Les données comportementales, quelle utilisation possible en assurance emprunteur ?

L’entrée en vigueur de la loi Lemoine le 1^er juin 2022 interdit aux assureurs de solliciter des informations relatives à l’état de santé ou des examens médicaux en Assurance Emprunteur dès lors que l’encours de crédit cumulé ne dépasse pas 200 000 € et que les remboursements sont effectués avant les 60 ans de l’assuré.

Pour ces contrats, la sélection va donc désormais reposer uniquement sur des données comportementales qui regroupent généralement en assurance emprunteur : le profil tabagique, la catégorie socioprofessionnelle, l’activité professionnelle (travail en hauteur, travail manuel ou déplacements) ou les données d’activité sportives.

Cela nous a conduits à dresser un état des lieux de la sélection comportementale avec l’appui de trois experts du sujet en France :

• Etienne Bourdon, co-fondateur et COO de QUMATA, insurtech spécialisée dans l’exploitation des données pour la souscription en assurance de personne,
• David Dubois, membre du Conseil d’administration de l’Institut des actuaires, Directeur des partenariats chez Prévoir,
• Eric Gaubert, Direction adjoint innovation et partenariat chez RGA.
  
  

Que regroupe la sélection comportementale ?

La sélection comportementale est un dispositif d’échange d’informations entre l’assureur et ses clients. Il permet à l’assureur de mieux sélectionner les risques et de fidéliser ses clients. En contrepartie, les assurés bénéficient de dispositifs d’incitation qui peuvent prendre diverses formes : avantages tarifaires, gratifications (ex : chèques cadeaux), conseils…

Comme le souligne Eric Gaubert, le plus important pour la mise en place d’un programme de sélection comportementale est de définir une stratégie d’interaction avec le client qui regroupe :

• la recherche d’un équilibre gagnant - gagnant pour l’assureur et ses assurés,
• le ciblage et la qualification des données pertinentes au regard de la connaissance client recherchée qui permettent d’éviter de récupérer un large éventail de données souvent inexploitables,
• la démarche de développement du modèle dans la durée, au fur et à mesure que les échanges avec les clients se développent, permettant ainsi de l’enrichir et de le rendre plus pertinent.
  
  

La sélection comportementale peut exploiter des données individuelles dont le recueil nécessite le consentement du client. Elles peuvent être collectées par une simple déclaration à l’adhésion mais aussi grâce aux objets connectés (montres, smartphones, miroirs connectés) ou l’open banking qui ouvre de nouvelles possibilités. L’utilisation de données non individuelles (ex : health data hub) permet également d’exploiter les informations de larges bases de données publiques.

Quel retour d’expérience suite aux premières initiatives lancées en France et à l’étranger ?

Les experts interrogés s’accordent pour estimer que les initiatives entreprises dans ce domaine restent timides. Selon David Dubois, les assureurs français auraient une stratégie attentiste à ce sujet.

Ainsi, les initiatives citées par nos experts s’orientent plus vers l’amélioration de la relation client et la fidélisation du portefeuille que vers la conquête d’affaires nouvelles.

Un programme de prévention mis en place par un grand assureur en est l’illustration. Il permet aux clients de recevoir des bons d’achat moyennant le partage de leurs données d’activité sportive.

Eric Gaubert souligne à ce titre que ces approches de behaviour science permettent à des experts de délivrer un conseil adapté à des clients sur leur style de vie, leur bien-être, leur sommeil ou leur santé à partir des données collectées, et insiste sur le fait que le principal facteur clé de succès d’une telle approche réside dans la définition claire du but escompté par la compagnie et l’utilité potentielle pour le client.

En effet, Eric Gaubert estime qu’il est essentiel de créer une expérience client personnalisée, afin de ne pas générer de la déception chez l’utilisateur et favoriser l’échange d’informations.

C’est dans ce rapport gagnant - gagnant que se développent des synergies pertinentes entre l’assureur et l’assuré : cet échange d’information permet non seulement une connaissance plus fine de la clientèle, favorise la fidélisation et la rétention du portefeuille, mais génère également des opportunités commerciales supplémentaires (connaissance de la situation client et donc possibilité de lui proposer des nouveaux produits ou des extensions de garanties).

