Tomorrow, François will present our joint work at the 17th Financial Risks International Forum “Big Data & Algorithmic Finance”, A Sequentially Fair Mechanism for Multiple Sensitive Attributes.
His slides are now available.
Tomorrow, François will present our joint work at the 17th Financial Risks International Forum “Big Data & Algorithmic Finance”, A Sequentially Fair Mechanism for Multiple Sensitive Attributes.
His slides are now available.
This morning, I will be giving a talk for the Thelem-ILB Chaire (Thelem – historically compagnie d’assurance mutuelle contre l’incendie dans le département du Loiret – founded in 1820, one of France’s oldest companies), on fairness and discrimination in insurance, and more specifically on counterfactual fairness, and causal graphs. It is based on recent work with Olivier Côté, our PhD student in Laval (Québec), co-supervised with Marie-Pier,
Slides are available online. I can mention here that we obtained a grant from the Thelem-ILB Chaire to sponsor a trip in Europe for Olivier, to attend the Insurance Data Science conference in London, and the 26th International Congress on Insurance: Mathematics and Economics in Edinburgh.
Sur Variances, un court article pour présenter le rapport remis au début de l’été à l’Institut Louis Bachelier, Assurance : Discrimination, biais et équité.
Les données massives et les performances obtenues par les algorithmes d’apprentissage automatique ont chamboulé l’assurance et l’actuariat. Les questions soulevées par ces nouveaux outils dans d’autres contextes (que ce soit la justice prédictive (ou justice “actuarielle” comme l’appelle Harcourt (2008)) ou les débats sur les fake news, en passant par les véhicules autonomes et la médecine prédictive) poussent les actuaires au doute, et à la méfiance. Kranzberg (1986) affirmait que “technology is neither good nor bad; nor is it neutral”, mettant en avant que, même sans mauvaises intentions, les algorithmes d’apprentissage pouvaient être injustes. Et corriger ces possibles injustices n’est pas simple. Pour Nielsen (2020), “technology does not necessarily self-regulate, via either market or social pressures” (la main invisible des marchés ou de la pression sociale ne suffira peut être pas). C’est dans ce contexte que nous allons revenir ici sur les problématiques de biais, de discrimination et d’équité, des modèles prédictifs utilisés en assurance. Ces changements, tant sur les données que sur les modèles, que l’on observe depuis une petite dizaine d’années, avaient déjà questionné l’existence même de l’assurance (à suivre).
The report Insurance, biaises, discrimination and fairness is now officially online on the website of the Institut Louis Bachelier.
Continue reading Insurance, biaises, discrimination and fairness
Le rapport Assurance, biais, discrimination et équité est officiellement en ligne sur le site de l’Institut Louis Bachelier.
I am delighted and honored to have been inducted as Academic Fellow by Institut Louis Bachelier. It’s a great opportunity to join such a distinguished group of scholars !
https://www.institutlouisbachelier.org/en/network-and-value/louis-bachelier-fellows/
Interview sur le site de l’Institut Louis Bachelier.
Generali France – filiale française de l’assureur italien – lance le programme Vitality à partir du 1er janvier 2017. Ce contrat d’assurance santé prend en compte pour la première fois des informations personnelles (alimentation, poids, mode de vie…) renseignées directement en ligne par l’assuré.
Cette offre d’assurance santé sera proposée aux entreprises qui souhaitent y adhérer, tandis que leurs salariés pourront y souscrire sur la base du volontariat.
À partir des données collectées, le programme Vitality propose des recommandations aux assurés pour améliorer leur bien-être. Les bons comportements seront ensuite récompensés par des cadeaux et des bons d’achat chez les partenaires commerciaux de Generali. Cette démarche permet ainsi de contourner l’interdiction légale de baisser les tarifs des assureurs les plus vertueux.
Alors que ce contrat d’assurance suscite des critiques de la part de consommateurs, Arthur Charpentier, responsable scientifique de l’initiative de recherche « Valorisation et nouveaux usages actuariels de l’information » a répondu à nos questions. Interview.
