Category Archives: Actuarial science

Crue centennale de la Seine à 42 milliards d’euros ?

En fin de semaine dernière, L’Argus de l’Assurance titrait sur une estimation de la “crue centennale de la Seine”

Je voulais revenir dessus avec un (court) billet parce que j’ai toujours du mal à comprendre ce qu’une telle estimation veut (vraiment) dire. Au risque de me répéter (je le disais dans Catastrophes naturelles, catastrophes évitables ou imprévisibles ?) et c’est largement discuté dans Flood Risk Assessment and Management, le risque d’inondation (comme toutes les catastrophes naturelles) doit être compris comme le résultat d’interactions entre l’humain et la nature. Ça semble trivial à force de le répéter, mais son sens profond, c’est que si l’aléa est en partie coproduit (urbanisation, endiguements, réservoirs, règles de gestion), alors l’idée d’une période de retour de 100 ans ne peut pas être vue comme une constante de la nature, puisque c’est forcément un produit de nos choix.
Continue reading Crue centennale de la Seine à 42 milliards d’euros ?

Natural disasters, avoidable or unpredictable?

We’ve all seen the images. And they are incredible. Like many natural disasters.

On 25 January, Niscemi, a small Sicilian town, split in two, after the torrential rains associated with Storm Harry, leaving a scar several kilometres long. We saw roads collapsing, cars vanishing, houses left hanging on the edge of a void. More than 1,600 people were evacuated. In the Guardian article, we are reminded that this was not the first time. We are told that the very same area had already slid in the 18th century, and again in 1997, and yet construction continued, especially from the 1950s and 1960s onwards.

Could we have known? Did we already know? And if we did, why does it still happen? Almost inevitably, after every natural disaster, I find that these questions come back too, again and again… I thought I could write a short post to recall that, on the one hand, there are striking regularities in the way some disasters unfold. But on the other hand, “predictable” does not mean “avoidable”, because disaster is also a social fact, a story of vulnerability, exposure, and public choices (at the risk of repeating myself, I know).
Continue reading Natural disasters, avoidable or unpredictable?

From Premium to Contribution: Recovering Solidarity

This post was originally written and published in French, De la prime à la cotisation: retrouver la solidarité

Well, let’s start with something everyone can observe. Insurance has a bad image, a bad press. It is often suspected of being a cold bureaucracy, a paperwork industry, a partner that looks for loopholes precisely when you need it. We talk about premiums the way we talk about a price, and we end up judging insurance the way we judge a purchase. Did I “get my money’s worth” this year. Did I “lose” money if I had no claim. Was I a good customer if I kept quiet. With questions like these, the very idea of solidarity quickly feels out of place.

And yet, if we set aside the forms and the marketing campaigns, insurance is first and foremost a social technology. It makes a simple reality livable. Some events are rare, hit hard, and cannot be financed individually without tipping into ruin. Insurance says the following. We do not know when, we do not know who, we only know that one day someone will have an accident, fall ill, see their home damaged, or cause harm to someone else. And because we cannot decide in advance who that person will be, we choose to be many to carry the associated financial burden. We pool a small share of our resources, and we agree on rules so that, when the day comes, the burden is bearable. For everyone. It is not only a service, it is a common.

I had already tried to look at the issue from a concrete angle, the angle of claims settlement, and the way it can disenchant a tool that is, in principle, virtuous, in an earlier post When insurance falls apart, the silent crisis of claims settlement. And there are other posts too, revolving around pricing, perception, and what we truly expect from an insurance contract, such as The value of life, The paradoxes of segmentation and discrimination in insurance, Cheaper personalized insurance premiums thanks to AI, or Insurance, a zero sum game. But what was missing was a broader lens, more sociological, and probably more political too. And as often, going back to classic works in the social sciences helps clarify what is at stake.

