Le 25 mars dernier se tenait Decid’Assur IT, le forum des dirigeants de l’assurance dédié aux stratégies IT. L’occasion était pour les acteurs du secteur, d’aborder autour d’une table ronde la question de la maîtrise du risque de fraude en assurance. Évaluée à près de 12 milliards d’euros par an pour les assureurs européens et 2,5 milliards pour les français, la fraude à l’assurance représente une perte conséquente pour le secteur.
Le droit français ne définit pas la fraude à l’assurance. Pour les acteurs du secteur, il y a fraude dès qu’un « acte volontaire permettant de tirer un profit illégitime d’un contrat d’assurance » est caractérisé. Pourtant, elle est susceptible de mettre en cause la pérennité du métier et son rôle sociétal en fragilisant la notion du partage des risques.
Le risque de fraude : un risque opérationnel à prendre en compte
Le pilier 2 de Solvabilité 2 exige désormais le pilotage des risques opérationnels, notamment du risque de fraude. Les assureurs doivent donc accorder une importance croissante à la prévention et à la détection des comportements frauduleux.
La prise en compte du risque de fraude dans la réglementation implique pour les compagnies d’assurance de mettre en place un dispositif complet de maîtrise du risque. Ce dispositif s’appuie notamment sur des campagnes de sensibilisation et de communication, sur l’implication des fonctions de contrôle interne avec validations de contrôles en temps réel. Les assureurs devront surtout déceler les comportements frauduleux et mesurer le risque de fraude, ce qui nécessite de collecter un certain nombre de données et de les traiter afin de repérer les éventuels indices.
Big Data, Data mining : une lutte optimale de la fraude à l’assurance
Avec la diversification et la complexification de la fraude à l’assurance, la lutte est en pleine mutation. La fraude ne peut plus être traitée simplement par des dispositifs traditionnels, le plus souvent a posteriori et au cas par cas. En effet, jusqu’à aujourd’hui, le combat contre ce fléau reposait essentiellement sur de la prévention et sur des procédures de vérification des dommages.
Le risque de fraude nécessite désormais un processus industriel, avec un traitement des flux de données et une automatisation de sa détection.
Big Data, Data mining répondent à ce besoin d’industrialiser. En effet, ces outils sont l’occasion pour les assureurs de croiser un nombre conséquent de données de toutes sources et de les analyser. De plus, ils représentent un gain de temps non négligeable pour les professionnels.
Ces outils mettent à profit leurs puissantes techniques d’analyse pour transformer les données collectées en informations utiles. Les assureurs peuvent mettre en œuvre dans leurs systèmes d’information des signaux ou des scenarios de fraude de deux manières différentes :
- par l’analyse d’écart avec la moyenne par la modélisation de groupes de pairs
- par l’analyse de l’historique des données
En matière d’encadrement réglementaire du traitement des données, la CNIL a mis en place l’autorisation unique n° AU-039. L’autorisation englobe de manière assez large les différentes problématiques pour mettre en place un dispositif de lutte contre la fraude.
Si les méga données représentent une véritable opportunité pour les compagnies d’assurance, la mise en œuvre d’un dispositif reste difficile pour les petites mutuelles car trop coûteux.