Données synthétiques : l’assurance veut mieux contrer fraude et risques climatiques

L’assurance repose sur une promesse simple : évaluer aujourd’hui un risque qui pourrait ne se matérialiser que dans plusieurs années. Or cette équation devient nettement plus difficile lorsque les fraudes se sophistiquent, que les catastrophes climatiques sortent des précédents connus et que les données clients sont, à juste titre, étroitement protégées. Dans ce contexte, les données synthétiques attirent l’attention des assureurs comme un moyen de développer des outils d’intelligence artificielle sans multiplier les manipulations de dossiers réels.

L’enjeu n’est pas de remplacer les données issues des contrats, des déclarations de sinistres ou de l’historique de paiement. Il est de créer, à partir de leurs propriétés statistiques, des jeux de données artificiels utiles pour expérimenter, entraîner et évaluer des modèles. Bien utilisées, ces données peuvent aider les équipes métiers et techniques à travailler plus vite. Mal conçues, elles risquent au contraire de reproduire les erreurs, les angles morts et les biais du passé.

L’assurance face à trois pressions simultanées

Les assureurs vivent une période de transformation profonde. D’une part, la numérisation des parcours clients et des déclarations de sinistres augmente les volumes d’informations à traiter. D’autre part, la fraude prend des formes plus variées et impose de repérer rapidement des incohérences au sein de flux très importants. Enfin, les événements météorologiques extrêmes, des sécheresses aux inondations, obligent à revoir des modèles qui s’appuyaient largement sur les observations historiques.

L’intelligence artificielle peut soutenir la détection d’anomalies, l’analyse documentaire, l’estimation d’un dommage ou la tarification. Mais elle a besoin de données suffisamment riches, représentatives et accessibles. C’est précisément là que les assureurs rencontrent une difficulté : leurs données les plus utiles sont souvent aussi les plus sensibles.

Le cadre européen impose une vigilance renforcée. Le RGPD encadre le traitement des données personnelles, notamment lorsqu’elles concernent la situation financière, le logement, la santé ou les habitudes d’un assuré. En France, l’Autorité de contrôle prudentiel et de résolution, l’ACPR, veille par ailleurs à la solidité et aux pratiques des acteurs de l’assurance. L’AI Act européen ajoute progressivement des exigences de gouvernance, de documentation et de maîtrise des risques pour certains systèmes d’IA.

Que sont exactement les données synthétiques ?

Les données synthétiques sont des informations créées artificiellement à l’aide de méthodes statistiques et d’apprentissage automatique. Elles sont conçues à partir d’un jeu de référence réel afin d’en reproduire certaines caractéristiques : répartitions d’âge, montants d’indemnisation, types de sinistres, relations entre variables ou fréquence de certains comportements.

Un jeu synthétique destiné à la gestion de sinistres pourrait ainsi contenir des milliers de déclarations fictives avec une date, une catégorie de dommage, un montant demandé et des informations sur le contrat. L’objectif est que les tendances utiles à l’analyse soient conservées, sans mettre à disposition les déclarations originales associées à des personnes identifiables.

Il ne s’agit donc ni de données simplement masquées, ni d’un assemblage de dossiers réels auxquels on aurait retiré un nom. Le niveau de protection dépend de la méthode employée et des contrôles réalisés. Une synthèse de mauvaise qualité peut conserver trop d’éléments proches d’enregistrements individuels. À l’inverse, une synthèse trop éloignée de la réalité perd son intérêt pour l’entraînement d’un modèle.

Deux critères doivent donc être vérifiés avant toute mise en production :

• L’utilité, c’est-à-dire la capacité des données générées à produire des résultats comparables à ceux qui seraient obtenus avec des données réelles pour le cas d’usage retenu.
• La protection de la confidentialité, qui suppose d’évaluer le risque qu’une personne, un contrat ou un sinistre réel puisse être déduit du jeu de données publié ou partagé.