Continue reading From Premium to Contribution: Recovering Solidarity

De la prime à la cotisation: retrouver la solidarité

Bon, commençons par un constat que tout le monde peut faire. L’assurance a mauvaise image, mauvaise presse. On la soupçonne d’être une bureaucratie froide, une industrie de paperasse, un partenaire qui cherche l’échappatoire au moment où l’on en a besoin. On parle de primes comme on parlerait d’un prix, et on finit par juger l’assurance comme on juge un achat. Ai-je “rentabilisé” mon contrat cette année ? Ai-je “perdu” de l’argent si je n’ai pas eu de sinistre. Ai-je été un bon client si je suis resté discret ? Avec ce genre de questions, l’idée même de solidarité paraît vite hors sujet.

Pourtant, si l’on met de côté les formulaires et les campagnes marketing, l’assurance est d’abord une technologie sociale. Elle sert à rendre vivable une réalité simple. Certains événements arrivent rarement, frappent fort, et ne sont pas finançables individuellement sans basculer dans la ruine. L’assurance dit ceci. On ne sait pas quand, on ne sait pas qui, on sait seulement qu’un jour quelqu’un aura un accident, tombera malade, verra sa maison endommagée, ou causera un tort à autrui. Et comme on ne peut pas décider à l’avance qui sera cette personne, on décide d’être plusieurs à porter le poids financier associé. On met en commun une petite part de nos moyens, et on s’accorde sur des règles pour que, le jour venu, la charge soit supportable. Pour toutes et tous. Ce n’est pas seulement un service, c’est un commun.

J’avais déjà essayé de regarder le problème par un angle concret, l’angle de l’indemnisation, et de la manière dont elle peut désenchanter un outil a priori vertueux, dans mon ancien billet Quand l’assurance se défait, la crise silencieuse de l’indemnisation. Et puis il y a d’autres billets, qui tournent autour de la tarification, de la perception, et de ce que l’on attend vraiment d’un contrat d’assurance, comme La valeur de la vie, Les paradoxes de la segmentation et de la discrimination en assurance, Des primes d’assurance personnalisées moins chères grâce à l’IA ?, ou encore L’assurance, un jeu à somme nulle?. Mais il manquait une grille de lecture plus large, plus sociologique, plus politique probablement. Et comme souvent, se replonger dans des classiques des sciences sociales aide à voir ce qui est en jeu.
Continue reading De la prime à la cotisation: retrouver la solidarité

Criminal Records, the Right to be Forgotten, and Inclusive Insurance

I just uploaded an article, “Criminal Records, the Right to be Forgotten, and Inclusive Insurance: Risk, Rehabilitation, and Data Governance in Underwriting“, written with David Schraub,

Criminal history information (CHx) is increasingly used in insurance screening and underwriting, yet it remains under-theorized in the inclusive insurance literature despite its potential to widen protection gaps through quote-gating, opaque third-party data pipelines, and limited avenues for correction. This article argues that criminalhistory underwriting is a joint problem of risk governance and information governance. Criminal justice information is time-sensitive and legally structured, but automated decision systems and vendor supply chains can operationalize it as durable stigma, particularly when records persist across brokers, archives, and derivative products that fail to reflect status changes such as sealing, expungement, or spentness. The article maps where CHx can enter the insurance lifecycle (pre-quote funnels, underwriting/pricing, claims and renewal) and identifies inclusion-relevant failure modes linked to provenance, data quality, update lag, and weak procedural safeguards. It then develops a conceptual framework distinguishing defensible risk relevance from digital punishment, and translates that framework into implementable mechanisms for more inclusive practice: redemption-by-design (time windows and decaying weights), data minimization and purpose limitation grounded in marginal predictive value, auditable vendor governance, and due-process safeguards providing actionable notice, explanation, and rapid correction. The article concludes with a governance standard for regulators and insurers: the key question is not whether CHx is used, but whether any use is demonstrably incremental, time-bounded, contestable, and governable across the data supply chain.

