Nationality Canadian
Year of selection 2019
Institution Université du Québec à Montréal
Country Canada
Risk Socio-Economie
Joint Research Initiative
2 years
Au moment d'une déclaration de sinistre, les assureurs manquent parfois d’informations telles que la structure d'un bâtiment, la présence de risques sanitaires communs à un groupe de personnes ou la diffusion spatiale d'une pandémie. Des données inhabituelles, telles que des images satellites, des connexions de réseaux personnels et des tweets, peuvent être utilisées pour combler ce manque d'informations. Dans le cadre de ce partenariat de recherche, le professeur Arthur Charpentier utilisera des images, des données de réseau et des textes pour l'analyse des risques dans une perspective actuarielle. Plus précisément, le projet étudiera comment l'utilisation de données inhabituelles peut contribuer à une évaluation plus fluide des sinistres et à une réduction du risque lié à la qualité des données, permettant ainsi une meilleure sélection et tarification des risques. Le projet se penchera sur trois types de données inhabituelles : les images/images satellites, les données de réseau et les données textuelles.
La faible corrélation entre les indices et les pertes d’assurance a, jusqu’à présent, entravé leur développement. Le professeur Charpentier explorera comment extraire des informations pertinentes mais parfois diffuses à partir d’images satellites, telles que la présence d’eau ou de zones brûlées, pour mettre en place des indices d’assurance en relation avec la sinistralité réelle. L’utilisation de données avec une plus grande granularité pourrait permettre aux assureurs de générer des indices de bien meilleure qualité, obtenant ainsi une couverture indicielle beaucoup plus rapide. Le professeur Charpentier étudiera également comment les images peuvent être traduites de manière mathématique ou automatisée pour le processus de tarification ou d’évaluation des réclamations, par exemple après une catastrophe naturelle ou pour former un indice de rendement des cultures pour l’assurance-récolte. Il développera finalement un algorithme qui pourra renseigner les informations manquantes au moment de la déclaration de sinistre, telles que le type de construction d’un bâtiment, le nombre d’étages d’un bâtiment ou son année de construction.
L’assurance peer-to-peer est basée sur la réciprocité entre les parties impliquées. Il s’agit de mettre en réseau ou d’utiliser un réseau existant de personnes assurées en créant des communautés qui partagent le risque dans une limite acceptable. Les assurés du réseau échangent une promesse d’indemnisation à hauteur d’un montant prédéfini en cas de survenance d’un sinistre pour l’un des adhérents. Une promesse de quelques dizaines d’euros peut être convertie en quelques centaines d’euros si le réseau est relativement dense, offrant ainsi une technique simple de rachat de franchise. Des expériences de microcrédit ont montré que ces mécanismes de type « économie du partage » renforcent la solidarité entre les adhérents, réduisent la fraude et offrent une alternative à la prévention.
À partir de données sur l'exposition et les demandes d'indemnisation en matière de santé, le professeur Charpentier développera un algorithme qui montrera comment les individus qui sont connectés d’une manière ou d’une autre (par l’intermédiaire de la même entreprise, des amis /de la famille ou du lieu) présentent des caractéristiques de risque similaires ou différentes, telles que des corrélations de mortalité entre frères et sœurs ou l’incidence du cancer selon le lieu (peut-être en raison de la proximité d’une sous-station électrique ou d’une route principale).
Les tweets suite à la survenance d’une catastrophe peuvent être utilisés pour comprendre la diffusion spatiale, ce qui peut être utile pour la gestion des sinistres et des crises. Les catastrophes naturelles et la propagation des maladies transmissibles étudiées via des tweets, y compris dans le contexte de la récente pandémie de COVID-19, peuvent être utilisées pour soutenir les clients tels que des applications de santé ciblées. À l’aide des tweets accessibles au public via Twitter, le professeur Charpentier développera un algorithme pour montrer comment les publications sur les réseaux sociaux peuvent être utilisées pour former un indice. Cet indice peut ensuite être utilisé pour le marketing, la réponse aux réclamations ou la gestion des réclamations.
Les trois volets de recherche ci-dessus seront étudiés séparément, car un type de données n’est pas nécessairement lié à un autre. Par exemple, les images de dommages automobile pour l’évaluation des sinistres peuvent ne pas être liées à la compréhension des données textuelles. Toutefois, le professeur Charpentier explorera les corrélations potentielles, le cas échéant, par exemple dans les images contenant du texte.
Février 2022