Nos derniers articles

Le modèle Cascading Climate Risk Network (CCRN) surmonte les limites des copules statiques en modélisant la propagation causale des risques climatiques via des Graphes Acycliques Dirigés (DAG). Il dissocie le conditionnement climatique annuel de la cascade physique intra-événementielle. Cette approche offre une transparence causale sur les enchaînements d'aléas (ex. : aridité → incendie → coulée de débris), une précision accrue sur les pertes extrêmes (VaR et TVaR à 99,5 %) pour la tarification des tranches hautes de réassurance, et une robustesse théorique fondée sur la monotonie, essentielle au stress-testing réglementaire et à la gestion du capital.

Le secteur européen de l'assurance conserve une résilience globale avec un niveau de risque maintenu à « médium », porté par une solide solvabilité (groupes à 210 %) et la haute qualité de ses fonds propres (86 % en Tier 1).
Toutefois, le risque lié à la numérisation et aux menaces cyber a été relevé à « Élevé » en raison de l'IA de pointe, de la complexité de la souscription cyber et de la hausse des attaques. L'environnement macroéconomique s'assombrit sous l'effet d'une croissance atone (1,0 %) et d'une inflation en hausse (2,9 %), imposant une vigilance accrue à long terme.

L’évaluation des risques environnementaux nécessite une rigueur quantitative pour surmonter l’opacité du marché. La VaR classique étant inadaptée aux ruptures systémiques, l’Expected Shortfall et le « Coût du risque environnemental » offrent un cadre prospectif plus robuste. Entre l’approche macroéconomique (Top-down) et la démarche granulaire par site (Bottom-up), cette dernière reste l'objectif clé pour la gestion de portefeuille. Une modélisation fiable exige sept principes : transparence, géolocalisation des actifs, priorité aux données observables pour limiter la propagation d'erreurs, prise en compte des interactions non linéaires, scénarios prospectifs, agrégation cohérente et adéquation aux besoins de l'utilisateur. Ces principes garantissent des décisions auditables et actionnables.

Ce document de l'ACPR analyse l'impact de l'instabilité climatique sur le secteur de l'assurance non-vie en France entre 2021 et 2024. Face à l'augmentation de la fréquence et de la gravité des sinistres naturels, les assureurs adaptent leurs stratégies de tarification et leurs méthodes de provisionnement technique. L'étude souligne l'utilisation croissante d'outils de géolocalisation précis et de zoniers pour segmenter les risques et ajuster les primes. Les entreprises renforcent également leur gouvernance interne en intégrant des scénarios climatiques à long terme dans leur gestion des risques. Enfin, bien que la prévention auprès des assurés soit identifiée comme un levier essentiel, elle reste encore insuffisamment exploitée.

Cet article redéfinit le partage multilatéral des risques en assurance, où un assureur mutualise les risques de n agents. Face aux limites du modèle de Pareto classique — qui tolère l'exclusion d'agents et masque la dégradation de situations individuelles en raison de prix endogènes couplés —, les auteurs introduisent l'optimalité de Pareto inclusive et équitable (iFPO). Fondée sur des matrices séquentielles liées à des partitions d'ensembles ordonnées, cette méthodologie convexe garantit que chaque participant pèse mathématiquement dans l'optimisation. Testé via l'Expected Shortfall, l'iFPO s'impose comme un outil de gouvernance transparent et auditable pour la gestion des risques.

Cet article, basé sur une prépublication qui propose un cadre de partage de risque cyber P2P entre entreprises interconnectées. Les auteurs distinguent un réseau d'attaque, générant la dépendance des pertes par contagion, d'un réseau de partage, allouant les charges réalisées. La perte de chaque sinistré est décomposée en attribution causale, rétention propre et mutualisation résiduelle.

Cet article examine la « propriété d’équilibre » dans les modèles statistiques utilisés pour la tarification en assurance, selon laquelle le montant total des primes estimées doit correspondre au montant total des sinistres observés dans l’échantillon. Il compare trois méthodes permettant de rétablir cette propriété lorsque les modèles GLM à liens non canoniques ne la respectent pas. L’auteur montre que l’estimation sous contrainte (SC) offre de meilleures performances asymptotiques que les approches de quasi-vraisemblance (QMLE) et de post-traitement simple (SPP). L’étude établit également un lien entre cette propriété d’équilibre et les mécanismes de partage des risques ex post.

Cet article décrit un projet pilote visant à transformer les données d'indemnisation non structurées, comme les notes médicales et les rapports d'experts, en variables actuarielles exploitables grâce aux grands modèles de langage (LLM). La méthodologie repose sur une architecture à deux étapes qui extrait d'abord des informations précises de documents isolés avant de les synthétiser à l'échelle du dossier complet. En utilisant des données synthétiques pour l'entraînement et une validation par des experts cliniques, l'étude démontre une précision d'extraction élevée. L'intégration de ces nouvelles variables dans les méthodes de provisionnement traditionnelles a permis de réduire l'erreur d'estimation des réserves de 6,5 % à 4,0 %. Ce cadre offre ainsi aux actuaires une solution systématique et reproductible pour valoriser des informations narratives jusqu'alors sous-exploitées. Finalement, l'approche favorise une meilleure gestion des risques et une tarification plus précise tout en respectant les exigences réglementaires de transparence.

Le rapport souligne une détente tarifaire historique, marquée par une baisse spectaculaire des primes et des franchises, particulièrement pour les grandes entreprises. Parallèlement, le secteur observe une hausse inquiétante de la sinistralité, touchant principalement les entreprises de taille intermédiaire (ETI) dont les coûts d'indemnisation ont quadruplé.

Cet article présente une étude qui propose une méthodologie innovante pour l'optimisation des tarifs d'assurance en intégrant la sensibilité au prix des clients via l'apprentissage hors politique tarifaire (off-policy evaluation).