Big Data, mutualisation et exclusion en assurance
Steiner, Rémi
Big Data, mutualisation et exclusion en assurance - 2018.
38
La théorie de l’assurance, en économie de marché, conduit les assureurs à différencier la tarification de leurs contrats en fonction du risque propre à chaque demandeur. L’exercice difficile de segmentation des risques qui en découle, en réduisant les effets de mutualisation, tend à combattre la fuite de clients vers la concurrence et les phénomènes d’anti-sélection. Le bon usage du Big Data, entendu comme la conjonction d’une croissance exponentielle des données collectées, notamment par l’essor des objets connectés, de l’ouverture des données publiques, d’une capacité de stockage presque illimitée de ces données et de techniques de traitement statistiques plus puissantes, est un des défis majeurs de la transformation numérique de l’assurance. Ces mutations peuvent donner naissance à des articulations contractuelles nouvelles, regroupées sous le nom d’« assurance comportementale », et elles peuvent soulever des questions sensibles d’utilisation de données personnelles. Le Big Data peut utilement réduire les phénomènes d’aléa moral et les asymétries d’information, mais il pourrait aussi provoquer des discriminations inacceptables, ce qui nécessiterait éventuellement un encadrement par la loi. Il n’est pas certain que les phénomènes d’exclusion, dont il ne faudrait pas occulter la réalité actuelle, seraient aggravés par le Big Data : l’inverse apparaît à la fois possible et souhaitable. The theory of insurance in a market economy leads insurers to set the premiums for policies as a function of the risks specific to policyholders. A hard question thus crops up: how to segment risks so as to reduce the effects of pooling them and thus keep clients from taking their business to competitors? Answering this question now involves using big data, a phenomenon referring to: the exponential growth of the data collected (in particular via connected devices), the opening of public data, the nearly unlimited storage facilities for data, and powerful statistical tools for processing them. The “right” use of big data is a major issue in the insurance industry’s digital transformation; it might lead to new practices grouped under the label “behavioral insurance”. Sensitive questions arise about how personal data are to be used. Big data can serve to reduce “moral risks” and the “asymmetry of information”, but could also lead to unacceptable forms of discrimination, which would eventually entail laws and regulations. It is not certain that big data will aggravate the exclusion of certain groups from insurance (a phenomenon not to be overlooked); the opposite might be possible (and would be desirable).
Big Data, mutualisation et exclusion en assurance - 2018.
38
La théorie de l’assurance, en économie de marché, conduit les assureurs à différencier la tarification de leurs contrats en fonction du risque propre à chaque demandeur. L’exercice difficile de segmentation des risques qui en découle, en réduisant les effets de mutualisation, tend à combattre la fuite de clients vers la concurrence et les phénomènes d’anti-sélection. Le bon usage du Big Data, entendu comme la conjonction d’une croissance exponentielle des données collectées, notamment par l’essor des objets connectés, de l’ouverture des données publiques, d’une capacité de stockage presque illimitée de ces données et de techniques de traitement statistiques plus puissantes, est un des défis majeurs de la transformation numérique de l’assurance. Ces mutations peuvent donner naissance à des articulations contractuelles nouvelles, regroupées sous le nom d’« assurance comportementale », et elles peuvent soulever des questions sensibles d’utilisation de données personnelles. Le Big Data peut utilement réduire les phénomènes d’aléa moral et les asymétries d’information, mais il pourrait aussi provoquer des discriminations inacceptables, ce qui nécessiterait éventuellement un encadrement par la loi. Il n’est pas certain que les phénomènes d’exclusion, dont il ne faudrait pas occulter la réalité actuelle, seraient aggravés par le Big Data : l’inverse apparaît à la fois possible et souhaitable. The theory of insurance in a market economy leads insurers to set the premiums for policies as a function of the risks specific to policyholders. A hard question thus crops up: how to segment risks so as to reduce the effects of pooling them and thus keep clients from taking their business to competitors? Answering this question now involves using big data, a phenomenon referring to: the exponential growth of the data collected (in particular via connected devices), the opening of public data, the nearly unlimited storage facilities for data, and powerful statistical tools for processing them. The “right” use of big data is a major issue in the insurance industry’s digital transformation; it might lead to new practices grouped under the label “behavioral insurance”. Sensitive questions arise about how personal data are to be used. Big data can serve to reduce “moral risks” and the “asymmetry of information”, but could also lead to unacceptable forms of discrimination, which would eventually entail laws and regulations. It is not certain that big data will aggravate the exclusion of certain groups from insurance (a phenomenon not to be overlooked); the opposite might be possible (and would be desirable).
Réseaux sociaux