Mémoire d'actuariat

Détectin de la résiliation de contrats de complémentaires santé individuelles et impacts de la loi résiliation infra-annuelle
Auteur(s) KUEHM Timothé
Société GALEA & Associés
Année 2020
Confidentiel jusqu'au 15/06/2022

Résumé
Le marché de l'assurance santé est de plus en plus concurrentiel, ce qui engendre une compétition accrue par les tarifs. Ceci constitue un avantage pour l'assuré qui ne paye que le risque qu'il représente. Mais pour les assureurs, il devient difficile - voire impossible - de diminuer les primes pour attirer de nouveaux assurés. Il est ainsi crucial pour les organismes d'assurance de conserver leurs clients. S'intéresser aux résiliations des assurés et arriver à les prévoir représente donc un double enjeu. Le premier est de comprendre la raison du départ du portefeuille de certaines personnes en identifiant les profils susceptibles de résilier afin d'améliorer la connaissance de l'organisme d'assurance sur ce risque. Le second vient du fait que prédire les résiliations permet de les anticiper. L'organisme d'assurance devient maître de la situation et peut prévoir un plan pour retenir les clients prêts à résilier ou au contraire, les laisser partir s'ils ne sont pas rentables. Ces éléments sont d'autant plus importants qu'ils s'inscrivent dans un contexte réglementaire en évolution : la loi résiliation infra-annuelle, qui permettra de résilier son contrat de complémentaire santé à tout moment. Elle devrait entrer en vigueur au plus tard au 1er décembre 2020. Ce mémoire a donc deux objectifs. Le premier est d'utiliser des méthodes de data sciences pour trouver des modèles permettant d'identifier les principaux critères influençant la résiliation ainsi que les profils des assurés les plus susceptibles de résilier. Le second est d'estimer les impacts de la mise en application de la loi résiliation infra-annuelle pour un portefeuille particulier.

Abstract
The health insurance market is becoming more and more competitive, which creates increased competition by rates. This constitutes an advantage for the insured who pays only the risk he represents. But for insurers, it becomes difficult - if not impossible - to lower premiums to attract new policyholders. It is therefore crucial for insurance organizations to retain their customers. Being interested in the termination of policyholders and being able to anticipate them therefore represents a double challenge. The first is to understand the reason for the departure of the portfolio of certain people by identifying the profiles likely to terminate in order to improve the knowledge of the insurance organization on this risk. The second comes from the fact that predicting terminations makes it possible to anticipate them. The insurance organization becomes master of the situation and can plan a plan to retain clients ready to cancel or, on the contrary, let them go if they are not profitable. These elements are all the more important as they are part of an evolving regulatory context: the infra-annual termination law, which will allow termination of its complementary health contract at any time. It is expected to come into force no later than December 1, 2020. This thesis therefore has two objectives. The first is to use data science methods to find models to identify the main criteria influencing termination as well as the profiles of policyholders most likely to terminate. The second is to estimate the impacts of the implementation of the sub-annual termination law for a particular portfolio.