INTRODUCTION

 

Quotidiennement, consciemment ou inconsciemment, volontairement ou non, l’homme est une réelle source d’informations. Cela se manifeste surtout avec les gadgets intelligents connectés comme les tablettes et les Smartphones dont il ne se sépare pas tous les jours. L’évolution incessante des technologies de l’information et de la communication et leurs ingérences de plus en plus accrues dans la vie quotidienne de l’homme ont conduit à l’accroissement d’informations concernant ce dernier. Ces informations sont stockées et peuvent être accessibles. Ces données, structurées ou non, sont entreposées et collectées à l’échelle mondiale. Elles acquièrent un volume gigantesque et qui dépasse la possibilité d’analyse et de traitement de l’homme et même des machines classiques de traitement des données. C’est le phénomène Big Data.

Ce phénomène se présenterait comme un phénomène assez récent qui demeure un terrain fertile pour les recherches et qui éveille l’appétit des chercheurs qui le considèrent comme l’un des grands défis informatiques de la décennie 2010-2020 et qui se place parmi leurs priorités de recherches et développement[1] en considérant cela comme une étape qui pourrait conduire à l’intelligence artificielle.

L’adoption du Big Data par les entreprises économiques révolutionne les sociétés modernes. Le secteur assurantiel n’est pas épargné par cela. En 2015, une étude EY disait à cet effet que : « l’analyse de données et le Big Data offrent potentiellement des opportunités significatives pour les assureurs » [2]. Le Big Data nous laisse penser qu’il va révolutionner les sociétés d’assurance classique. Ce qui nous pousse à des questionnements : qu’est ce que le Big Data ? Quelles sont ses enjeux en matière d’assurance ? Qu’en est-il de ses perspectives d’avenir ?

Ainsi, notre étude sera amenée à étudier les retombés de l’application du Big Data dans les compagnies d’assurance. En d’autre terme, l’on verra les promesses et la réalité du Big Data en remodelant le fonctionnement des assurances. Ce qui nous conduit à adopter comme problématique principale : « Les risques que portent le Big data peuvent-ils avoir raison des évolutions que le big data laisse entrevoir aux assurances ? »

Considéré comme étant « l’or noir de l’informatique », le Big Data promet une relation gagnant-gagnant entre l’assureur et l’assureur c’est-à-dire où chacun reçoit sa part. Pour cela, avec ses « output », le Big Data métamorphose les assurances en les rendant attractives et compétitives (Partie 1). Cependant, l’application du Big Data, dans la réalité, se heurte à des obstacles et présentant même certains risques considérables pour l’entreprise. Ce qui peut freiner l’évolution de son application et les perspectives de son avenir dans les assurances. Mais cela peut également pousser les chercheurs à approfondir leurs recherches afin de l’améliorer (Partie 2).

 

 

1.               LA RÉVOLUTION BIG DATA DANS LES ASSURANCES : DES ASSURANCES COMPETITIVES ET ATTRACTIVES

 

Le Big Data est devenu une préoccupation majeure des chercheurs ces dernières années. Cela se mesure dans la manière dont il devient un thème de conférence, revient souvent comme sujet de mémoires de fin d’études ou de sujet de thèse ou de recherches appliquées dans de nombreux domaines comme la médecine, la banque et les assurances, l’informatique…

Le Big Data est un corollaire de l’évolution de l’internet et de la connectivité qui augmente de plus en plus. A chaque fois que l’humanité se connecte à un de ces objets intelligents il génère des données. Une simple connexion sur les réseaux sociaux fournit déjà des informations sur la localisation de la personne. L’internet étant devenu un phénomène social mondial, les données seront également reçues et collectées massivement, à l’échelle planétaire. Le Big Data prend alors, inévitablement, une importante masse volumique croissante et cyberespace.

Certains chercheurs supposent que l’utilisation du Big Data pourrait aider les entreprises dans leur prise de décision, ou créer la différence grâce à l’analyse prédictive et une « expérience client » plus personnalisée et contextualisée. Cela se confirme du fait que les données recueillies sur le web (sur les réseaux sociaux ou bien dans les messageries électroniques, …), open data (données en accès libre), géolocalisation des personnes, rendent possible de personnalisation des produits. Les entreprises y voient alors l’occasion de cibler très précisément les attentes des clients.

 

 

 

1.1         La gouvernance des données dans les nouvelles images de l’assurance

 

Le premier apport du Big Data dans les assurances est l’image que l’on conçoit de l’assurance. A cet effet, le big data révolutionne complètement l’assurance : dans son fonctionnement, les acteurs, les services et les produits qu’elle offre. La première remarque qu’on peut faire est en rapport avec le fonctionnement et le business model des entreprises assurantielles. On remarque alors deux types d’assurance les assurances classiques et les assurances qui sont totalement révolutionnées par le Big Data, que l’on appellera assurances big data. Les sociétés françaises portent beaucoup d’intérêt aux applications liées au Big Data même si la démarche demeure timide pour une totale révolution qui tend vers l’application du big data dans sa totalité.

Avant de voir les innovations apportées par le big data dans les entreprises d’assurance et effectuer un bilan de ce qui les différencient des assurances classiques (1.1.2)  il importe d’aborder en premier lieu le concept de Big Data (1.1.1).

Qu’est-ce que le big data ? Pourquoi est-il considéré actuellement comme l’or noir des entreprises ?

 

 

 

1.1.1                  Le big data ou l’or noir des entreprises du XXIème siècle

 

Le Big Data est considéré comme l’or noir pour les entreprises. On sait tous que l’or noir est une appellation donnée au pétrole. Ainsi, ici le Big data est considéré comme le pétrole pour les entreprises actuelles. Présenté à l’image du pétrole, il est ainsi présenté comme une source d’enrichissement et une ressource essentielle pour l’entreprise. En 2016, le big data affichait plus de 130,1 milliards de dollars en chiffre d’affaire[3].

Avant de voir pourquoi le Big Data est considéré comme de l’or noir, il y a lieu de s’interessé d’abord au concept de big data.

 

 

 

1.1.1.1           Le concept de « données massives »

 

Le big data est traduit littéralement en français comme mégadonnées parfois appelées données massives. De façon très simplifiée, il désigne : « la masse hétérogène des données numériques produites par les entreprises et les particuliers dont les caractéristiques (très grand volume, diversité de forme, vitesse de traitement) requièrent des outils informatiques de stockage et d’analyse spécifiques de plus en plus sophistiqués »[4].

Le big Data est une expression très récente, apparue avec la forte augmentation des masses de données numériques ainsi que le développement d’outils informatiques permettant de les stocker et de les analyser. Concrètement, ces données numériques proviennent en partie de l’utilisation d’appareils connectés aux réseaux de téléphonies et d’internet.

Ainsi, Le big data peut avoir des sources diverses : par les Smartphones et les tablettes, les objets intelligents connectés comme  les puces connectées dans les voitures pour indiquer le trajet et la vitesse, les cartes bancaires. Ces appareils connectés transmettent les données liées à leurs utilisations par les consommateurs. Par exemple lors des actions suivantes : navigation internet, émission de signaux GPS des Smartphones, utilisation des moteurs de recherche, téléchargement et utilisation d’applications, publication de photos et ou vidéos en ligne, achat et vente en ligne… D’autres sources nourrissent et enrichissent le big data de façon à augmenter son volume de façon exponantielle : les données climatiques ou démographiques, les données médiacles ou scientifiques,… l’open data où l’espace de partage des données de l’Etat et des établissements publics et des collectivités sont également est également une source. Toutes ces données fournissent des informations sur la localisation, les déplacements, les centres d’intérêt, leurs habitudes en consommation, leurs projets…[5]

Selon IDC, le Big Data est une nouvelle génération de technologies et d’architectures conçues pour extraire de la valeur, de façon rentable, à partir d’un volume considérable de données très variées en permettant leur capture et leur exploration à grande vitesse. On peut en déduire alors que le big data se caractérise par les 3V : volume, vélocité et variété mais d’autres « V » peuvent aussi être prise en compte comme Valeur, Visualisation et Véracité.

Le volume a une dimension relative. Les données stockées sont en perpétuelles expansion. Par exemple, en 2014, Facebook Hive générait 4000 To de data par jour[6]. Le volume du big data nécessite des espaces de stockages dont la capacité est jusque là inimaginables.

Figure 1 : l’évolution des stockages des données

La variabilité et la variété des données nécessite un savoir faire spécifique pour agréger l’ensemble des données issues de sources diverses et met donc les centres de données au défi. Ces données sont brutes, semi-structurées voire non structurées nécessitant traitement (en données structurées) pour être utilisées. Ce sont des données numériques complexes de différents formats : texte et images. Ce qui les rend difficilement utilisables avec les outils traditionnels.

En résumé, la variabilité des formats et des sources des données du big data peut être schématisé comme suit :

 

Figure 2 : la variété des données[7]

La vélocité du big data se présente comme la fréquence à laquelle les données sont générées, capturées et partagées. Données sont créées plus rapidement, arrivent plus rapidement aux organisations. Leur traitement se fait également de plus en plus vite quasiment en temps réel et les résultats livrés vont être consommés plus rapidement aussi. (Par exemple le nombre de tweets à la seconde).

On a vu que le Big data est l’amassement de données numériques dont le volume s’accroit exponentiellement et dont la rapidité du traitement représente un défi à temps réel. Comment peut-on tirer profit de ces données collectées ?

 

 

 

1.1.1.2                       La gouvernance des données : génératrice de plus value

 

Le big data, comme on l’a vu précédemment est l’Eldorado de l’information. Il permet d’avoir accès à d’innombrables informations qui jusque là n’ont pas été accessibles. Tant la quantité et qualité des données sont accessibles grâce au big data mais la qualité importe plus. Les données recueillies brute nécessitent alors des traitements afin de pouvoir exploiter et tiré profit de ces données. La gouvernance des données passe en premier lieu par leur analyse.

Des innovations en matière de stockage, couplées à des logiciels exploitant des algorithmes informatiques sophistiqués permettent d’analyser les données gigantesques du big data. Par exemple il y a le Cloud computing. Le « Cloud Computing » est un modèle permettant l’accès à des ressources informatiques partagées telles que des réseaux, des serveurs, des capacités de stockage importantes, des applications et des services[8]. On y accède via le réseau et les services sont accessibles à la demande et en libre service sur des ressources informatiques partagées et configurables. Parmis les services les plus connus ont peut citer ceux de Google BigQuery, Big Data sur Amazon Web Services et Microsoft Windows Azure.