La fraude, un terrain d’application immédiat

La fraude à l’assurance représente une charge financière et opérationnelle considérable. Près de 695 millions d’euros de fraude ont été identifiés en France en 2023, selon les chiffres cités pour le secteur. Ce phénomène représenterait environ 10 % des indemnisations versées chaque année. Derrière ce total se trouvent des déclarations mensongères, des factures falsifiées, des dommages artificiellement gonflés ou encore des montages plus organisés.

Pour un modèle de détection, le problème est double. Les dossiers frauduleux confirmés sont beaucoup moins nombreux que les dossiers légitimes. Et les méthodes de fraude évoluent, parfois plus vite que les données disponibles pour les reconnaître. Un algorithme entraîné uniquement sur les affaires passées peut donc manquer une nouvelle forme de comportement suspect.

Les données synthétiques permettent de compléter l’apprentissage avec une grande diversité de scénarios. Il est possible de produire des déclarations fictives intégrant, par exemple, des incohérences entre le contrat et le sinistre, des successions inhabituelles de demandes ou des montants qui s’écartent du comportement attendu. Le modèle peut alors apprendre à attribuer un score de risque et à orienter les dossiers les plus atypiques vers une vérification.

Cette approche ne doit pas conduire à automatiser aveuglément un refus d’indemnisation. Un score de fraude est un signal d’alerte, pas une preuve. Il doit être interprété par des professionnels, en tenant compte du dossier individuel, des explications de l’assuré et des règles applicables. Les biais historiques exigent également une attention particulière : si certaines catégories de clients ont été davantage contrôlées dans le passé, un modèle peut apprendre à reproduire cette surreprésentation.

Pourquoi le climat remet en cause les modèles traditionnels

La gestion des risques climatiques illustre une autre limite des seules données historiques. Les assureurs utilisent depuis longtemps les archives météorologiques, les cartes de vulnérabilité et les historiques de sinistres pour estimer la probabilité d’un dommage. Mais ces références deviennent moins prédictives lorsque le climat change et que des territoires jusqu’alors peu concernés connaissent des épisodes sévères.

Sécheresses, inondations, tempêtes ou mouvements de terrain ne se répartissent pas de façon uniforme. Les conséquences dépendent aussi de la nature des bâtiments, de l’urbanisation, de la prévention locale et de la concentration des contrats dans une même zone. Selon l’ONU, les événements climatiques extrêmes se sont multipliés par deux en deux décennies, ce qui renforce la nécessité de tester des hypothèses qui ne figurent pas, ou très peu, dans les archives d’un assureur.

Les données synthétiques peuvent servir à générer des scénarios plausibles : une succession de sinistres dans une zone peu exposée jusqu’alors, l’impact d’une sécheresse prolongée sur un portefeuille de maisons, ou une concentration exceptionnelle de demandes après une inondation. Ces simulations aident à mesurer la robustesse de la souscription, de la réassurance et des capacités de gestion de sinistres.

Le rapport Langreney encourage la mutualisation des données entre assureurs afin d’améliorer la compréhension des risques climatiques. Cette ambition se heurte néanmoins à des contraintes de concurrence, de formats techniques, de confidentialité et de gouvernance. Des jeux synthétiques communs peuvent faciliter certains travaux de modélisation ou de test, à condition que les règles de construction et de partage soient claires.

Il faut cependant éviter de présenter ces simulations comme des prédictions certaines. Elles servent à explorer des risques, à comparer des hypothèses et à préparer des décisions. Leur qualité reste étroitement liée aux données de départ, aux variables sélectionnées et à la pertinence des hypothèses climatiques retenues.

Moderniser sans exposer davantage les données clients

De nombreux assureurs ont engagé des investissements importants pour moderniser leurs systèmes d’information. Pourtant, les données restent fréquemment réparties entre des outils anciens, des filiales, des réseaux de distribution et des bases conçues pour des usages différents. Retrouver une information, en vérifier la qualité ou la rendre disponible à une équipe chargée d’un projet d’IA peut demander du temps.