Generali s’attaque au marché de l’assurance santé collective en se basant pour la première fois sur le comportement, quel est votre sentiment sur ce nouveau produit d’assurance ?
Le lancement d’un produit d’assurance santé, qui analyse les données personnelles, ne constitue pas une surprise en tant que telle. Beaucoup d’observateurs s’y attendaient, car depuis deux ans la plupart des acteurs du secteur sont en réflexion sur ce sujet. Par ailleurs, il faut noter que des produits d’assurance automobile – qui relèvent les données liées à la conduite via un boitier télématique – existent déjà.
Oui, mais l’assurance santé est une problématique assez sensible en France.
Certes, mais il est légitime pour Generali de mettre un pied dans l’assurance santé collective, à travers la collecte de données. C’est un marché très important qui complète le régime de base de la sécurité sociale.
Ce produit d’assurance relativement segmenté remet-il en cause le principe de mutualisation caractérisant le secteur de l’assurance ?
L’assurance est un mécanisme solidaire de transfert des risques entre des assurés et des assureurs, où les conditions dont la prime sont fixées en début de période. Dans ce contexte, la tarification des contrats d’assurance est basée sur une prévision, faite ex-ante, qui ne peut pas être remise en cause durant la durée de vie du contrat (souvent un an).
Toutefois, sur les plans économiques et actuariels, le principe de mutualisation n’est pas « juste », ce qui explique l’apparition d’un début de segmentation sur certains produits d’assurance, en particulier automobile pour les particuliers.
En outre, les assureurs se sont déjà engouffrés dans des brèches en faisant payer davantage les assurances santé des personnes qui portent des lunettes par exemple.
Generali évoque la prévention dans sa communication autour de son nouveau produit. Cet argument est-il pertinent ?
La prévention est probablement le seul levier sur lequel les assureurs peuvent utiliser les données personnelles. C’est sur ce créneau qu’ils ont un coup à jouer, car la prévention confère des gains à l’ensemble de la collectivité (assureurs, assurés, pouvoirs publics). D’autant plus que sur le plan actuariel, le système de prévention est sain et juste.
Néanmoins, certains aspects peuvent être discutables comme encourager la pratique d’un sport : si la pratique sportive réduit les risques cardiovasculaires ou l’obésité, elle augmente les risques de fractures.
D’une manière générale, les assureurs donnent tout de même l’impression de vouloir être intrusif. Qu’en pensez-vous ?
Classiquement, les assureurs utilisent des proxy de variables non observables pour deviner le comportement des assurés, comme l’âge du conducteur principal ou la couleur du véhicule en assurance automobile. Dans le futur, les assureurs voudront certainement utiliser des variables directement liées aux modes de vie (alcool, fatigue…), ce qui est plutôt logique économiquement.
Que se passerait-t-il pour les personnes qui ne souhaiteraient pas divulguer des informations aussi personnelles ?
Les assurés qui communiqueront leurs données personnelles auront des incitations à le faire. Dans le cas de Generali, les assurés, qui prendront des engagements quant à leurs habitudes de vie, obtiendront des cadeaux et des bons d’achat chez des partenaires de l’assureur. Néanmoins, les personnes qui ne voudront pas donner accès à des informations personnelles pourraient être pénalisées, ce qui serait contraire à l’éthique.
Plus globalement, les assurés peuvent-ils craindre pour leur vie privée ?
Il ne faut pas faire preuve de naïveté, les assureurs disposent de beaucoup moins de données personnelles que les banques ou les opérateurs de téléphonie. Sans parler des géants du web comme Facebook. Il n’y aura donc pas davantage de flicage. Par exemple, dans le cas de Generali, les données qu’ils collecteront ont déjà été certainement divulguées par les assurés à d’autres.