Correlation, Causation, Circumstance, Context

This post was originally written and published in French, Corrélation et causalité, circonstance et contexte

Let’s imagine we collected a few pieces of information, for a clearly identified individuals, via connected devices,

  • Thursday 18:30: a €45 purchase at a bar-tabac
  • Friday 13:15, 1 hour above Porte Saint-Martin
  • Saturday 14:00, 1 hour near Place de la République

Trying to make the data “speak”, we might hesitate between a first version

  • Thursday 18:30: a €45 purchase of cigarettes
  • Friday 13:15, 1 hour at the mosque, at prayer time
  • Saturday 14:00, 1 hour in a demonstration that started from Place de la République in the early afternoon

and a second version

  • Thursday 18:30: a €45 purchase of tax stamps
  • Friday 13:15, 1 hour at the gym
  • Saturday 14:00, 1 hour at the hairdresser’s, Place de la République

In other words: with the very same raw signal, we can build two perfectly coherent stories. This is not an artistic trick à la Sophie Calle; it is the standard situation as soon as we work with traces (geolocation, timestamps, spending, calls, driving). Data do not necessarily lie. But they underdetermine the narrative, because they allow several possible worlds. In insurance (and more broadly in the economy of prediction), we are used to taking correlations and turning them into decisions—not only to “understand”, but to price, classify, accept, refuse. The point is not to say this is illegitimate in principle. The point is to recall what we do when we only correlate, and what we forget when we have no context.

Continue reading Correlation, Causation, Circumstance, Context

Corrélation et causalité, circonstance et contexte

Imaginons qu’on ait collecté, pour une personne clairement identifiée, quelques informations sur Paris, via des objets connectés,

  • Jeudi 18:30 : achat pour 45€ dans un bar-tabac
  • Vendredi 13:15, 1h au dessus de la Porte Saint Martin
  • Samedi 14:00, 1h  proche de la Place de la République

En essayant de faire parler les données, on hésite entre une première version

  • Jeudi 18:30 : achat pour 45€ de cigarettes
  • Vendredi 13:15, 1h à la mosquée, à l’heure de la prière
  • Samedi 14:00, 1h  dans une manifestation qui partait de la Place de la République en début d’après midi

et une seconde version

  • Jeudi 18:30 : achat pour 45€ de timbres fiscaux
  • Vendredi 13:15, 1h au club de sport
  • Samedi 14:00, 1h  chez le coiffeur, place de la République

Autrement dit, avec un même signal brut, on a deux histoires parfaitement cohérentes. Ce n’est pas une pirouette artistique à la Sophie Calle, c’est la situation standard dès qu’on manipule des traces (géolocalisation, heures, dépenses, appels, conduite). Les données ne mentent pas forcément. Mais elles sous-déterminent le récit puisqu’elles autorisent plusieurs mondes possibles. En assurance (et plus largement dans l’économie de la prédiction), on a l’habitude de prendre des corrélations pour en faire des décisions. Pas seulement pour “comprendre”, mais pour tarifer, classer, accepter, refuser. Le point n’est pas de dire que c’est illégitime par principe. Le point est de rappeler ce qu’on fait quand on se contente de corréler, et ce qu’on oublie quand on n’a pas de contexte.

Continue reading Corrélation et causalité, circonstance et contexte

Real Estate Wealth and Climate Disasters

This post was initially written in French https://freakonometrics.hypotheses.org/87347