 

Figure 3 : Le fonctionnement du Cloud Computing[9]

 

D’autres exemples sont aussi intéressants comme le Super calculateurs hybrides ou HPC pour High Performance Computing. On les retrouve en France dans les centres nationaux de calculs universitaire tels que l’IDRIS, le CINES, mais aussi au CEA ou encore le HPC-LR[10]. Il y a également les Systèmes de fichiers distribués (DFS – Distributed Files System). Etant donné la quantité importante des données, ces dernières ne sont plus stockées sur une seule machine mais sont morcelés en fichiers d’’une taille définie et chaque morceau est envoyé sur une machine bien précise utilisant du stockage local. Les données sont sauvegardées là où elles peuvent être traitées.

Parmis les données collectées certaines sont plus pertinentes que d’autres. Ce sont ces outils cités précédemment qui permettent de détecter les informations utiles pour les entreprises et les mettre en corrélation entre elles. Cette étude est appelée « Data Mining » et elle est assez présente dans de nombreuses entreprises à l’heure actuelle. Mais avec l’apparition du big data, elle prend une nouvelle ampleur pour devenir une véritable science le datascience dont la raison d’être est d’améliorer les outils d’analyse pour les rendre plus complexe et plus performant afin de mieux traiter, visualiser, analyser et cataloguer les flux énormes de données.

Comme suit on peut lister ce qui caractérise la qualité d’une information.

Figure 4 : les dimensions de la qualité des données[11]

Actuellement, nombreux domaines ont déjà expérimenté l’application concrète du big data. Comme en matière de santé par exemple, le big data innove la médecine préventive et personnalisée. Les recherches des internautes sur les moteurs de recherches permettent de détecter plus rapidement l’apparition d’une épidémie de grippe par exemple. Dans le domaine des transports, l’analyse des données de géolocalisation des personnes et des voitures permettent de prévoir les mouvements de la population afin d’adapter les infrastructures et les services des transports communs.

Les musées et galeries d’art utilisent également le big data. C’est le cas du prestigieux Guggenheim Museum. Les visiteurs sont suivis tout au long de leur visite grâce à des transmetteurs électroniques placés dans les salles. Le musée peut ainsi déterminer de nouveaux parcours de visite en fonction des œuvres les plus appréciées ou encore décider des expositions à mettre en place[12].

Figure 5 : les applications du big data en résumé[13]

 

L’utilité du big data dans le domaine de l’assurance trouve également son fondement. L’augmentation du nombre d’objets connectés permet de recueillir un grand nombre de données en temps réel. Cela permet à l’assureur de mieux connaître les personnes et les objets assurés. Ainsi le big data transforme le secteur des assurances.

 

 

 

1.1.2               Les assurances « classiques » et les assurances « big data »

 

La question qu’on va essayer de voir ici est comment les entreprises d’assurance tirent partie des données ; comment elles font pour transformer les informations en plus value.

A l’heure actuelle, l’enjeu des entreprises d’assurance, face au Big Data, se situe, dans l’étude et le traitement de ces données afin de construire des modèles capables de fournir des analyses «Data Mininig», en adéquation avec les enjeux des affaires. Très concrètement l’utilisation de ces nouveaux outils transforme la société d’assure telle qu’on la connait depuis toujours.

Comment le big data transforme-t-il les sociétés d’assurances classiques ? Pour y répondre nous allons voir ce qui fait la différence entre les assurances classiques et celui avec le big data.

 

 

 

1.1.2.1           Les principes de base de l’assurance classique

 

La vie est faite de risques. Le risque peut se définir comme un événement incertain et aléatoire dont la survenance ou non est probable. Dans cette vie minée d’incertitudes acheter une maison, conduire une voiture ou encore commencer une entreprise serait beaucoup trop risqué, puisque nous aurions à payer tous les incidents qui pourraient survenir. C’est dans ce contexte que les sociétés d’assurances entre en scène.

Une assurance est un service qui fournit une prestation, généralement financière, destinée aux assurés (que ce soit un individu, une association ou une entreprise) qui ont payé une cotisation ou prime afin de couvrir les dégâts causés lors de la réalisation des risques auxquels ils ne peuvent pas faire face tout seul. Par extension, l’assurance fait référence au secteur économique qui regroupe les activités de conception, de production et de commercialisation de ce type de service.

«The contribution of the many to the misfortune of the few». C’est la devise des Lloyd’s (compagnie d’assurance depuis 1688). Cette devise porte en elle les principes fondateurs de l’assurance, qui n’est autre que la gestion collective des risques par adhésion volontaire à un groupe : la mutualité.

Les principes fondamentaux de l’assurance sont issus du fait de sa longue histoire. Ce sont : la mutualisation des risques, les asymétries d’information et leur descendance – la sélection adverse, l’aléa moral et la tarification non linéaire, cette dernière plus connue sous ses formes usuelles que sont les franchises, les systèmes de bonus-malus.

Les gens qui souscrivent une assurance mettent leur argent en commun. L’argent qu’ils versent s’appelle une prime. Une partie de cette réserve d’argent va servir d’aide aux assurés qui font face aux évènements imprévisibles comme par exemple, une inondation, un accident de voiture ou des pertes d’exploitation dans la même année.

La somme d’argent que l’assureur se verra de verser s’appelle une indemnisation. Parfois les indemnisations peuvent se présenter sous forme de réclamations importantes. Par exemple, dans le cas d’une pension d’invalidité en raison d’un accident de voiture. D’autre part, les réclamations peuvent être moins élevées, mais plus nombreuses, comme celles résultant d’un tempête.

Calculer les coûts de l’assurance est une tâche complexe. Pour ce faire, il est nécessaire de procéder à une évaluation des risques fondée sur la science actuarielle. Les primes sont alors calculer à partir des prévisions éclairées de la somme éventuellement adéquate pour régler les réclamations futures. Les assureurs recueillent des renseignements qui les aideront à fixer des taux justes et précis. Cela se fait à partir des données étudiées par les statisticiens et les économètres à partir des éléments de renseignement.

Figure 6 : éléments pris en compte lors de l’évaluation des risques[14]

 

La révolution big data a produit un bouleversement dans le processus de traitement des données. L’assurance n’échappe pas à ce bouleversement. Sa rencontre avec le big data apporte des modifications majeures dans le fonctionnement du service. Les compagnies d’assurance deviennent plus « servicielles » et tournées vers la clientèle.

 

 

1.1.2.2      L’application du big data dans les assurances : des changements majeurs dans le métier

 

Les sociétés d’assurance tirent de la valeur de l’avalanche de données très variées qui nous envahissent à l’aide des outils mis en place pour le datascience. C’est avec l’aide de smart data ou l’intelligence des données que l’entreprise trouve les informations critiques pour l’organisation et l’aide à prendre de meilleures décisions, plus rapidement. C’est à ce niveau que le big data influe sur les compagnies d’assurance. Le big data modifie la manière dont s’effectue la collecte et le traitement des données.

En premier lieu, le big data ne fait que rehausser la concurrence qui existe entre les « théoriques » (le savoir des experts) et le « machine learning » face à l’augmentation des données et à leurs diversités. D’un côté, la croissance exponentielle de la puissance des machines décourage la recherche de progrès « théoriques ». Il apparait plus coûteux de rechercher ou de construire une expertise et de l’intégrer dans d’élaborer des solutions basées sur la force brute de la machine dans l’algorithmique que d’élaborer des solutions basées sur la force brute de la machine car l’objectif n’est plus d’économiser le temps de calcul grâce au savoir des experts : les experts sont rares et coûteux.

De l’autre côté, la rapidité de la machine learning car souvent son calcul se fait en temps réel, avec fréquemment des temps de réponse attendus de l’ordre de la fraction de seconde. Tout cela fait que le décalage entre d’une part la vitesse forcément limitée des efforts humains pour faire progresser le savoir, et d’autre part la croissance exponentielle de la puissance des machines en matière de data science.

La célèbre maxime « Garbage in garbage out » prend toute sa signification avec l’arrivée du Big Data. Avec l’immensité des données accessibles, seules celles qui sont pertinente pour l’entreprise doivent être prise en compte. Pour trier les données selon leur importance, des filtres sont nécessaire afin de ne retenir que les données significatives avec lesquelles travailler et orienter toute prise de décision en accord avec les stratégies des directions métiers d’une part et les attentes des clients d’autre part.

Pour ce faire, la mise en place d’une gouvernance des données au sein de l’entreprise est indispensable. Cela nécessite donc l’adoption de nouvelle politique RH qui s’accompagne des recrutements de nouvelles compétences et la création de nouveaux services. Comment envisage-t-on le nouvel organigramme de l’entreprise ?

Dans l’entreprise, on envisage un nouvel organe de décision. Ce qui implique donc de nombreux acteurs dans les différents domaines de l’entreprise tels que :

• Direction générale
• Direction des systèmes d’information
• Directions métiers (Marketing – Métiers produits – Réseaux – Actuariat)
• Contrôle de gestion
• Direction du Management des risques

On peut illustrer cette mise en place de gouvernance des données comme suit :

 

 

Figure 7 : exemple d’une structure de gouvernance des données[15]

Ensuite, une autre modification majeur au métier d’assureur apporté par le big data concerne la mutualisation. « La mutualisation des risques consiste à partager le même risque entre plusieurs personnes. L’organisation de la solidarité réalisée par l’assureur se fait à partir de l’ensemble des cotisations versées pour un même type de risques. Cela permet la couverture du risque et en même temps de plusieurs risques analogues». Or grâce à cet accès facilité aux données et aux puissances de calculs, le principe de mutualisation et de segmentation de l’assurance tel que nous le concevons actuellement est en cours de transformation. Grâce au monde digital, la mutualisation classique, telle que nous la connaissons aujourd’hui, se transforme en mutualisation « responsable ». Il offre les outils nécessaires à la personnalisation de l’assurance via des offres de services adaptées à des segments de population plus restreints. Il s’agit de faire de la personnalisation mutualisée.

Ce que le big data révolutionne ce sont les sources des données prises en compte dans les calculs des indemnisations. Les variables traditionnelles (CSP, âge…) sont en effet remplacées ou enrichies par des datas contextuelles. Par exemple, à l’aide des objets connectés comme les boitiers dans les voitures, l’assureur reçoit les informations à temps réel sur le comportement de l’assuré. Ce qui permet à l’assureur de procéder à une tarification comportementale. Comme l’exemple d’Axa avec le Pay How You Drive c’est-à-dire l’utilisation de la télématique pour moduler la prime en fonction du comportement au volant.