En revanche, il reste encore beaucoup d’incertitudes au niveau de la CNIL (Commission nationale de l’informatique et des libertés) qui n’a pas encore clarifié sa politique sur ce sujet. La législation peut ainsi évoluer très rapidement, car c’est un chantier énorme avec beaucoup de parties prenantes. Par conséquent, les assureurs continuent de s’interroger sur la manière d’exploiter le Big Data.
Vendredi matin, j’interviendrai à la journée “Big Data : la recherche s’expose” organisée par l’Institut Louis Bachelier au petit auditorium du palais Brongniart. Au programme
Je présenterais les résultats obtenus lors du pricing game obtenu cet automne (qui sera relancé, sous une forme actualisé, cet été.. à suivre donc).
Interview sur le site de l’Institut Louis Bachelier.
La base de l’assurance est de regrouper des personnes afin de constituer une mutualité. Le prix des primes est calculé de sorte à couvrir le coût moyen des sinistres de cette mutualité.
L’arrivée de nouvelles données commence à remettre en cause ce principe de mutualisation, au profit d’assurances à la carte. La segmentation en fonction du profil de l’assuré est de plus en plus fine.
La segmentation a toujours existé. Un jeune conducteur, par exemple, paie davantage qu’un conducteur plus expérimenté. Mais elle peut s’effectuer aujourd’hui à un niveau beaucoup plus fin grâce aux données GPS ou celles des objets connectés notamment. La question est donc de savoir jusqu’où il est souhaitable d’aller ? Quel est le bon équilibre entre segmentation et mutualisation ?
Si on exclut l’idée de faire du bénéfice (ce qui n’est pas la vocation des mutuelles), l’assurance est « un «jeu à somme nulle ». Autrement dit, si les tarifs de certains clients baissent, d’autres augmenteront nécessairement, au risque d’exclure certaines personnes du marché, comme cela a pu être le cas pour les jeunes conducteurs en Irlande, avec des tarifs proposés très élevés.
Il s’agit donc d’une vraie question de société sur laquelle la recherche peut apporter des éléments de réponse.
Certains assureurs peuvent être tentés de chercher des niches, des segments peu risqués, et plus profitables. Mais la recherche de niche est un jeu dangereux. Il devient de plus en plus dur de distinguer le signal du bruit, et de s’assurer que la niche perdurera dans le temps. Il faut aussi tenir compte de biais de sélection dans la base.
En s’appuyant sur une plus large base d’informations, des compagnies vont mener des stratégies tarifaires assez agressives. Cela risque de générer une forte volatilité des primes d’assurance et d’entrainer d’importants mouvements chez les assurés.
D’importants mouvements des assurés peuvent en tous cas soulever certaines problématiques. Aujourd’hui, les assureurs gardent souvent leurs clients plusieurs années et peuvent donc mutualiser les risques et les coûts associés dans le temps. Les jeunes conducteurs ont toujours plus d’accidents que la moyenne, mais avec les années d’expérience, leurs risques diminuent. Une compagnie peut donc accepter d’assurer un nouveau conducteur, à un tarif raisonnable, en misant sur le fait qu’elle le conservera comme client les années suivantes. Cette mutualisation dans le temps ne sera plus possible si les assurés deviennent plus volatiles.
Leurs comportement sont encore mal connus et compris. Au-delà de la tarification et de la création de produits, l’arrivée de nouvelles données peut aider à mieux les comprendre: pourquoi choisit-on un contrat plutôt qu’un autre ? Dans le cas des couvertures non-obligatoires, pourquoi décidons-nous de nous assurer ou pas ? Les données permettent de s’intéresser à l’assurance en tant qu’activité économique.
Les algorithmes permettent déjà de prédire de façon très fine la probabilité qu’un sinistre survienne dans l’année. Les nouvelles données ne vont rien changer sur ce point tant que le cycle de production ne sera pas inversé. Par contre, elles seront certainement utiles sur le plan de la prévention. Grâce aux objets connectés, ou encore aux voitures intelligentes, il est désormais possible de détecter les comportements à risque. Des actions de prévention adéquates pourraient alors être mise en place.