Last summer, I published in Le Monde (the French newspaper) a piece that started from an observation that has become commonplace and yet is still not fully absorbed by financial institutions. Extreme climate events are no longer marginal risks, and the banking sector is slow to grasp their implications. That op-ed, reposted on my blog under the (original) title Climate crisis the next time bomb for the financial system, was mainly an attempt to describe a perception gap, almost a difference in reflexes. On the one hand, there is an insurance perspective, reasoning in frequency, intensity, pooling, and a long time horizon. It accepts uncertainty, as long as it can be priced, and as long as the rules of the game remain stable. That is what I know well. On the other hand, there is a banking perspective. It reasons in collateral value, resale possibilities, default risk, and correlations. It rather quickly loses interest in the debate about annual probabilities if, in the end, the collateral becomes hard to liquidate. If I had to sum it up, insurers reason in probability and a long time horizon, while banks reason in collateral and a short time horizon. I admit it took me time to understand this point. As I recall, I really became aware of it in 2022, while reading House prices falling in flood-prone areas, in Quebec, and I rediscovered it this autumn, through Floods, drought… these climate hazards that push house prices down, this time in France. I wrote a post this autumn, Insurance, real estate, and the manufacturing of ignorance, taking advantage of some U.S. news on this topic. The point was that, for many decision makers, and probably also many citizens, the climate crisis remains an abstraction as long as no line in the accounts moves. It becomes urgent when an asset becomes less tradable.

Continue reading Real Estate Wealth and Climate Disasters

Patrimoine immobilier et catastrophes climatiques

L’été dernier, je publiais dans Le Monde un texte qui partait d’un constat devenu banal et pourtant encore mal digéré par les institutions financières. Les événements climatiques extrêmes ne sont plus des risques marginaux, et le secteur bancaire tarde à en prendre la mesure. Cette tribune, reprise sur mon blog sous le titre (original) Crise climatique : la prochaine bombe à retardement du système financier était surtout une tentative de décrire un décalage de perception, presque une différence de réflexes. D’un côté, on a une vision assurantielle, raisonnant en fréquence, en intensité, en mutualisation, en horizon long. Elle accepte l’incertitude, tant quelle est tarifable, et tant que les règles du jeu restent stables. C’est ce que je connais bien. De l’autre, une vision bancaire. Elle raisonne en valeur de garantie, en possibilité de revente, en risque de défaut, en corrélations. Elle se moque assez vite du débat sur la probabilité annuelle si, au bout du compte, le collatéral devient difficile à liquider. Si je résume, les assureurs raisonnent en probabilité et en horizon long, alors que les banques raisonnent en collatéral et en horizon court. J’avoue avoir mis du temps à comprendre ce point. De mémoire, j’en ai vraiment pris conscience en 2022, en lisant Chute du prix des maisons en zone inondable, au Québec, et que j’ai redécouvert cet automne, via Inondations, sécheresse… Ces fléaux climatiques qui font chuter le prix des maisons, cette fois en France. J’avais écrit un billet cet automne L’assurance, l’immobilier et la fabrique de l’ignorance profitant d’une actualité aux États-Unis sur ce sujet. Le point était que, pour bon nombre de décideurs, mais aussi probablement de citoyens, la crise climatique reste une abstraction tant qu’aucune ligne comptable ne bouge. Elle devient une urgence quand un actif devient moins échangeable.

Continue reading Patrimoine immobilier et catastrophes climatiques

Insurance, a Zero Sum Game?

This post was initially written in French https://freakonometrics.hypotheses.org/87034

The idea that the economy is a zero sum game is remarkably persistent. It comes up almost every time we talk about international trade, taxation, insurance, or redistribution. If someone gains more, someone else must necessarily lose. This intuition feels natural because it matches many everyday situations. When a price goes up, the buyer feels like they are losing what the seller is gaining. When an insurance premium is paid, the policyholder feels like they are funding other people’s claims. This intuition is also deeply anchored in our relationship with accounting. We learn very early that accounts have to balance. For a household, a firm, or a state, what is spent must match what is received. Spending more than revenue is perceived as an anomaly or a fault. Reasoning in terms of balanced accounts naturally leads us to reason in terms of flows that cancel out. Every expense mirrors a receipt. Seen from that angle, the economy looks like a vast system of transfers where the gains of some necessarily correspond to the losses of others.

