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 ?)

Insuring AI: New risks? New models?

Recently, Lukasz Szpruch, Agni Orfanoudaki, Carsten Maple, Matthew Wicker, Yoshua Bengio, Kwok-Yan Lam and Marcin Detyniecki posted a paper entitled Insuring AI: Incentivising Safe and Secure Deployment of AI Workflows. I came across it recently, and it strikes me as a good opportunity to complement the post I published last month, Insurers and Insurers and AI, a systemic risk The paper starts from a diagnosis that many people share: AI is spreading everywhere, and with it come risks that are hard to measure (sometimes already present but “silent” in existing insurance policies). The authors argue for dedicated insurance (AI insurance) and governance. They also emphasize (i) the lack of historical data, (ii) the dynamic nature of models, (iii) accumulation/correlation risks, and they conclude that a “paradigm shift” in pricing is needed: moving away from past experience toward a priori performance and evaluation data.

My point here is simple (and not polemical): this diagnosis is useful, but it leaves an important blind spot. A large part of these difficulties is not really new for insurance. They have structured, for decades, the scientific literature on insurability, accumulation, catastrophe modeling, uncertainty (epistemic vs aleatory), information asymmetry—and even the question of bias and discrimination. In other words: there are genuine novelties (speed, scale, technological dependencies, updates), but the methodological toolbox developed over more than a century is not outdated. If I dared, I would say it is precisely designed to deal with poorly observed, unstable, socially sensitive risks—provided it is extended with well-written contracts.
Continue reading Insuring AI: New risks? New models?

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 ?