantages aux assureurs. En premier lieu, l’IA permet d’optimiser les processus internes et d’améliorer l’expérience client, en particulier lors de la survenance d’un sinistre. Grâce à l’IA, certaines démarches peuvent être automatisées pour des interventions plus rapides. On peut par exemple imaginer la mise en œuvre d’un algorithme de vision par ordinateur capable d’analyser les photos envoyées par l’assuré, ou d’un chatbot disponible 24h/24, 7j/7. Dans ce domaine, l’assurance paramétrique ouvre des perspectives intéressantes. Cette solution, qui s’appuie sur la blockchain et les smart contracts, permet une indemnisation automatique déclenchée lorsqu’un évènement se produit (généralement, quand un indice météorologique, mesuré par un satellite ou une station météorologique, dépasse un certain seuil). Elle ne nécessite pas l’intervention d’un expert pour évaluer les dommages, ce qui réduit les tarifs et accélère l’indemnisation. Déployée à l’origine, notamment par les banques de développement régionales, pour protéger les agriculteurs africains contre les aléas climatiques, l’assurance paramétrique commence aujourd’hui à se développer dans d’autres secteurs sensibles à la météo (comme l’agroalimentaire, les transports, l’énergie, etc.) et s’ouvre aux particuliers. Par exemple, l’assurance Fizzy, proposée par AXA de 2017 à 2019, leur permettait de se faire rembourser automatiquement le retard ou l’annulation d’un vol. Si, avec son entité AXA Climate, spécialisée dans la gestion du risque climatique, le groupe d’assurance français est bien placé sur ce marché prometteur, partout dans le monde – à commencer par l’Afrique –, des AssurTech se positionnent également. En Afrique de l’Ouest, on peut citer la jeune pousse malienne Oko, lauréate du Prix Orange de l’entrepreneur social en Afrique et au Moyen-Orient en 2018, qui fournit aux petits exploitants agricoles des pays émergents une solution d’assurance abordable et automatisée.
Mais la grande promesse des algorithmes assurantiels, c’est une meilleure connaissance client et une évaluation plus fine du risque en s’appuyant sur un couplage des données “traditionnelles”, issues, par exemple, des formulaires de déclaration du risque remplis par les clients, à de nouvelles données sur les comportements ou l’environnement des individus.
Les enjeux éthiques
L’utilisation de ces données soulève toutefois des interrogations. Dans son “Rapport sur les enjeux éthiques des algorithmes et de l’intelligence artificielle”, la Commission nationale de l’informatique et des libertés (CNIL) indique que la personnalisation des contenus et des services induite par l’omniprésence des algorithmes pourrait potentiellement porter atteinte à des logiques collectives. Plusieurs acteurs craignent notamment que cette dynamique ne remette en cause le principe de mutualisation des risques, un des piliers de l’assurance. Dans son rapport, la CNIL souligne également que “les algorithmes et l’intelligence artificielle peuvent susciter des biais, des discriminations, voire des formes d’exclusion”. Les individus jugés “à risque” pourraient voir le tarif de leurs cotisations augmenter en fonction de leur état de santé (ou de comportements jugés risqués, comme la consommation d’alcool, le manque d’activité physique ou une mauvaise alimentation), voire même être écartés de l’assurance.
Ces questions se posent notamment pour la prise en compte des données de santé dans le cadre de l’assurance complémentaire. Citée dans le rapport CCNE-CERNA “Numérique & Santé”, France Assos Santé relève par exemple que “la connaissance par l’assureur de la pathologie de l’assuré pourrait amener à ce que la solidarité catégorielle des assurances complémentaires soit aménagée pour tenir compte du niveau de risque de la pathologie considérée. C’est ce que l’on appelle la stratification des clientèles en fonction du risque.”
Pour Florence Picard, l’assureur a toutefois tout intérêt à maintenir le pilier de la mutualisation. “Plus cette mutualisation repose sur une segmentation large, plus le risque est maîtrisable, car l’écart entre le tarif qu’il a établi ou les provisions qu’il a calculées est faible. Plus il affine les catégories, plus le risque d’erreur est important.”
Pourtant, les assureurs proposent déjà aux clients qui le souhaitent certains contrats s’appuyant sur des données comportementales. Par exemple, le “Pay how you drive” consiste à adapter la prime d’assurance au style de conduite, une personnalisation de l’assurance automobile rendue possible par l’installation d’un boîtier dans le véhicule ou d’une application mobile sur le smartphone du conducteur. Cette forme d’assurance pourrait-elle s’étendre à d’autres types d’assurances ? Peu probable, selon Florence Picard pour qui l’idée d’une tarification individuelle n’a pas de sens. “Le juste prix n’existe pas. Les primes servent à régler les sinistres qui surviennent à quelques-uns seulement. Pour tous ceux qui ne sont pas confrontés au sinistre, les cotisations seront toujours trop élevées ; pour les autres, pas assez. C’est le principe même de l’assurance. L’enjeu, poursuit-elle, est toujours de trouver un juste milieu entre la mutualisation et une tarification plus responsabilisante.”
La dimension réglementaire
Qu’en est-il du cadre réglementaire ? Tout d’abord, la loi interdit d’utiliser certaines données, comme le genre ou la “race”. Les assurances et les mutuelles ne peuvent donc pas prendre en compte ces données pour établir une tarification. D’autre part, le Règlement général européen sur la protection des données (RGPD), qui reprend les grands principes de la loi Informatique et Libertés de 1978, renforce la protection des données personnelles et entend accorder plus de contrôle aux citoyens sur leurs données. Il élargit la notion de données de santé, dont l’utilisation est interdite sauf dans certains cas précis définis par l’article 9. L’article 22 consacre également le droit de ne pas faire l’objet de décisions entièrement automatisées, pouvant découler d’un profilage, affectant de manière significative la personne concernée (comme l’application de tarifs plus élevés).
Cependant, le droit ne tient pas compte de tous les enjeux soulevés par les algorithmes selon la CNIL, qui s’est prononcée en faveur de l’élargissement du principe de loyauté des algorithmes pour prendre en compte leurs effets collectifs. Ce principe repose notamment sur l’idée que les critères d’un algorithme ne doivent pas entrer trop frontalement en opposition avec certains grands intérêts collectifs – comme la mutualisation – ni avoir pour effet de reproduire ou renforcer des discriminations.
Les acteurs de l’assurance prennent eux-mêmes des engagements. Par exemple, le groupe de travail Big Data de l’Institut des actuaires dirigé par Florence Picard a lancé une réflexion sur l’évolution du code de déontologie des actuaires à l’heure du Big Data. Ils créent un groupe de travail sur l’éthique et une norme professionnelle pour l’utilisation des données.
L’objectif est de trouver un juste équilibre entre l’exploitation d’un nombre accru de données, nécessaire pour développer les usages de l’IA, et certains grands principes (respect de la vie privée, non-discrimination, etc.) visant à protéger les citoyens.