Il convient toutefois de noter que ces nouvelles approches sont encore émergentes en France et doivent être abordées avec humilité, en veillant à trouver un juste équilibre nécessaire au développement d’une relation de confiance.

Etienne Bourdon confirme également que cette « gamification » de la relation commerciale a été adoptée chez certains assureurs qui poussent les assurés à faire une activité physique et fournissent des services même à des non-clients.

Si l’essor des nouvelles technologies (téléphones, montres connectées, applications, etc.) facilite la collecte des données, leur exploitation se heurte à plusieurs contraintes opérationnelles et réglementaires.

D’abord la fiabilité de la donnée n’est pas garantie car la validité de ce processus est sensible au comportement des assurés : ils n’ont pas forcément leur montre ou portable en permanence avec eux, ils peuvent oublier de les recharger, ils ne sont pas tous enclins à déclarer des données à leur assureur, etc.

À cela s’ajoutent des comportements de fraude ou de fausse déclaration. A ce titre, les experts interrogés ont proposé quelques méthodes pour les contourner : QUMATA retient ainsi le nombre de pas par seconde et non par jour pour analyser les données des pas, Eric Gaubert quant à lui considère que les avantages fournis doivent rester proportionnés afin de limiter l’incitation à la fraude éventuelle.

Enfin, le retour sur investissement de la sélection comportementale n’est pas facile à quantifier, du fait des comportements de chutes et de remplacement de portefeuilles. Ce n’est pas chose aisée que d’inscrire des démarches long terme dans un contexte commercial mouvant. Eric Gaubert, estime que le partage d’expérience entre acteurs devrait permettre de favoriser l’émergence de pratiques de place au bénéfice des assurés.

Comment s’assurer de la conformité par rapport au cadre règlementaire en vigueur (notamment RGPD) ? Quelles adaptations estimez-vous nécessaires afin de faciliter cette approche ?

Selon les trois experts interviewés, le cadre juridique actuel permet de développer ces approches.

Eric Gaubert souligne en effet que la directive DSP2, entrée en vigueur en 2018, permet au travers de l’open banking de donner accès aux transactions bancaires avec le consentement du client et pour un usage défini. Ceci illustre l’évolution progressive du cadre règlementaire.

Selon Etienne Bourdon, les assureurs et réassureurs s’autocensurent sur la collecte des données de leurs assurés, plus par crainte de l’interprétation qui peut être faite par la Commission nationale de l’information et des libertés (CNIL) du règlement général sur la protection des données (RGPD) que par le règlement lui-même. Il estime que les avantages pour toutes les parties prenantes de l’utilisation des données comportementales ne sont pas encore suffisamment connus et reconnus pour une utilisation massive. Il pense nécessaire que la CNIL précise ses positions, afin de lever les incertitudes juridiques qui freinent le développement de cette méthode de tarification.

Un des usages innovants envisagés par David Dubois de la collecte des données comportementales, serait la possibilité d’accorder des ristournes de primes au terme du contrat emprunteur, en fonction du « bon comportement » de l’assuré. Ce système de « ristournes de primes » (ou claw back en anglais) nécessiterait une analyse de sa prise en compte sous le régime Solvabilité II, et certainement une modification des textes législatifs concernant l’assurance, pour permettre de développer ce nouveau type de produit en assurance emprunteurs.

Conclusion :

La sélection comportementale se profile comme un générateur de nouvelles opportunités dans un nouveau prisme assurantiel sans sélection médicale.

Si avant la loi Lemoine, les assureurs procédaient à une sélection négative des clients en surprimant ou excluant les mauvais risques, l’ère post Lemoine obligera les acteurs à procéder à une sélection positive des clients. L’identification des « bons risques » à partir de nouvelles données et le développement de nouvelles pratiques de pilotage de risque sont donc les principaux challenges des actuaires en assurance emprunteur dans les années à venir.

Les actuaires sont donc incités à investir le monde de la Data Science pour introduire leur expertise assurantielle dans les lignes de codage du traitement des métadonnées du comportement des assurés.

Les points de vue exprimés dans cette communication n’engagent pas l’Institut des actuaires.