En effet, grâce à cette connaissance plus accrue des clients, l’assureur semble être en mesure de développer une autre mission : la prévention des risques voire même de les supprimer, par exemple en matière de santé. Le monde de l’assurance ne va pas basculer dans un monde déterministe, où toutes les actions vont devenir prévisibles, plutôt un monde de probabilités de plus en plus justes. La réalisation d’une action aura été déterminée pour nous en corrélant des données. Ce type de déduction permettra de se préparer à rendre un service sur mesure et d’offrir des produits personnalisés aux clients.

 

 

L’on a vu précédemment que la rencontre du big data et les assurances est incontournable. La première raison n’est autre que le progrès en matière de technologies puis ces innovations en matière de TIC ont envahis tous les secteurs d’activité y compris l’économie. L’économie a connu de ce fait une révolution numérique. Toutes les branches du secteur tertiaire ont été touchées : la banque, le commerce, le marketing mais également l’assurance.

Le big data est une des nouveautés en matière de technologie. Le big data est une innovation qui touche tous les secteurs d’activité et apporte une grande révolution en matière de collecte de ressource d’information. Les grands apports du big data dans les assurances est en matière de traitement des données. Il répond à 3 caractéristiques : le volume, la vélocité et la variété.

Actuellement, grâce à la révolution big data, les données à analyser son en abondance (de grand volume) et de variété diverse (structuré, semi ou non structuré) et dont le traitement se fait à fait à temps réel avec une vitesse de réponde de millième de seconde. Autre que ces effets sur le fonctionnement des sociétés d’assurances, le big data leur promet également de les rendre pro-actives et attractives. Telles sont les images que l’on conçoit des assurances modernes.

 

 

 

1.2         Des assurances attractives et compétitives : une relation gagnant – gagnant entre assuré et assureur

 

Les opportunités du Big Data pour le monde de l’assurance se déclinent à trois niveaux selon les experts de Precepta qui ont publié une étude, sous le titre  de « Assurance et Big Data – Opportunités et nouveaux écosystèmes ». Mais selon une analyse faite par le Boston Consulting Group (BCG), les différentes opportunités offertes par le Big data pour l’assureur peuvent être représentées comme suit :

 

Figure 8 : les principales opportunités pour l’assurance[16]

 

Dans la relation big data et assurance, ce n’est pas seulement l’un des deux parties (assureur ou assuré) qui tire profit des opportunités offertes par cette relation. Aussi bien l’assureur que l’assuré sont avantagés par les promesses du big data. Cela nous conduit à voir, les opportunités pour l’assuré (1.2.1) et les avantages dont bénéficie l’assurance (1.2.2).

 

 

 

1.2.1                  Les opportunités de l’application du big data pour les assurances

 

Le big data est une preuve concrète de l’avènement du web prédictif. Le méga données du big data est un ensemble d’outils permettant d’acquérir des informations et de produire des solutions. Le secteur des assurances n’échappe pas à cette occasion de pouvoir tirer partie de ces données gigantesques.

Les promesses du big data pour l’assurance sont nombreuses. Elles ont déjà été évoquées dans la figure précédente. On peut subdiviser ces opportunités en trois (3) : en amont, par rapport à l’appréhension du risque et à la tarification, puis il y a la promesse qui relèverai du marketing et commercial, par rapport à la relation client et enfin, en aval, les opportunités par rapport à l’indemnisation et la prévention des fraudes.

En premier lieu, actuellement les assurés ont une mauvaise image des assurances. Ils voient les paiements des primes d’assurance comme des sommes d’argent injustement et chèrement payés. Ils remettent en cause le fait de payer cher les sinistres des autres. Ainsi avec le big data, l’assurance se voit certainement être capable de proposer des services adéquats aux individus. La première portée du big data serait une meilleure exploitation des données numériques des individus afin d’améliorer la connaissance client et la prédictibilité des comportements.

Ainsi, la collecte des données du big data dans les assurances se fait en grande partie par le biais des objets connectés et des applications mobiles. Dans cette optique, les assurances arrivent à une meilleure connaissance du client accompagné par un meilleur profilage et un meilleur ciblage des besoins des assurés. Pour citer quelques exemples, il y a l’application Youdrive chez Axa qui permet de collecter des informations sur la conduite des assurés et une tarification assortie avec son comportement avec le Pay How You Drive. Il y a également l’exemple en matière de santé, à l’aide d’un bracelet connecté Withings offert aux mille premières personnes qui ont souscrit à la complémentaire santé Modulango chez Axa. Ce bracelet pouvait calculer les heures de sommeil, le nombre de pas et les calories brûlées sur une journée, voire le rythme cardiaque de l’assuré. Ces information sont directement transmis à l’assureur et les possesseurs de bracelet étaient alors invités à participer à un concours : ceux qui avaient la meilleure hygiène de vie gagnaient des bons de réduction[17]. Pour Allianz, l’application « Mon Allianz » est également une illustration assez intéressante.

Pour ce qui est d’offrir un service sur mesure grâce à un ciblage des besoins du client, le big data apporte sa transformation par le biais du prédictif et de l’interactivité. «Dans la conception des produits et le pricing, le Big Data introduit une véritable rupture avec l’assurance personnalisée interactive. Les variables traditionnelles (CSP, âge…) sont en effet remplacées ou enrichies par des datas contextuelles et la circulation de données entre l’assureur et l’assuré offre la possibilité de mettre en place une tarification «comportementale »[18]. Cepndant, il y a une limite à la prédictibilité du data, comme le dit Côme Berbain : « La prédiction absolue est impossible. Le Big Data n’est pas une boîte magique […] Il restera toujours une part d’aléa ».

Par rapport au coût, le big data offre des outils éfficace afin de réprimer les tentatives de fraude. Selon l’Agence pour la lutte contre la fraude à l’assurance (ALFA), en France, les fraudes coûtent entre 8 et 12 milliards d’euros par an dont seulement 8 % de la fraude a été détectée en 2015, soit une facture de 2,5 milliards d’euros. Les fraudes sont souvent organisée en bande organisée ainsi le big data met en place certains outils afin d’y faire face comme « le blocage a priori des transactions, le filtrage, le scoring, la corrélation d’événements multiples, l’analyse comportementale et prédictive, la mise en évidence des réseaux »[19]. Ces outils permettent une analyse automatisée plus globale de la chaîne de fraudes, tout en tenant compte du moindre détail étant donné l’inefficacité de traiter la fraude au cas par cas.

Une nouvelle technologie intimement liée au big data est un atout pour les startups de l’Assurtech. Le blockchain[20] permet de réduire considérablement le coût opérationnel. Son utilisation devient dorénavant nécessaire afin de réduire les marges afin d’accroitre la compétitivité des compagnies d’assurance traditionnelles face aux startups. On peut prendre l’exemple de la start-up Oraclize qui propose que « les passagers soient automatiquement indemnisés lorsque leur vol est en retard, sans avoir besoin de remplir un quelconque formulaire, et donc sans que l’entreprise ne doive traiter les demandes »[21].

 

 

En un mot, on a vu que le big data réinvente véritablement le métier d’assureur. Il offre de nombreuses opportunités aux assureurs : il permet à l’assureur d’avoir un meilleur profilage de son client afin d’anticiper ses besoins et d’adapter son prix à la réalité de chaque cas. Mais il présente également un véritable avantage par rapport au commercial et au marketing : des services et des produits adaptés aux besoins de chaque client. Chaque client, grâce au big data, a droit à un service sur mesure et personnalisé. La mutualité devient plus responsable. Le big data permet également une baisse des coûts de fonctionnement.

Mais le véritable atout qu’offre le big data est en rapport avec la prévision des risques. Le big data permet de réduire considérablement la réalisation des risques voir même de les supprimer. La santé est un exemple de comment le big data peut aider à supprimer les risques. Cela est rendu possible grâce aux outils qui accompagnent le big data : les objets connectés (puce, bracelet) ou les Smartphones et tablettes qui collectent les données et les transmettent aux assureurs.

Mais ce n’est pas seulement les assureurs qui tirent profit des opportunités offertes par le big data. Le client assuré profite également des bénéfices qu’offre le big data. Dans le paragraphe qui suit on va se placer du côté de l’assuré. Comment l’assuré profite-t-il de l’opportunité que lui offre le big data ?

 

 

1.2.2                  Les retombés de l’application du big data sur les assurés

 

Si le big data présente de réelles opportunités dans les assurances, les assurés aussi, de leur côté, perçoivent certains avantages qui s’apparentent à ceux de l’assureur. On peut résumer cela sous forme de tableau[22] :

 

	Les opportunités pour l’assureur		Les avantages pour l’assuré
Par rapport au service client	Le big data offre une personnalisation du service afin de faciliter les interactions de l’assureur avec le client (assuré)		Le big data permet à l’assuré d’avoir un accueil et un service sur mesure et personnalisés
En matière de communication	Le big data aide à mieux comprendre, à mieux gérer et d’anticiper la réputation de l’entreprise notamment sur le web		L’assuré sera plus confiant envers son assureur et sera plus informé sur son interlocuteur ; l’appréhension de l’inconnu diminuera
Par rapport aux ventes	Les assureurs pourront s’en servir pour devancer et anticiper la résiliation d’un contrat ou un besoin nouveau Le big data est un outil efficace pour la fidélisation du client	Le big data améliore la satisfaction du client à chaque étape du parcours
Sur le plan marketing	le big data présente un réel atout pour proposer des produits qui répondent mieux aux attentes des consommateurs		L’assuré, à l’aide de la prédictibilité du big data, aura accès à de nouvelles offres répondant et adaptés à leur besoins

 

L’opinion que se fait l’assuré sur les compagnies d’assurances n’est pas flatteuse. Pour l’assuré, en tant que consommateur, l’assurance représente des charges trop lourdes car pour eux, les primes à payer sont largement au dessus de ce qu’ils doivent payer. Le système de mutualisation est remis en cause.

En effet, dans ce monde individualiste, la devise de Lloyd’s : «The contribution of the many to the misfortune of the few» est remise en cause voir même réfutée. Les hommes refusent de « payer pour le sinistre des autres » et « (le consommateur) exige de plus en plus de payer le prix qui correspond à son risque »[23]. Ces attentes ont déjà donné suite aux formules « modulaires », des offres dont les assureurs ont concoctés afin de répondre aux demandes des assurés. Ainsi les mégadonnées offrent une opportunité aux clients désireux de ne payer que le prix qui correspond à leur risque. Les innovations récentes en matière de technologies et les données recueillies par leur biais permettent aux assureurs de proposer des tarifications affinées aux assurés tout en diminuant la sinistralité, donc le risque à porter. A cet égard, les assurés sont même prêts à coopérer avec les assureurs en leur fournissant des données personnelles complémentaires, y compris sur leur mode de vie, si en échange ils en tireraient des bénéfices (si cela conduit à une baisse de la prime).[24]

 

 

 

PREMIERE CONCLUSION PATIELLE

 

Le big data est un terme à la mode qui intéresse tous les secteurs d’activité. A cet effet la courbe suivante révèle combien ce terme suscite de plus en plus la curiosité des gens.