Accounting reinforces this zero sum idea because it records monetary flows, not the indirect effects of decisions. It is indispensable for financial coherence, but it says nothing about value creation, the reduction of uncertainty, or risks that are avoided. An investment in prevention appears as a cost today, while the losses it prevents will never show up in the accounts. Likewise, a well designed insurance system can stabilize individual and collective trajectories without ever producing a visible accounting profit. This is exactly where the zero sum intuition becomes misleading. The economy is not reducible to accounting, even if it must live with it. Externalities, prevention, and risk management introduce mechanisms through which individual decisions change the size of the pie itself. Insurance is a privileged setting to observe this gap between accounting logic and economic logic. It looks like a zero sum game when we focus on the flows, but it can become a positive sum or a negative sum game when we focus on the behaviors it induces and the risks it avoids or amplifies.
Continue reading Insurance, a Zero Sum Game?

Key Updates du International AI Safety Report (1 et 2)

Si on croit les deux rapports International AI Safety Report, First Key Update – Capabilities and Risk Implications (publié en octobre) et Second Key Update – Technical Safeguards and Risk Management (publié en novembre) l’IA “de pointe” n’est pas seulement une affaire de performances spectaculaires, c’est une affaire de vitesse, d’exposition et d’outils de contrôle qui peinent à suivre. Le First Key Update commence par un constat intéressant, à savoir que le domaine “va trop vite”, et des changements majeurs se produisent “en quelques mois, parfois quelques semaines”. Ces rapports constituent la base d’un petit traité de gouvernance du risque en régime instable. Le premier raconte comment des changements techniques déplacent la frontière des usages possibles, et donc des dommages plausibles. Le second raconte comment le secteur tente de fabriquer de la sûreté (par couches, par procédures, par audits) tout en reconnaissant explicitement que l’efficacité des mesures reste incertaine et variable selon les contextes.
Continue reading Key Updates du International AI Safety Report (1 et 2)

Key Updates of the International AI Safety Report (1 and 2)

This post was initially written in French, https://freakonometrics.hypotheses.org/86935

If we take the two reports from the International AI Safety Report seriously, namely First Key Update published in October and Second Key Update published in November, then frontier AI is not only a story of spectacular performance. It is a story of speed, exposure, and control tools struggling to keep up. The First update opens with the observation that the field is moving too fast, with major changes happening within a few months, sometimes a few weeks. These reports amount to a compact treatise on risk governance under unstable conditions. The First explains how technical shifts move the frontier of possible uses, and therefore of plausible harms. The Second explains how the sector tries to manufacture safety layer by layer, through procedures and audits, while explicitly acknowledging that the effectiveness of current measures remains uncertain and context dependent.

Continue reading Key Updates of the International AI Safety Report (1 and 2)

Transformer un débat de marché (qui paie ?) en débat d’État (qui est responsable ?)

En début de semaine, j’écrivais un court article, Qui doit payer un risque lié à une défaillance de maintien de l’ordre ?, qui revenait sur un débat qui agite la presse spécialisée, et le petit monde des assurance. Et comme on commence à me solliciter sérieusement, je vais devoir travailler encore un peu. Et ce blog (mon carnet de recherche) me servira a gribouiller quelques notes de lectures.

Le sujet était remonté à la fin de l’été, par exemple dans L’Argus, sous la plume de , avec un article L’assurance cherche à partager le coût du risque émeutes, qui citait un directeur de Swiss Re qui affirmait alors

« L’augmentation du risque de manifestations dans la rue, d’émeutes, de troubles, de mouvements sociaux est un phénomène que l’on constate dans le monde entier, et c’est une inquiétude. Au final, quelqu’un doit supporter le coût de ces dégâts. »

