L'intégration des modèles dans la gestion des compagnies d'assurance

Solvabilité II et les nouvelles normes comptables IFRS vont introduire de manière massive l'utilisation des modèles de projection dans l'industrie de l'assurance. Parallèlement, les crises récentes des marchés financiers ont démontré les limites de la mathématisation et les dangereuses faiblesses de certains modèles.
« Dans quelle mesure les modèles mathématiques peuvent-ils diriger l'industrie de l'assurance? ».Tel était le thème d'une table ronde organisée le 9 décembre par l'Université Claude Bernard  Lyon 1 dans le cadre de la Chaire d'Excellence « Management de la modélisation » financée par BNP Paribas Cardif. L'occasion de faire un point scientifique sur l'avancée des travaux des chercheurs un an après le lancement de la Chaire d'Excellence.

3 questions à Renaud Dumora, membre du comité exécutif et directeur Finance et Risques de BNP Paribas Cardif

1/ Pour quelles raisons BNP Paribas Cardif finance-t-il la Chaire d'Excellence « Management de la modélisation » de l'Université Claude Bernard Lyon 1?

Le management de la modélisation, qui vise à mettre l'utilisation des modèles mathématiques à leur juste place dans les processus de décision humains des compagnies d'assurance, est un des sujets majeurs qui va se poser à l'ensemble de l'assurance européenne dans les prochaines années.
En finançant la chaire d'excellence « Management de la modélisation en assurance », dans le cadre du Laboratoire de sciences actuarielles et financières de l'université Lyon 1, BNP Paribas Cardif souhaite participer à cette recherche fondamentale et entretenir des liens de proximité avec l'enseignement et le monde universitaire.

2/ Sur quels thèmes ont porté les premiers travaux de recherche?

Un an après le lancement de la chaire d'Excellence, une dizaine d'articles sont parus ou vont paraître dans des revues scientifiques sur le thème de l'amélioration technologique des modèles.
La mission des assureurs et des réassureurs est de protéger les clients, particuliers et entreprises, contre les aléas des mondes réels et financiers. La crise ne doit pas conduire les assureurs à avoir peur des risques, mais au contraire à mieux les connaître.
Les modèles sont des outils de connaissance des risques. Ils sont utilisés depuis longtemps par les assureurs dans certains aspects de leur management : l'Asset and Liability Management, le calcul de la valeur, les opérations de fusion acquisition, le calcul des réserves etc.
Il faut relativiser les modèles et les intégrer dans les processus de décision des entreprises ;  les réflexions du monde académique sur ce thème vont nous aider à bien utiliser ces modèles et à prévenir les éventuelles dérives, à travers la publication d'articles sur ce thème dans les prochains mois.

3/ Peut-on parler d'un hiatus entre les modèles et les décideurs ?

Il faut prendre conscience de l'hyper-technicité des modélisations d'une compagnie d'assurance vie ou dommages et des difficultés rencontrées pour comprendre et analyser les résultats, pondérer l'information modèle dans la prise de décision.
Les outils informatiques ne permettent pas toujours de bien simuler les comportements humains. Réussir Solvabilité 2, c'est notamment réussir l'intégration de modèles dans la gestion de l'entreprise. Modéliser, c'est donner un outil d'aide à la décision, parmi d'autres.

Au cours des crises de 2008 et de 2011, l'assurance a démontré qu'elle n'était pas une industrie pro-cyclique. La dictature du modèle, même si nous sommes en très loin, ne risque-t-elle donc pas de nous conduire à une forme de pro-cyclicité ? Les travaux de la Chaire d'Excellence, porteront aussi sur ce thème.

En conclusion, on peut parler de hiatus car il y a une éducation réciproque à faire. Apprendre à dompter le modèle : en faire un outil de pédagogie ; apprendre à réduire le modèle à ce qu'il est : un outil d'aide à la décision ; Relativiser le modèle : l'intégrer dans une panoplie de stress tests (un outil parmi d'autres) ; Apprendre la modestie à son modèle et ses modélisateurs : prendre en compte le risque de modèle.