Figure 9. Évolution du volume de recherches sur Internet avec les mots clés « Big Data »[25]

 

D’après une étude McKinsey en 20112, « Big data : The next frontier for innovation, competition, and productivity »[26], le secteur de la finance et de l’assurance peut tirer d’importants bénéfices de l’adoption du big data. Cette analyse a été renforcée par les dire du PDG de Google, lors d’une conférence en 2013 : « Insurance is the most obvious industry about to explode with uses for big data »[27]. Cela nous a conduit à nous intéresser sur le phénomène big data dans le secteur assuratiel qui est présenté comme l’or noir de l’informatique.

Le big data est un terme anglicisme qui signifie mégadonnée ou donnée massive. Il n’existe pas une définition précise mais on peut cerner le concept avec ses trois (3) dimensions : le volume, la variété et la vélocité. Le volume se réfère à la grandeur pharaonique des données collectées et stockées (environ 2 exaoctets de nouvelles informations à l’échelle mondiale en 2010 par exemple) ; la variété se réfère aux sources et à la qualité des données collectées : elles peuvent être structurées, quasi structurée ou même non structurées. Les informations ont des sources très diverses dont la plupart sont des données personnelles issus des nouvelles technologies : tablettes, Smartphones ou même les objets connectés (bracelets, les boitiers ou les puces connectées). La vélocité quant à elle, désigne, la fréquence à laquelle les données sont générées, capturées et partagées. Les données sont créées plus rapidement, arrivent plus rapidement aux organisations. Leur traitement se fait également de plus en plus vite quasiment en temps réel et les résultats livrés vont être consommés plus rapidement aussi. Ces trois dimensions révèlent déjà les défis qu’imposent le big data.

Le monde de l’assurance n’a pas été épargné par ce phénomène big data qui a touché le secteur économique. L’application du big data dans les assurances a conduit à la révolution culturelle de cette dernière. En un mot, le Big Data vient aider l’assurance en comblant ses lacunes les plus anciennes. Les bénéfices que représentent l’application du big data pour l’assurance sont nombreuses mais selon les résultats de l’étude faite par le Precepta, ces opportunités se déclinent en trois niveaux : i) par rapport à la vente (dans la conception des produits et le pricing) le Big Data, grâce aux dates contextuelles et à la circulation de données entre l’assureur et l’assuré, offre la possibilité de mettre en place une tarification « comportementale » c’est-à-dire des offres personnalisés et adaptés à chaque client selon ses besooin spécifique. Cela marque alors une rupture avec l’assurance traditionnelle ; ii) sur le plan marketing et commercial, le Big Data promet une meilleure exploitation des données numériques des individus afin d’améliorer la connaissance client et la prédictibilité des comportements[28]. La principale portée du Big Data est certainement la capacité à proposer des services adéquats aux individus ; iii) le Big Data permet d’entrevoir des techniques de détection des fraudes basculant vers une approche croisée avec le profilage des personnes.

L’assurance n’est pas la seule à tirer profit de l’application du big data dans les assurances. Les assurés y gagnent également leur part. Parallèlement aux opportunités offertes aux assureurs, celles des assurés s’apparentent aux premières. Les clients bénéficient de nouvelles offres sur mesure répondant et adaptés à leur besoins assortis à des tarifs fixés à leur juste valeur. Ce qui fait bénéficier à une diminution de coût aux assureurs. Le big data améliore la satisfaction du client à chaque étape du parcours. Un service clientèle personnalisé et accueillant permet aux assureurs d’être satisfait.

Cependant, l’évolution de l’application du big data dans les assurances connait des limites car elle se heurte à des obstacles et des écueils. Mais le big data présente également des risques aussi bien pour l’assureur que pour l’assuré.

 

 

 

2.               L’APPLICATION DU BIG DATA DANS LES ASSURANCES: SES  LIMITES ET SES PERSPECTIVES D’AVENIR

 

Au cours des dernières décennies, la distribution d’assurance a connu des changements marquants, qui ont favorisé l’apparition de nouveaux entrants au détriment d’acteurs historiques. L’arrivée d’internet au début des années deux milles a laissé présager d’une nouvelle métamorphose, plus brutale et radicale que les précédentes. De nouveaux acteurs font leur entrée avec dans leur fonctionnement des différences considérables par rapport aux assurances jugées classiques.

Une de ces différences résiderait dans l’utilisation du Big Data et des réseaux sociaux (assurance en peer to peer) par les assurances. Ce qui conduit à la redéfinition des rôles de chacun des acteurs, qu’il s’agisse des compagnies d’assurances, des intermédiaires, et même celui des consommateurs.

Les promesses du big data rendent son utilisation incontournable dans les assurances. Ainsi, parmi les historiques, seuls ceux qui feront eux aussi une révolution de leurs process et leurs façons de penser l’assurance pourront espérer conserver leurs précarrés.

Les opportunités qu’offrent le big data sont nombreuses aussi bien pour l’assureur que pour l’assuré. Le big data innove l’assurance telle qu’on la connait actuellement. Le Big Data introduit une véritable rupture avec l’assurance personnalisée interactive. La force que représente le Big Data appliqué à l’assurance réside dans l’amélioration du profilage des assurés et du ciblage de leurs besoins, avec une individualisation fine de l’offre d’assurance et le développement de nouveaux services de prévention en vue d’éviter les sinistres.

En parallèle à ces promesses, l’application du big data dans les assurances se heurte à des écueils et des obstacles, mais elle représente également, des menaces aussi bien pour les assureurs et pour les assurés. Dans la partie qui suit, on va parler des obstacles et des menaces que représente le big data appliqué dans les assurances. Pour cela notre étude se basera sur l’analyse cindynique.

 

 

2.1                       Les limites à l’application du big data : entre obstacles et risques

 

Prendre une décision équivaut à prendre un risque ; prendre un risque, c’est s’exposer à un danger mais également saisir une opportunité? Le risque se définit comme la caractéristique d’un évènement, définie conjointement par sa vraisemblance d’occurrence et la gravité de ses conséquences. Ainsi, étudier les risques du big data dans les assurances reviendrait à étudier la réalisation de certains évènements susceptibles d’engendrer des conséquences non désirées.

Étudier les risques est l’objet d’une science nouvelle les « cindyniques », plus communément connu sous le nom de sciences du danger. Étymologiquement le terme cindynique vient du grec « kindynos » qui signifie danger. Elle désigne alors une théorie et méthodologie visant à rendre intelligible, par une approche globale, les risques endogènes et exogènes d’un système. Ici le système étudier est l’assurance big data.

Pour ce faire les cindyniques nous proposent un modèle appelé « l’hyperespace du danger » qui est le produit de l’assemblage de cinq axes :

• L’axe épistémologique : illustration des modèles et des représentations
• Déontologie : représentation des règles, des lois, des normes, des codes
• Finalité : dénombrement des objectifs
• Mnésique : représentation de la mémoire des faits, des données
• Axiologique : l’axe de l’éthique

Figure 10. Schéma de l’hyperespace du danger[29]

Appliquer les connaissances cindyniques sur ce système nous invite à voir les obstacles auxquels se heurtent l’application du data dans les assurances (2.1.2) ensuite à côté de ces obstacles se placent également les menacent liés à l’application du data (2.1.3). Mais avant cela, il y a lieu de nous intéresser sur les acteurs du big data dans les assurances (2.1.1)

 

 

                                        2.1.1            Les acteurs du big data dans les assurances

 

L’application du big data dans les assurances font entrer en scène quatre (4) catégories d’acteurs :

• L’assurance en tant qu’organisation
• Les assurés qui sont les personnes cibles
• Les autorités étatiques et éthiques
• Les experts techniques

 

2.1.1.1             L’assurance : l’acteur principal

Deux particularités sont à signaler par rapport aux assurances en Europe, c’est le développement de la « bancassurance », c’est-à-dire des groupes qui regroupent ces deux métiers ainsi que la forte présence de sociétés mutuelles. Wikipédia a dressé un répertoire des principales sociétés d’assurance. Ce sont les groupes de sociétés d’assurance dont le chiffre d’affaire dépasse les deux milliards d’euros en 2009.

En premier lieu, il y a les assurances générales :

• le groupe AXA qui regroupe plusieurs marques d’assurance (Axa, Direct Assurance, Montvoisin Assurance, Mutuelles Saint-Christophe, Club 14 ? Natio Assurance)
• CNP Assurances
• Predica (du groupe Crédit agricole)
• Allianz
• Generali Assurances
• BNP Paribas Assurance
• Assurances du Crédit mutuel
• Aviva
• La Mondiale
• Groupe Swiss Life France
• Natixis
• SMA
• Suravenir

Très souvent face à un très grand risque, les assurances procèdent à la coassurance. Il y a coassurance quand un assureur s’associe avec d’autres assureurs pour assurer ensemble un risque. Ce procédé est interne aux assurances. En pratique, quand un assuré présentant un très gros risque dont l’assurance se voit dans l’incapacité d’assumer seul sa couverture, cette assurance vient alors fasse appel à d’autres assureurs pour se partager les risques ainsi que les éventuels charges ou bénéfices. Bien souvent, les assureurs vont utiliser la coassurance quand le risque est élevé et que le montant des biens à garantir est lui aussi important. Ce procédé est peu connu du public  mais il n’en demeure pas moins un moyen efficace pour que les assureurs puissent garantir tout le monde en cas de gros sinistres ou pour garantir tous les biens dans des situations à hauts risques.

 

En second lieu, il y a la réassurance avec Scor. La réassurance consiste pour une compagnie d’assurance à s’assurer. Face à la qualité indispensable de l’assurance, les compagnies d’assurance elles mêmes sont amenées à s’assurer. Les flux financiers en mouvement dans les sociétés modernes ont atteint un certain degré d’hauteur et désormais un assureur peut se retrouver à assurer une société pour des montants exhorbitants. La réassurance permet donc aux assurances de pouvoir assurer un risque pour des montants extrêmes. L’assureur entre en relation avec un réassureur pour transférer une partie du risque qu’il a contracté avec un client. Dans ce cas, l’assureur, en devenant l’assuré d’une autre compagnie d’assurance, doit reverser une prime d’assurance au réassureur. Cette prime sera elle aussi calculée en fonction du risque. L’assureur devient alors un simple client, comme un assuré particulier, qui doit s’assurer pour garantir un risque qu’il pense ne pas pouvoir couvrir seul. Le traitement est le même et l’assureur qui est en affaire avec un réassureur devra procéder de la même manière que lorsque que vous souscrivez un contrat d’assurance.