Dans ce cadre, un jeu synthétique peut jouer le rôle de terrain d’expérimentation. Des équipes de développement peuvent tester une application de gestion de sinistres, un outil de contrôle ou un tableau de bord sans ouvrir un accès large à une base de production. Les collaborateurs de la souscription, de l’actuariat, de la lutte contre la fraude ou de la relation client peuvent aussi confronter plus facilement un prototype à des situations variées.

Ce bénéfice est particulièrement utile lorsque plusieurs partenaires doivent collaborer : une direction métier, une équipe de données, un prestataire informatique ou un chercheur. Le partage d’un jeu de données de test cohérent réduit le recours aux extractions de dossiers réels et limite la multiplication de copies sensibles.

Mais la technologie ne corrige pas à elle seule les faiblesses d’organisation. Sans référentiel clair, sans responsable identifié et sans règles de qualité communes, l’entreprise risque de créer plusieurs versions contradictoires d’une même réalité. Les données synthétiques doivent s’inscrire dans une politique de gouvernance plus large, incluant la sécurité, l’accès, la conservation, la documentation et l’audit des modèles.

Les conditions d’un déploiement crédible

La première étape consiste à partir d’un cas d’usage défini. Vouloir « faire de la donnée synthétique » sans objectif mesurable mène souvent à un projet coûteux et difficile à évaluer. Une compagnie peut, par exemple, chercher à réduire le temps de test d’un outil de détection de fraude, à enrichir les scénarios d’entraînement d’un modèle de sinistres ou à analyser l’exposition d’un portefeuille à une catastrophe rare.

Vient ensuite le choix des données de référence. L’adage « garbage in, garbage out », autrement dit une mauvaise donnée produit un mauvais résultat, s’applique pleinement ici. Si les dossiers historiques comportent des erreurs, des lacunes ou des biais, les données générées risquent de les amplifier ou de les rendre moins visibles. La qualité des données de départ doit être mesurée avant la génération, puis la qualité du jeu synthétique doit être évaluée après coup.

Un cadre de gouvernance solide repose notamment sur quatre questions :

• Quelles données servent de référence et qui peut y accéder ?
• Quelles propriétés doivent être reproduites pour répondre au besoin métier ?
• Quels tests permettent de vérifier l’utilité du jeu synthétique et son niveau de confidentialité ?
• Qui valide l’usage du modèle et surveille ses effets une fois déployé ?

La transparence est également essentielle. Les utilisateurs doivent savoir qu’ils travaillent sur des données synthétiques, connaître leurs limites et éviter de les confondre avec des observations réelles. Pour les modèles ayant un effet important sur la souscription, l’indemnisation ou le contrôle des dossiers, la traçabilité des choix techniques et métiers devient un enjeu de confiance autant que de conformité.

Ce qu’il faut surveiller dans les prochaines années

Les données synthétiques pourraient devenir un levier de compétitivité pour les assureurs capables de concilier innovation et maîtrise des risques. Elles promettent des cycles de test plus rapides, une meilleure circulation de connaissances entre équipes et une capacité accrue à explorer des situations rares, notamment en matière de fraude et de climat.

La promesse ne se réalisera toutefois que si les assureurs résistent à deux écueils. Le premier serait de croire qu’une donnée synthétique règle automatiquement la question du RGPD, des biais ou de la sécurité. Le second serait de croire qu’un modèle nourri de simulations peut se substituer au jugement humain, aux contrôles et à la connaissance concrète du terrain.

La vraie transformation sera donc moins liée à la seule capacité de générer des données qu’à celle de les gouverner. Pour un secteur fondé sur la confiance et la prévision, savoir créer des scénarios utiles sans trahir la confidentialité des assurés peut devenir un avantage stratégique durable.