Mais j’ai trouvé que le débat prenait une tournure intéressante quand un juge a dit, noir sur blanc, que l’État a failli dans une mission régalienne. J’en parlais en début de semaine, le communiqué du Tribunal administratif de Nouvelle-Calédonie, Maintien de l’ordre public pendant les émeutes de mai/juin 2024 (décision rendue publique le 15 décembre 2025), l’État a été condamné à verser à Allianz IARD un peu plus de 28 millions d’euros pour des préjudices survenus entre le 15 et le 17 mai 2024. Plus précisément, le tribunal retient une faute, en soulignant que l’État disposait “de délais suffisants” pour mettre en place des mesures “appropriées” et “assurer un niveau raisonnable de sécurité”, mais n’a pas pris la décision d’envoyer “en temps utile et en nombre suffisant” des forces de sécurité malgré des signaux convergents d’insurrection probable. Comme le montre Nathalie Tissot dans Émeute en Nouvelle-Calédonie : la justice condamne l’État à payer 28 millions d’euros à un assureur (dans L’Argus de l’assurance,la semaine dernière), l’affaire est explicitement racontée comme une “responsabilité de l’État engagée”, avec les mêmes mots sur le “niveau raisonnable de sécurité” et l’“envoi en temps utile et en nombre suffisant”.

Et c’est là que ça devient vraiment intéressant, que la question change de nature. Une assurance “émeutes” classique mutualise un risque social (on va y revenir). Une assurance “émeutes” qui, de fait, absorbe aussi des dommages directement liés à une carence fautive de l’État mutualise autre chose : un risque de défaillance publique. Dit autrement, on ne discute pas seulement “qui paie les vitrines”, mais “qui paie l’inefficacité (ou la faute) du maintien de l’ordre”. Je le disais rapidement et maladroitement dans Qui doit payer un risque lié à une défaillance de maintien de l’ordre ?, il y a des dommages liés au désordre social, et des dommages liés à une carence fautive de l’État ; dans le second cas, la mutualisation via surprime devient politiquement fragile, parce qu’elle peut fonctionner techniquement tout en produisant une injustice distributive si elle efface la faute publique.
Continue reading Transformer un débat de marché (qui paie ?) en débat d’État (qui est responsable ?)

Assurer l’IA. Nouveaux risques ? Nouveaux modèles ?

Récemment, Lukasz Szpruch, Agni Orfanoudaki, Carsten Maple, Matthew Wicker, Yoshua Bengio, Kwok-Yan Lam et Marcin Detyniecki ont mis en ligne un article Insuring AI: Incentivising Safe and Secure Deployment of AI Workflows, que j’ai récemment découvert, et qui me donne l’occasion de compléter mon article mis en ligne le mois dernier, Assureurs et IA, un risque systémique. L’article part d’un constat que beaucoup partagent : l’IA se diffuse partout, et avec elle des risques difficiles à mesurer, parfois déjà présents mais “silencieux” dans les polices d’assurance existantes. Les auteurs plaident pour une assurance dédiée (AI assurance) et une gouvernance. Ils insistent aussi sur (i) l’absence de données historiques, (ii) la dynamique des modèles, (iii) les risques d’accumulation/corrélation, et concluent à un « paradigm shift » de la tarification, de l’expérience passée vers des données a priori de performance et d’évaluation. Mon propos ici est simple (et non polémique) : ce diagnostic est utile, mais il laisse un angle mort important. Une grande partie de ces difficultés n’est pas vraiment nouvelle pour l’assurance. Elles ont structuré, depuis des décennies, la littérature scientifique sur l’assurabilité, l’accumulation, la modélisation de catastrophes, l’incertitude (épistémique vs aléatoire), l’asymétrie d’information et même la question des biais et de la discrimination. Autrement dit : il y a bien des nouveautés (vitesse, échelle, dépendances technologiques, mises à jour), mais la boîte à outils méthodologique, développée depuis plus d’une centaine d’années, n’est pas dépassée. Si j’osais, je dirais qu’elle est précisément faite pour traiter des risques mal observés, instables, et socialement sensibles, à condition d’être prolongée par des contrats bien écrits.
Continue reading Assurer l’IA. Nouveaux risques ? Nouveaux modèles ?