 

Puis il y a les mutuelles :

• Groupama
• Macif
• MMA
• MAAF
• MAIF
• GMF

 

Enfin il y a les institutions de prévoyance :

• AG2R La Mondiale
• PRO BTP
• Klesia
• Groupe Malakoff Médéric

 

2.1.1.2             Les assurés : des personnages principaux

Les assurés dépendent de types de contrats d’assurances. On distingue deux catégories de contrats d’assurance : les contrats d’assurance de personnes (AP) et ceux d’assurance de biens et responsabilités. Les assurances de personnes correspondent à l’assurance vie complétée de l’assurance des dommages corporels (Santé, Invalidité, Décès toutes causes). Les assurances de biens responsabilités correspondent à l’IARD hors assurances des dommages corporels. Parfois, les loteries et les jeux font également l’objet d’assurance pour que les gains improbables et importants soient possibles.

Les assurés peuvent être des personnes (physiques ou morales) ou des biens (meuble ou immeuble). On entend par personne physique, la personne en tant qu’individu : homme, femme, enfant. Souvent ces assurances concernent la vie, la santé…Une personne morale fait référence à un groupement de personne, une association, une entreprise ou société…

 

2.1.1.3                      Les autorités étatiques et éthiques et juridictionnelles

Les autorités qui se chargent de la règlementation et de la régulation de l’application du big data dans les assurances sont présentent aussi bien au niveau communautaire qu’au niveau national. Au niveau européen, il y a les commissions de l’Union Européenne avec le Parlement Européen qui joue le rôle de législateur, source des lois et règlements sur la protection des données personnelles et libertés. Ainsi que d’autres  instances œuvrant dans ce but également comme la Commission Européenne pour le Droit de l’Homme et les libertés individuelles.

Au niveau National, mis à part les autorités administratives et judiciaires ordinaires il y a la Commission Nationale de l’Informatique et des Libertés ou CNIL. Elle a été créée par la loi Informatique et libertés du 6 janvier 1978. Elle est chargée de veiller à la protection des données personnelles contenues dans les fichiers et traitements informatiques ou papiers, aussi bien publics que privés. Les données personnelles pouvant être collectées, stockées, utilisées et échangées sur internet, il appartient donc à la CNIL de veiller à ce que l’informatique ne porte pas atteintes ni aux droits de l’homme, ni à la vie privée, ni aux libertés individuelles ou publiques.

La CNIL en tant qu’autorité en charge de veiller à la protection des données personnelles, à ce titre, elle dispose notamment d’un pouvoir de contrôle et de sanction. Jouant aussi un rôle d’alerte et de conseil, elle a pour mission de veiller à ce que le développement des nouvelles technologies ne porte atteinte ni à l’identité humaine, ni aux droits de l’homme, ni à la vie privée, ni aux libertés individuelles ou publiques. De manière plus générale, la CNIL protège la vie privée et les libertés dans le monde numérique.

Elle est également la plateforme de consultation pour l’évolution de la législation en vigueur afin d’allier plus sereinement évolution technologique et vie privée.  Dans ce contexte, la CNIL en consultant les internautes et les professionnels définit un juste équilibre entre droits fondamentaux et innovation technologique[30].

Depuis 2010, une instance indépendante, l’ACPR (Autorité de Contrôle Prudentiel et de Résolution) née de la fusion entre l’ACAM (l’Autorité de Contrôle des Assurances et des Mutuelles) et le Contrôle Bancaire, est chargée de contrôler les sociétés d’assurance.

 

2.1.1.4             Les experts techniques

A côté des techniciens classiques dans les assurances (l’actuaire, l’expert en sinistres composé notamment d’ingénieurs préventionnistes, les juristes…), l’utilisation du big data a créé de nouveaux métiers au sein des assurances. Ce sont les techniciens data : i) il y a le Chief Data Officer, qui s’occupe de la partie collecte des données et se charge de répartir son analyse au sein des différents services intéressés mais également il fait respecter l’éthique en matière d’usage de ces informations ; ii) puis, il y a le fameux Data Scientist qui s’occupe de la transcription des besoins des différents services d’une entreprise. En somme, le Data Scientist manipule et joue avec la donnée ; iii) enfin, le domaine de la protection des données captées où intervient le Data Protection Officer, appelé aussi anciennement le correspondant informatique et libertés (CIL).

 

 

                                                         2.1.2           Les écueils à l’application du big data dans les assurances

 

Afin de pouvoir étayer sur le sujet, il y a lieu de nous intéresser sur les facteurs, les influences qui rendent difficiles la mise en place d’architecture big data dans les sociétés d’assurance. L’application du big data se heurte à de nombreux obstacles qui freinent son évolution. Ces facteurs sont très nombreux. Ils sont de tout ordre : législatif et règlementaire, managérial, technique et opérationnel ainsi que financier.

 

 

                                                            2.1.2.1            Les écueils du domaine législatif er règlementaire

Par l’importance particulière qu’il représente dans les rouages de l’économie moderne, le secteur de l’assurance est un secteur règlementé soumis à autorisation. Les entreprises pratiquant des opérations d’assurance sont soumises, en fonction de leur statut juridique, aux dispositions du :

• Code des assurances pour les sociétés d’assurances
• Code de la mutualité pour les mutuelles
• Code de la sécurité sociale pour les institutions de prévoyance et de retraite, ainsi qu’à celles du Code monétaire et financier, qui agrège les principales obligations des professionnels de la banque, de l’assurance et de la finance.

Pour les contrats d’Assurance-vie en particulier, une loi du 15 décembre 2005 prévoit l’obligation pour les assureurs de prévenir la ou les personnes désignées comme bénéficiaires, lorsqu’elles ont connaissance du décès du souscripteur.[31]

Mais la législation nationale est issue des directives européennes. Par exemple, la directive Intermédiation en assurances, votée en 2002, est la source conventionnelle du Code des assurances en 2005. Elle est remplacée par la DIA 2, votée le 24 novembre 2015 et applicable en 2018. La directive Solvabilité II a redéfini les marges de solvabilité des sociétés d’assurances et de réassurance. Elle s’applique au 1er janvier 2016.

L’application du big data dans les assurances apporte à son tour de nouvelle règlementation. Les traitements de données sont soumis au respect strict des lois en vigueur aussi bien au niveau communautaire qu’au niveau de la loi nationale.

A cet effet, de nombreuses directives européennes comme le règlement « RGPD » ou Règlement Général sur la Protection des Données et loi nationale (par exemple la loi n°2004-801 du 6 aout 2004) concernant la protection des données personnelles limite le big data dans son envolé. A cela s’ajoute les formalités et procédures de déclarations au préalable auprès des instances compétentes (la CNIL) qui sont obligatoires avant la mise en œuvre des traitements.

Les assureurs ont mis en place en étroite collaboration avec la Commission nationale de l’informatique et des libertés (CNIL) un pack de cinq normes et ont créé un « club conformité » pour entamer sereinement ce vaste chantier sur la protection des données personnelles. Mais depuis le Règlement (UE) 2016/679 du Parlement européen et du Conseil du 27 avril 2016, le respect de la vie privée est devenu la norme et oblige les sociétés d’assurance à limiter drastiquement le traitement des données à caractère personnel. L’article 21 du règlement permet de mieux comprendre le réel frein au développement du Big Data, en imposant la limitation claire du recours au profilage[32].

 

 

                                                            2.1.2.2            Les déficits d’ordre managérial et organisationnel

La décision d’implanter l’architecture du big data dans les assurances a un coût assez élevé car elle s’accompagne de réforme à toute les niveau de l’organisation. Le premier obstacle managérial se présente comme un problème financier. Appliquer le big data équivaut à un véritable investissement car le coût de la gouvernance des données est exorbitants. Non seulement en matière d’équipement mais également en ce qui concerne les prestations des experts.

A cela s’ajoute également la dissonance organisationnelle. Cette nouvelle façon de travailler et d’aborder le métier de l’assurance avec le big data comporte un écueil, en termes de compétences opérationnelles. En effet, certains profils essentiels, comme le « Data Scientist », sont difficiles à recruter. Les experts en data ne sont pas nombreux et leur expertise sont par conséquent très demandée et très onéreuse.

 

 

                                                            2.1.2.3            Les obstacles d’ordre technique

Le traitement des données est une technologie nouvelle dont la maitrise pleine et complète n’est pas totalement acquise. Cette capacité à traiter les données massives est bloquée par des sources trop large et trop vaste qui rendent la gestion difficile. En plus, même si les données sont très significatives, elles resteront très compliqués à modéliser. Mais en parallèle à cela, les formations en matière d’expertise en data n’existent pas encore. Aucune institution académique ne propose, jusqu’à présent un cursus d’étude de big data.

 

 

L’hyper espace du danger nous a montré les obstacles liés à l’application du data dans les assurances. Mais L’analyse de cet hyperespace nous conduit à voir les menacent cindynogènes que représentent l’application du big data dans les assurances. Ces risques et menaces se trouvent sur cinq axes : les données et les faits ; les représentations et les modèles,  les objectifs, les finalités ; les lois, normes, règles, codes ; les valeurs.

Car non seulement l’application du big data présente des risques pour l’assurance et l’assuré mais elle est accompagnée de menaces majeurs qui les fragilisent. Par rapport à l’entreprise, ces menaces sont issues de sources internes ou externes à elle.

 

 

                                               2.1.3 Les risques liés à l’application du big data fragilisant les assurances

 

L’application du big data se heurte à des dissonances et des déficits qui peuvent renforcer les menaces qu’implique l’application du big data dans les assurances. Le premier déficit est en rapport avec le managérial. La gouvernance des données présente une facture assez élevée mais est-elle sans risque ? Comment cette gouvernance des données menace-t-elle l’existence même de l’assurance ?

D’autres obstacles peuvent également freiner le big data dans son élan comme par rapport à la législation. Les lois et règlements sont hostiles à l’intrusion des assureurs dans les données personnelles des assurés car cela représenterait des dangers d’ordre légal et d’ordre éthique. L’utilisation du big data expose les assurances à des risques aussi bien internes qu’externes. Quels sont ces risques ?

 

 

                                                            2.1.3.1            Risques internes à l’entreprise

Les risques liés à l’application du big data dans les assurances sont des risques liés à sa stratégie en ce qui concerne la gouvernance des données ainsi que des risques d’ordre financier et opérationnel.

