Apport de données télématiques dans la modélisation du risque géographique en assurance automobile

La prise en compte de l’aspect géographique du portefeuille de l’assureur est un facteur d’amélioration considérable de la qualité des modèles tarifaires en assurance IARD. Celle-ci passe par une modélisation spécifique visant à segmenter le risque grâce à divers critères géospatiaux. Ces dernières années, de nouveaux critères basés sur les habitudes de conduite ont vu le jour dans le domaine de l’assurance automobile. Ce sont des données dites télématiques. L’objectif de ce mémoire est d’évaluer l’apport de ces données, agrégées à une maille géographique, sur l’amélioration de la significativité de la segmentation dans ce domaine. Pour atteindre cet objectif, deux méthodologies sont proposées. La première méthode est l’ajout d’informations géographiques dans un modèle classique d’assureur (GLM) en y intégrant directement une sélection de ces variables télématiques. La seconde méthode consiste à synthétiser par un algorithme de Machine Learning, ces informations géographiques en une unique variable appelée zonier et qui est ensuite intégrée dans le modèle GLM. Enfin, les différents impacts observés sur le modèle tarifaire suivant chacune de ces méthodes sont présentés.