FORBESinsight L'approximation ne Suffit

Pas Le secteur des assurances exige des données de localisation ultra-précises

Les assureurs mettent en jeu leur entreprise sur leur capacité à évaluer avec précision le tarif du risque couvert par les contrats qu’ils proposent. Certains font de cette qualité une véritable fierté. C’est le cas de Progressive, par exemple.  Cette compagnie d’assurances automobiles a tellement confiance dans la précision de ses tarifications qu’elle facilite la comparaison de produits pour les clients potentiels. Elle parie en effet sur l’opportunité de perdre un contrat soustarifé par d’autres compagnies et de les laisser couvrir les clients plus risqués.

Le calcul de la prime d’une police d’assurance habitation ou automobile type fait intervenir une diversité de points de données : historique des demandes d’indemnisation, dossier de conducteur de l’assuré, marque et modèle du véhicule, présence dans la propriété d’un détecteur incendie ou d’une alarme, année de construction du logement…  Naturellement, l’emplacement fait également partie des facteurs décisifs : la densité de véhicules, les statistiques de délinquance ou la distance du logement par rapport à la côte, par exemple, sont autant d’aspects auxquels les assureurs portent une attention particulière. Pour autant, les méthodes de localisation standard utilisées par le secteur (selon les données de segment de rue ou de code postal) fournissent souvent un emplacement approximatif et non un emplacement exact. Si l’écart entre l’emplacement estimé et l’emplacement exact est souvent négligeable, ce n’est pas toujours le cas. Dès lors, des erreurs peuvent être commises, et elles peuvent s’avérer coûteuses.

Perr&Knight a étudié pour Precisely l’écart observé entre les méthodes de localisation basées sur une estimation et une méthode plus précise afin de déterminer les conséquences que cette différence pouvait avoir sur l’évaluation des primes d’assurance. D’après les études réalisées, environ 5 % des primes d’assurance habitation et jusqu’à 10 % des primes d’assurance automobile (selon les données au niveau des codes postaux – voir encart p. 5) pourraient être évaluées incorrectement en raison de données de localisation imprécises. Elles révèlent également un point crucial : l’ampleur des sous-évaluations et surévaluations des primes peut varier de façon considérable. Les assureurs peuvent ainsi tomber dans le piège de la sélection adverse : ils perdent des contrats moins risqués au profit de concurrents plus compétitifs et s’attirent les contrats plus risqués de par leur propre sous-évaluation. La deuxième partie de ce rapport revient en détail sur ces études et leurs résultats.

Ce rapport explique essentiellement pourquoi l’approche approximative de la localisation pour l’évaluation des primes néglige l’importance de la précision et, par conséquent, conduit les assureurs à sous-évaluer le risque et à tomber dans le piège de la sélection adverse.

La première partie du rapport traite de l’argument commercial en faveur de données de localisation extrêmement précises dans le secteur de l’assurance. Elle aborde ensuite en détail les études de Perr&Knight, ce qu’impliquent leurs résultats et les aspects à considérer dans l’amélioration des données de localisation. Les assureurs trouveront en conclusion les points importants à retenir pour progresser. Nous espérons que ce rapport vous offrira un point de départ constructif pour votre propre prise de décisions.

Cet article de Forbes Insights traite de l’intérêt commercial des données de localisation hyper-précises dans le domaine de l’assurance, ainsi que des considérations à prendre en compte pour améliorer les données de localisation.