 

                                                       i.             Les risques stratégiques

Les menaces du big data se présentent par rapport au fait que son application au sein des assurances remet en cause les principes fondamentaux des assurances comme la mutualité. En permettant l’individualisation à un niveau très fin de l’offre d’assurance, le modèle prédictif parfait mis en œuvre par le big data viendrait mettre fin à la mutualisation. Ce qui conduirait à la disparition des aléas et par conséquence des bons risques provoquant dans la foulé l’érosion du portefeuille. Le big data appliqué dans les assurances rend les technologies de l’informatique nécessaire et incontournable dans les assurances. Or la présence des technologies dans les assurances naît une nouvelle fragilité des assureurs et ce notamment avec une plus grande exposition aux hackers[33] et aux infractions de la cybercriminalité.

 

 

                                                     ii.            Les risques opérationnels

Les risques opérationnels sont en rapport avec les données : parfois certains algorithmes ou modèles peuvent être défaillants et incohérents avec les faits. Il convient donc de porter une attention particulière aux données utilisées et à la manière dont est proposé le service issu de l’interprétation de ces données. Une mauvaise interprétation des données peut induire en erreur et donner lieu à la fabrication de produits ou de services non adaptés au besoin du client.Les données peuvent également être sujettes à des manipulations. Le traitement des données repose sur un système de boite noir où il n’y a pas d’audit. Considérant le volume des données, même si les données sont très significatives elles resteront très compliqués à modéliser.

L’utilisation croissante du big data peu également tendre vers une exacerbation de la fracture numérique. Il existe un risque d’inégalités croissante face aux données et au pouvoir que l’on a sur elles. A cet effet, Manovich distingue ainsi trois (3) catégories d’acteurs, foncièrement inégaux face à la donnée : « ceux qui créent les données (que ce soit consciemment ou en laissant des traces numériques), ceux qui ont les moyens de les recueillir, et ceux qui ont la compétence de les analyser ». Les experts datas auront le pouvoir de produire et d’orienter les règles qui vont encadrer et cadrer l’exploitation des big datas.

 

 

                                                   iii.             Les risques financiers et techniques

L’intégration du chantier Big Data au sein d’une compagnie d’assurance nécessite la mise en synergie de toutes les fonctions internes de la compagnie. Toute cette structuration oblige l’assureur à des efforts financiers et structurels immenses et s’engage dans un processus très long. Le coût de la gouvernance des données demande un très long et très coûteux travail. Or cela ne donne aucune garantie sur un retour rapide sur investissement. Bien au contraire, le risque de perte demeure assez élevé.

L’usage du data avec les opportunités qu’il offre, viendrait alors à conditionner la performance des sociétés d’assurance. Si une société d’assurance veut être compétitive ou tenir la concurrence, l’utilisation du big data est devenu alors une impérative ce qui conduit à la spirale du big data. Le recours au big data menace l’existence même des assurances. Elle viendrait à conditionner la compétitivité des assurances. Ceux qui ne se doteront pas de l’architecture du big data seraient condamnés à une disparition certaine.

 

 

                                                   iv.             Les risques marketing

L’utilisation du big data peut exposer la société à une perte d’image ou de confiance des assurés en cas de problèmes graves liés à la connectivité. L’intrusion du big data, de plus en plus dans les données personnelles des assurés, a des effets sur l’image que reflète la société d’assurance par rapport à l’éthique. Si certains assurés sont prêt à partager ses données personnelles afin de bénéficier d’offres plus intéressantes, nombreux sont encore ceux qui sont sceptiques.

En parallèle, l’information et la sensibilisation que les médias font autour du « Big Data » et des opportunités qu’il offre dans les assurances peuvent faire évoluer les comportements des assurés clients. D’un côté, ils peuvent penser que leur assureur est trop intrusif et être réticent quant à laisser leur assureur « fureter » dans leur vie privée et de l’autre, a contrario, leurs attentes vis-à-vis des fournisseurs de services et des produits offerts, vont s’accroître en termes d’exigences.

 

 

                                                            2.1.3.2            Les risques externes à l’entreprise

Les risques liés à l’application du big data dans les assurances ne sont pas seulement des menaces ayant son origine au sein de l’entreprise. Ces risques peuvent également être des menaces externes à elle. Ce sont les risques d’ordre législatif, des risques d’ordre éthique, des risques liés au marketing et aux attentes des clients ou encore des risqueq concurrentiels.

 

a.       Les risques liés à la législation

La culture européenne est plus sensible à la protection des droits individuels contrairement aux États-Unis. Aux Etats-Unis, à l’inverse de l’Europe, qui se soucie d’abord de la protection des consommateurs, le marché américain privilégie le développement économique et laisse plus de place à l’innovation. Par exemple, on peut comparer le succès de la start-up OSCAR qui utilise les données de santé des assurés pour leur proposer une assurance aux méfiances et aux polémiques que Generali Vitality a créé à peine arrivée sur le marché français.

Mais à cela s’ajoute également, les menaces trop grandes qui demeurent dans le domaine du possible de modification de la règlementation en vigueur. Les instances gouvernementales sont susceptibles de légiférer sur la prohibition de l’utilisation des données personnelle et ou pour renforcer la protection de la vie privée à tout moment.

 

 

b.      Les risques liés à l’éthique

Le domaine de l’éthique est également une scène où l’on fait face au risque que représente le big data. Plusieurs types de risques d’atteinte à la vie privée et aux droits fondamentaux peuvent être cités. En premier lieu, le sentiment de déshumanisation qui peut survenir dans la pensée des gens car les données personnelles ou non qui les concernent sont collectées, analysées et vendues à leur insu. Vient également le sentiment de ne pas pouvoir échapper à une surveillance constante où à des pressions visant à les faire consommer, voter,… On peut lancer une alerte face aux dérives éthiquement insoutenables, que l’on peut constater dans la partie grise ou sombre de l’internet, y compris dans les grands réseaux sociaux. Mais également, la menace du « big brother »[34] à cause d’une surveillance de plus en plus invasive de nos activités par les fournisseurs d’accès à Internet.

 

c.       Les risques concurrentiels

Le coût financier nécessaire à l’intégration du chantier Big Data au sein d’une compagnie d’assurance qui d’une part ne sont pas à la portée de tous et d’autre part prennent beaucoup de temps. Cela met donc de nouveaux acteurs en position de force par rapport aux compagnies traditionnelles. L’application du big data dans les assurances est à l’origine de l’ubérisation[35] des assurances avec l’apparition de nouvelles concurrences. En plus des startups de l’Assurtech[36] qui concurrencent les sociétés d’assurance avec l’innovation du big data, il y a également la possibilité pour les GAFA (Google, Apple, Facebook, Amazon) d’offrir leur prestation dans le secteur des assurances étant donnée leur avancée en matière de gestion de données massives.

Dans l’hypothèse où Google, par exemple, s’ouvre au domaine de l’assurance, en tant que moteur de recherche le plus utilisé au monde (Google est en situation de quasi-monopole), il serait en mesure de proposer une assurance correspondant à ses besoins en  anticipant les achats des assurés (par exemple l’achat d’une maison ou voiture voiture). Google pourrait connaitre les besoins de l’assuré avant même que ce dernier ne clique sur une offre d’assureur. L’expérience infructueuse dans le secteur assurantiel avec le comparateur Google Compare n’empêchera pas la possibilité à Google de refaire sa réapparition dans quelque temps…

La maîtrise parfaite du big data de ces nouveaux concurrents sur le marché des assurances fait craindre au mieux une concurrence rude avec les assurances traditionnelles et au pire la disparition de certains acteurs en les supplantant. Les profils de ces nouveaux acteurs diffèrent des acteurs traditionnels du secteur de l’assurance, ils ne disposent que de peu de connaissance vis-à-vis de l’activité de fond mais grâce au big data et après affinement de leurs modèles, ils feront de l’ombre à ces derniers. Il faut toutefois nuancer ce scénario, car l’entrée sur le marché de la production d’assurances nécessite un investissement lourd que ces entreprises du Big Data ne sont pas forcément prêtes à faire.

La mondialisation avec la libre circulation des biens et services ne rendent pas service aux compagnies d’assurances. La saturation du marché des assurances doublée de la mobilité des entreprises mettent en concurrence les assurances du monde entier. Non seulement les compagnies d’assurance entre elles sont en compétition mais en plus elles doivent faire face aux compagnies étrangères.

 

 

La réalité sur l’application du big data dans les assurances nous révèle un paradoxe quant aux promesses et aux menaces qui y sont liées. Aussi nombreuses que puissent être les promesses et opportunités qu’offrent le big data dans son application dans les assurances, les risques et menacent qui y sont apparentés sont aussi nombreux.

Une science nouvelle permet l’étude de ces menaces. Communément connu sous le nom de « science du danger », les cindyniques permettent de dresser les risques et les dangers que peuvent représenter ce système. Elles axent leur analyse sur cinq axes qui sont : épistémologique, déontologique, finalité, mnésique, axiologique.

En corollaire à ces menaces, le système fait également face aux déficits, aux dysfonctionnements ainsi qu’aux déficits. Tous ces obstacles sont des limites qui  freinent l’évolution des assurances big data, voir même, encouragent la réalisation des risques fragilisant le système. Ces obstacles concernent le managérial, les questions d’ordre technique, financiers ou même opérationnel mais également d’ordre législatif et éthique.

 

 

 

2.2      Les perspectives d’avenir du big data dans les assurances

 

L’indispensable présence d’internet et des technologies de l’information et de la communication au quotidien touche non seulement l’habitude des individus dans sa vie personnelle mais également dans les activités professionnelles. Le big data étant l’un des découvertes majeures qui révolutionne les activités économiques. Le paradoxe des promesses et des menaces que représentent l’application du big data dans les assurances nous laisse dans l’incertitude quant à son avenir. Pourtant l’application du big data dans les assurances parait une réalité incontournable compte tenu des aléas économiques actuels et du progrès incessant de la technologie et son intrusion dans les différents secteurs d’activité.

Mais face aux menaces qu’engendre le choc big data – assurance, certaines mesurent afin de limiter les risques et les dangers que représente son application apparaissent nécessaires. Les menaces limitent l’opportunité de jouir pleinement des bénéfices qu’offre le big data.

Ce qui nous conduit à voir en profondeur le fondement de l’incontournable recours au big data dans les assurances Mais également les mesures d’accompagnement nécessaires pour venir à bout des limites du big data. Dans un futur proche, comment va évoluer la relation big data – assurance ?

