Mémoire d'actuariat

Modélisation de la lutte anti-fraude en santé optique à l’aide de techniques d’intelligence artificielle
Auteur(s) MANICKAM S.
Société GROUPAMA
Année 2020
Confidentiel jusqu'au 07/07/2022

Résumé
La fraude est un fléau difficile à maîtriser pour les compagnies d'assurance. La lutte anti-fraude est majoritairement présente au sein des branches d'assurance des biens. Néanmoins, ce délit est également un enjeu au sein d'autres branches telle que la santé optique. Ce périmètre reste plus délicat à étudier mais présente tout de même un potentiel considérable. En santé optique, le principal phénomène de fraude est observé sur les actes des opticiens. Ce dernier est couramment appelé "fraude à la complémentaire santé". En manipulant les actes de prise en charge (reste à charge, fréquences de prises en charge...), les fraudeurs engendrent une charge considérable pour les assureurs. Cet impact financier conséquent a d'ores et déjà contraint les compagnies d'assurance à mettre en place des contrôles réguliers. A l'ère de la donnée, les compagnies d'assurance ont de plus en plus recours à des techniques innovantes. L'utilisation de l'intelligence artificielle devient possible et préconisée. C'est l'objet de ce mémoire. Il a pour but de traiter les actes des opticiens à l'aide de la Data Science. A partir des données disponibles, plusieurs algorithmes de Machine Learning et Deep Learning vont permettre d'établir des profils anormaux et suspicieux. Cette modélisation vise à créer en définitif un système d'alerte sur les actes d'opticiens pour détecter les fraudes en amont de l'acceptation des prises en charge. Ce mémoire s'inscrit dans le cadre d'un Proof of Concept lancé par la Direction d'Études Techniques de Groupama. Mots clés : Modélisation - Fraude - Machine Learning - Deep Learning - Intelligence artificielle - Data Science

Abstract
The scourge of fraud is a difficult phenomenon to master. Fraud detection by insurance companies is predominant in Property insurance. However, this infraction is also a real issue in other line of business as the Optical Health one. This field remains thorny to study although it presents a substantive potential gain. In optical health, the main fraud lies on opticians’ acts. Opticians manipulate amounts or the contracts with beneficiaries. These crimes create a real financial impact for insurance companies. In the past, fraud detection was relegated to claims agents who had to rely on few facts and a large amount of intuition. New data analysis has introduced tools to make fraud review and detection possible with modelling and Artificial Intelligence. This thesis aims to draw up a fraudulent profile through Data Science methods. Machine Learning and Deep Learning algorithms are used to model the problem. This project aims to finally create an alert system of opticians acts to detect fraud upstream. This thesis is part of a Proof of Concept launched by the Technical Studies Department of Groupama. Keywords: Modeling - Fraud - Machine Learning - Deep Learning – Artificial Intelligence - Data Science