Contexte & enjeux
Dans l’assurance IARD, la robustesse des provisions techniques conditionne la fiabilité des états financiers, la solidité prudentielle et la confiance des parties prenantes. Notre client observait des écarts récurrents entre provisions prévues et réalisées, des pratiques hétérogènes par lignes d’activité et un processus de calcul trop manuel, source de délais et de risque opérationnel. L’objectif était de fiabiliser les méthodes et d’industrialiser le calcul de bout en bout.
Objectifs
- Converger vers un cadre méthodologique homogène et documenté.
- Mettre à jour les modèles statistiques de provisioning (fréquences/coûts, triangles, liens âge-coût, tail factors).
- Automatiser le calcul et la production des états pour réduire les risques et les délais.
- Renforcer la transparence réglementaire (audit trail, justification des hypothèses).
Solution mise en place
1) Audit méthodologique
- Revue des méthodologies par branche (auto, MRH, RC, PJ, etc.) et des hypothèses sous-jacentes.
- Analyse des écarts historiques (prévision vs. réalisé) et identification des causes racines.
- Cartographie des données, des contrôles et des points de fragilité opérationnelle.
2) Mise à jour des modèles statistiques
- Actualisation des triangles et facteurs (Chain Ladder/Bornhuetter-Ferguson selon périmètres).
- Modèles par ligne et sous-portefeuille (segments de risque, saisonnalité, effets calendrier).
- Back-testing systématique et documentation normalisée des hypothèses.
3) Automatisation du calcul via scripts
- Développement de scripts (R/Python/SQL selon SI) pour ingestion, calcul et production des tableaux.
- Chaîne contrôlée : logs, contrôles automatiques, audit trail, relance en cas d’anomalie.
- Génération automatique des rapports de provisioning pour validation management/risques.
Cas d’usage IA & data
- Détection d’anomalies dans les séries (pics, ruptures de tendance, erreurs de codification).
- Modèles prédictifs pour estimer les claims incurred but not reported (IBNR) par segment.
- Tableaux de bord interactifs pour simuler l’impact de paramètres (tail factors, choix de méthode).
Résultats obtenus
-15 %
d’écarts constatés
+Transparence
réglementaire (audit trail)
- Réduction de 15 % des écarts entre prévision et réalisé sur 12 mois glissants.
- Documentation et justification des hypothèses conformes aux attentes des auditeurs.
- Cycle de production plus rapide, fiabilisé et moins dépendant de tâches manuelles.
Témoignage
« Nous avons gagné en rigueur et en vitesse : la méthode est claire, le calcul est industrialisé et les écarts sont mieux maîtrisés. »
— Directeur Actuariat IARD