 

 

                                         2.2.1             Le big data dans les assurances incontournable ?

 

La réalité actuelle de l’omniprésence d’internet et des nouvelles technologies comme les objets connectés dans la vie quotidienne nous font que d’innombrables informations peuvent être collectées, stockées et traitées afin d’en sortir de la valeur. A l’échelle mondiale, le volume de ces données dépasse un volume de plusieurs teraoctets. C’est le big data.

Le secteur de l’assurance plus que n’importe quel autre secteur, devra se plier et s’accoutumer au mastodonte Big Data. Le big data est nécessaire pour comblé les lacunes de l’assurance. Les informations issues des gadgets que l’homme utilise au quotidien permettent aux assureurs d’offrir un service amélioré et d’offrir des produits sur mesure et répondant à juste titre aux besoins des assurés. Ce qui rend le big data à l’heure actuelle indispensable à l’assurance. Le Big Data devient le nouveau moteur de croissance du secteur assurantiel.

Les opportunités qu’offre le big data pour les compagnies d’assurance sont tellement prometteuses pour le métier d’assurance et pour la satisfaction des assurés consommateur à un tel point que ces promesses assurent la pérennisation de son application dans les assurances. Les risques concurrentiels sur le marché des assurances engendrés par l’application du big data font que l’utilisation du big data est non plus un choix mais devenu un impératif afin d’assurer son existence et pour pouvoir faire face aux nouveaux concurrents.

Face aux intérêts que présentent les assurances big data dans l’économie, l’orientation de la législation actuelle tend à faciliter l’accès aux données personnelles nécessaires à l’évolution des assurances qui jusque là faisait obstacle à la pleine expansion de la technologie big data. Cela au détriment des réticences des individus quant à l’accès à ses données personnelles. Parfois les assureurs demandent le consentement de leurs assurés afin d’utiliser et de collecter leurs informations personnelles. Les assurés y consentent en échange d’une tarification avantageuse (à une juste valeur) et d’autres bénéfices comme le système de bonus-malus, ils demandent à leurs assurés l’accès à certaines données personnelles.

Mais face aux autres obstacles auxquels se heurtent le big data dans les assurances. Une association des acteurs du monde de l’assurance (fournisseur et distributeur) avec les entreprises sachant exploiter les données éviterait le risque aux deux parties d’entrer en concurrence mais où chacun en tirera un bénéfice. Le nouveau P-DG d’Axa, Thomas Buberl, en a ainsi fait un des trois axes stratégiques de sa politique : « Les assureurs ont longtemps travaillé seuls. Maintenant, ils doivent s’associer à des entreprises des télécoms ou avec les GAFA [Google, Amazon, Facebook,Apple] ». Non seulement cette association réduit les risques concurrentiels mais cela réduits également le déficit managérial et financier auquel les assurances doivent faire face dans la gouvernance des données.

A cet effet, l’étude Precepta a dit que pour rester dans la course, les assureurs ont tout intérêt à jouer le rôle d’entreprise pivot dans des écosystèmes d’affaires.  » Avec le Big Data, les marchés de l’assurance se réorganisent en effet autour d’écosystèmes d’affaires incluant des fournisseurs de solutions de Big Data, des fabricants d’objets connectés, des spécialistes de la data mais aussi les entreprises concurrentes, les clients et plus globalement l’ensemble des acteurs reliés à l’univers de besoins considérés (opérateurs énergétiques et télécom dans l’habitat connecté, industriels et fournisseurs de soins dans la santé…) « .

Par rapport à la protection de la vie privée des personnes, la gouvernance des données devient une mission responsable et éthique qui incombe aux assureurs. L’assureur devient un véritable gardien des données personnelles de ses assurés. Les nouvelles dispositions européennes, permettent dorénavant aux particuliers de mieux contrôler leurs données personnelles. A cet effet le droit à l’oubli, le consentement sur l’utilisation des données personnelles, le droit de transférer les données, d’être informé en cas de piratage et les conditions générales d’utilisation des données sont prévues dans les dispositions des lois.

 

 

Mais pour faire face aux menaces, aux risques ainsi que pour venir à bout des obstacles que rencontre l’utilisation du big data dans les assurances, des mesures d’accompagnements sont nécessaires.

 

 

                                                                             2.2.2             Les mesures d’accompagnement nécessaires

 

L’application du big data se heurte à des limites. Ces limites peuvent être les obstacles mais également les menaces et risques liés à son application et qui fragilisent les assurances. Afin de maximiser les opportunités qu’offre le big data des mesures doivent êtres prises. On peut classer ces mesures en deux : celles qu’il faut prendre sur le court et le moyen terme et celles qui s’étendent sur le long terme.

Avant de trouver la solution à un problème, il faut en premier lieu l’identifier et l’évaluer. Dans la section précédente, on a identifié les dissonances, les déficits ainsi que les risques auxquels le big data et les assurances doivent faire face. Pour chaque risque et obstacles, il est nécessaire de prévoir des mesures afin d’y remédier.

 

 

                                                            2.2.2.1            Les mesures à court et moyen terme

• Face aux obstacles et risques au niveau de la règlementation, la solution est le lobbying. L’importance du auprès des autorités Européennes réside dans le fait que cela permet de leur faire prendre conscience de la dimension du Big Data dans les textes de loi. Négocier et discuter afin de permettre et autoriser l’utilisation de données. Apporter des solutions pour une juste mesure, entre le service apporté et la protection de la vie privée.

 

• En ce qui concerne le problème marketing, la solution réside dans les procéder marketing. Faire connaitre l’entreprise et ses offres par des publicités et des campagnes d’annonces ciblées. Les cookies sur internet apportent de véritables innovations en la matière.

 

• En ce qui concerne les risques concurrentiels, l’investissement dans le domaine du big data et dans les technologies y afférentes serait judicieux.

 

• Face aux risques d’erreur liée à l’interprétation des données, la prudence dans notre approche est requise. Avant un investissement conséquent, la mise en place de pilote pour tester les solutions mises en oeuvre sera une réponse efficace contre le risque d’erreur, dans le process de « Decision Making ». Une bonne composition de l’équipe qui se chargera de l’interprétation et de la sélection des données devient un gage de sécurité.

 

 

 

                                                                                                           2.2.2.2            Les mesures sur le long terme

• Pour les questions relatives aux coûts et aux moyens financiers, une association avec des entreprises de télécommunication ou une coopération avec les GAFA est à conseiller.

 

• Pour les compétences, qui n’existent pas encore sur notre marché, des partenariats avec des écoles et des organismes de formation sont à lier, afin qu’ils investissent sur ces nouvelles formations. Pour ce qu’il en est dans les entreprises, il est judicieux de faire appel à une entreprise expérimentée pour les nouveaux projets et mettre en place un accompagnement efficace pour les équipes.

 

 

 

DEUXIEME CONCLUSION PARTIELLE

L’application par les assurances du big data est limitée par de nombreux facteurs. Mais avant de parler de ces facteurs qui rendent difficiles l’application du big data dans les assurances, il y a lieu de voir en premier lieu les acteurs qui entrent en scène dans ce système. Il y a en premier lieu les compagnies d’assurances qui selon leur statut juridique peut être : une assurance, une mutuelle ou une prévoyance. Puis, il y a les assurés qui selon le contrat peut être des personnes (physique ou morale) et des biens (meubles ou immeubles). En troisième lieu, il y a les autorités étatiques, législatives et juridictionnelles. En dernier et non les moindres, il y a les techniciens data qui sont employés dans les assurances.

Les facteurs qui limitent l’évolution du big data peuvent être classés en deux, selon l’impact qu’il a sur les assurances big data. D’abord, il y a les obstacles qui freinent l’évolution du big data et rend difficile son application dans les assurances. Ces obstacles sont de différents ordres : i) d’ordre législatif et règlementaire : la législation nationale et la règlementation au niveau communautaire peuvent limiter l’accès des assureurs aux données personnelles des assurés ; ii) il y a les déficits d’ordre managérial et organisationnel qui touchent l’entreprise dans son organisation et son fonctionnement ; iii) les questions techniques peuvent également se dresser comme obstacles à l’évolution du big data dans les assurances.

En parallèle à ces obstacles, il y a les risques et les menaces liés aux big data et qui fragilisent les assurances. Par rapport à l’entreprise, les risques peuvent être internes et externes. Les risques internes ou risques entreprises ce sont les risques stratégiques, opérationnels, financiers et techniques et même marketing. Les risques externes par contre sont liés à la législation, à l’éthique et même concurrentiels.

Malgré ces limites la présence du big data dans les assurances n’en demeure pas moins incontournable. La réalité technologique et économique ainsi que les besoins du marché rendent l’utilisation du big data impératif pour la survie des assurances face à la concurrence et afin de mieux répondre aux demandes des consommateurs. L’omniprésence d’internet et les nouvelles technologies aidant les assurances seront donc vouées à s’associer et à s’allier aux entreprise ayant une bonne maitrise du big data. Mais à cela s’ajoute d’autres mesures d’accompagnement nécessaires afin de remanier aux limites qui freinent l’application du big data. Ces solutions sont de deux ordres : il y a les solutions sur le court et moyen terme ainsi que des solutions qui s’étaleront sur le long terme.

 

 

 

CONCLUSION GENERALE

 

Pour conclure, « Partout le numérique va introduire des ruptures fondamentales, qu’il convient d’anticiper et de maîtriser. Le modèle d’affaires de l’entreprise numérique ne ressemble plus au modèle d’affaires classique, dans ses fondamentaux et sa déclinaison sur le marché »[37]. Dans le cas de l’assurance, la révolution digitale offre l’opportunité de transformer la relation entre l’assuré et son assureur. Aussi le premier en tire un bénéfice évident que le second un intérêt particulier.

En dépit de son utilité sociale évidente, l’évolution technologique dans les assurances permet de remédier à la mauvaise image que l’on conçoit d’elles au quotidien. Trop souvent la relation assurance assuré se résume à un contact à la souscription, un autre au règlement du sinistre, et très peu entre les deux. L’usage intelligent des données met fin à cela grâce à l’introduction de la personnalisation et la prévention.

Grace au big data, les services rendus sont personnalisés afin de remédier à la cherté des primes ou aux indemnisations dérisoires. Le big data permet également de satisfaire les besoins de protection des assurés en leur proposant des solutions simples et adapté à leur besoin et cela à un prix juste. Ils n’auront plus la sensation que l’assureur leur fait payer pour payer les sinistres des autres puisque le Big Data permet une tarification selon les caractéristiques de chacun, sur mesure et personnalisée. En un mot, le Big Data vient aider l’assurance en comblant ses lacunes les plus anciennes.

Mais cela n’empêche que le big data présente des risques qui fragilisent l’assurance. En tant qu’outil technologique, les infractions cybercriminelles mais également les erreurs liées à la gouvernance des données, les dissonances dans la maîtrise de la nouvelle technologie sont autant de menaces qui le touche. L’évolution du big data pose systématiquement la question de la protection des données et du respect de la vie privée. D’autres risques de l’ordre de la déontologie et de l’éthique par rapport à l’utilisation des données en font également partie. Sans parler de la législation restrictive qui imposent des limitent strictes quant à l’utilisation des données personnelles des assurés.  A cet effet, la législation européenne permet aux assurés de maîtrisé la souveraineté de leur donner.

Quelques solutions et de suggestions ont été émises afin de remédier à ces risques et afin de faire face aux obstacles.

Le big data, tel qu’il est exploité actuellement, ne fait-il pas courir le risque que les gens soient jugés non pas sur leur comportement réel mais selon les propensions que les données leur prêteraient ?  Ne serait-ce pas dans ce cas un outil qui va punir les gens selon leur penchant et non pas selon leur action ?

 

 

SOMMAIRE

INTRODUCTION.. 1

1. LA RÉVOLUTION BIG DATA DANS LES ASSURANCES : DES ASSURANCES COMPETITIVES ET ATTRACTIVES. 2

1.1     La gouvernance des données dans les nouvelles images de l’assurance. 3

1.1.1     Le big data ou l’or noir des entreprises du XXIème siècle. 4

1.1.2     Les assurances « classiques » et les assurances « big data ». 12

1.2     Des assurances attractives et compétitives : une relation gagnant – gagnant entre assuré et assureur 18

1.2.1     Les opportunités de l’application du big data pour les assurances. 20

1.2.2     Les retombés de l’application du big data sur les assurés. 22

PREMIERE CONCLUSION PATIELLE.. 24

2. L’APPLICATION DU BIG DATA DANS LES ASSURANCES: SES LIMITES ET SES PERSPECTIVES D’AVENIR.. 27

2.1     Les limites à l’application du big data : entre obstacles et risques. 28

2.1.1     Les acteurs du big data dans les assurances. 30

2.1.2     Les écueils à l’application du big data dans les assurances. 34

2.1.3     Les risques liés à l’application du big data fragilisant les assurances. 37

2.2     Les perspectives d’avenir du big data dans les assurances. 43

2.2.1     Le big data dans les assurances incontournable ?. 44

2.2.2     Les mesures d’accompagnement nécessaires. 46

DEUXIEME CONCLUSION PARTIELLE.. 48

CONCLUSION GENERALE.. 49

 

 

REFERENCES

 

A.  BIBLIOGRAPHIE

 

·        Ouvrages généraux et spécialisés

• Big Data : opportunité ou menace pour l’assurance ?, THOUROT (P.) et FOLLY (K. A.), édition Revue Banque, parut le 18 février 2016

 

• CHOUKRI (I.), CANTERO (I.), AGOSTI (P.), CAPRIOLI (E. A.), Banque et assurance digitales, édition Revue Banque, parut le 25 mai 2017

 

• COUILBAULT-DI TOMMASO (S.) et HUBERTY (V.), Les grands principes de l’assurance, édition l’argus de l’assurance, parut le 10 mai 2017

 

• DUPUIS (M.), Le big data dans les assurances, Etudes Broché, parut en décembre 2014

 

 

• Réussir sa transformation digitale de l’entreprise d’assurance, AGBOJAN (E.) et CHABROL (A.), édition L’argus de l’assurance, parut le 09 novembre 2016

 

• TRAINAR (P.) et THOUROT (P.), Gestion de l’entreprise d’assurance, édition Dunod, parut le 05 juillet 2017

 

 

·        Articles de presse et sur web

 

• Analytics, Révolution big data: les enjeux et les risqué du big data, LDN, 2 avril 2014
• Business Analytics info, Les big data redessinent les contours de l’assurance, 8 décembre 2014
• Janet Wiener et Nathan Bronson, « Facebook’s Top Open Data Problems », sur Facebook Research, 22 octobre 2014
• L’assurance à l’heure du big data, Atlas magazine, 10 janvier 2017

 

• La maitrise du big data : un avantage compétitif décisif, Les Echos, 3 septembre 2012
• MAAF et Actuaris (Article original en anglais), « When the Art Is Watching You », presentation sur BIG DATA et données externes dans les modèles de tarification, Wall Street Journal, 11 décembre 2014

 

• McKinsey & Company, “Big data: The next frontier for innovation, competition, and productivity”. In: McKinsey Global Institute, Janvier 2011, url: http://www.mckinsey.com/business- functions/business- technology/ourinsights/big-data-the-next-frontier-for-innovation.
• REMY (M.), Big data : et si demain les compagnies d’assurances contrôlaient votre mode de vie ?, Observatoire des multinationales, 4 février 2016

 

• THEVENIN (L.), Comment le big data va révolutionner l’assurance, Les Echos, parut en 2015
• Thierry Crespel, « l’or noir nous livre ses secrets », JDN, le 22 août 17

 

• WOMACK (B.) et REGAN (T.), Google’s Schmidt Says “Data Can Change Insurance, Health Care”, Bloomberg. 2013, url : http://www.bloomberg.com/news/articles/2013-11-21/google-s-schmidt-says-big-data-can-change-insurance-healthcare

 

 

·        Études et recherches

• L’Enass, Les enjeux du big data (pdf)
• LABONTÉ (F.), Technologie, méthode et applications du Big Data, exposé présenté au 40e Congrès De L’association Des Économistes Québécois, le 20 mai 2015, CRIM
• VIGIER (M.), le big data : une mine d’informations pour les entreprises, mémoire professionnel, LP MCI Année 2014, Université d’Evry Val d’Essone

 

 

B.  WEBOGRAPHIE

 

Les sites web consultés :

 

www.argusdelassurance.com

www.revue-banque.fr

www.business-analytics-info.fr

www.technologies.lesechos.fr

www.economist.com

www.atlas-mag.net

www.ludosln.net

www.lesechos.fr

 

 

 

[1] Document en anglais : « The AI revolution in science », Science | AAAS,‎ 5 juillet 2017

[2] EY. “2015 Global Insurance Outlook”. In : (2015). url : http://www.ey.com/Publication/vwLUAssets/ey-2015-global-insurance-outlook/%7B%5C$%7DFILE/ey-2015-global-insurance-outlook.pdf.

[3] Thierry Crespel, « l’or noir nous livre ses secrets » JDN, le 22/08/17 17 :28

[4] LCL banque et assurance, « Big data : définitions, enjeux et publications »

[5] Cf figure 2 plus bas

[6] Janet Wiener et Nathan Bronson, « Facebook’s Top Open Data Problems » [archive], sur Facebook Research, 22 octobre 2014 (consulté le 15 mars 2017)

[7] FRANÇOYS LABONTÉ, Technologie, méthode et applications du Big Data, exposé présenté au 40e Congrès De L’association Des Économistes Québécois, le 20 mai 2015, CRIM

[8] Basé sur la definition du www.nist.gov: National Institute of Standards and Technology

[9]  www.crim.ca

[10] https://www.hpc-lr.univ-montp2.fr/

[11] BIG DATA et données externes dans les modèles de tarification, présentation de la MAAF et Actuaris

[12] Article original en anglais ) « When the Art Is Watching You » [archive], sur Wall Street Journal, 11 décembre 2014

[13] CRIM ibid

[14] NOTIONS DE BASE EN ASSURANCE, www.ibc.ca/ www.getintheknow.ibc.ca

[15] SOLUCOM – Gouvernance des données : comment mettre durablement les données sous contrôle? – Jean-Nicolas Biarrotte-Sorin et Gilles Baillou

[16] Analyse du BCG

[17] https://www.axa.fr/mutuelle-sante/partenariat-withings/jeu-pulse.html.

[18] Precepta, « Assurance et Big Data – Opportunités et nouveaux écosystèmes »,

[19] Big Data : une mine d’or pour l’assurance », Les synthèses – N°54 Cabinet SOLUCOM

[20] Blockchain : Technologie qui permet le stockage et la transmission de données de manière sécurisée, sans organe central de contrôle.

[21] https://blockchainfrance.net/2016/02/17/assurances-et-blockchain/

[22] Inspiré de l’article écrit par Thomas HEDON, « les opportunités du big data dans les relations clients » www.insurancespeaker-wavestone.com/2014/08/big.data/assurance-opportunite-relation-client/

[23] Jacques Richier, le PDG d’Allianz France dans un article parut dans « Echos »

[24] Laurent Thévenin  « Risques », n° 95, septembre 2013.

En savoir plus sur https://www.lesechos.fr/02/10/2014/LesEchos/21784-046-ECH_comment-le-big-data-va-revolutionner-l-assurance.htm#zzTzpsWqf7S5900g.99

[25] Source Google https://www.google.fr/trends/explore?date=all&q=bbig%20data

[26] McKinsey & Company. “Big data: The next frontier for innovation, competition, and productivity”. In: McKinsey Global Institute 29.June (jan. 2011). issn: 14712970.  url: http://www.mckinsey.com/business- functions/business- technology/ourinsights/big-data-the-next-frontier-for-innovation.

[27] Brian Womack et Trish Regan. Google’s Schmidt Says “Data Can Change Insurance, Health Care” – Bloomberg. 2013. url : http://www.bloomberg.com/news/articles/2013-11-21/google-s-schmidt-says-big-data-can-change-insurance-healthcare

[28] Résumé d’Emmanuel Sève

[29] Selon Georges Yves KERVRN

[30] Site www.cnil.fr

[31] Legifrance.fr

[32]http://www.europarl.europa.eu/news/fr/news-room/20160413BKG22980/nouvelle-l%C3%A9gislation-europ%C3%A9enne-sur-la-protection-des-donn%C3%A9es.

[33] Personne qui, par jeu, goût du défi ou souci de notoriété, cherche à contourner les protections d’un logiciel, à s’introduire frauduleusement dans un système ou un réseau informatique. Source : Larousse http://www.larousse.fr/dictionnaires/francais/hacker/38812

[34] Georges Orwell décrit dans 1984 un monde où la surveillance de masse est devenue la norme.

[35] Ubérisation : Le néologisme d’ubérisation est généralementutilisé pour désigner le phénomène par lequel une start-up ou un nouveau modèle économique lié à l’économie digitale peut menacer et remettre en cause rapidement un vieux modèle de l’économie « traditionnelle ».

[36] Assurtech : Cette expression est la combinaison des termes assurance et technologie. Elle désigne les start-up qui utilisent la technologie pour repenser les modèles d’assurance.

[37] Bruno Ménard :2010