IA Underwriting : Souscription Assurance
🔴 HAUT RISQUE – Annexe III IA Act
L’underwriting par IA est explicitement classé HAUT RISQUE dans l’Annexe III de l’IA Act. Les assureurs utilisant l’IA pour évaluer et tarifer les risques sont soumis aux obligations les plus strictes.
L’underwriting algorithmique transforme le secteur de l’assurance. Scoring santé, tarification prédictive, détection de fraude : l’IA analyse des centaines de variables pour décider qui peut s’assurer et à quel prix.
Mais cette puissance s’accompagne de risques majeurs : discrimination algorithmique, refus injustifiés, opacité des décisions. L’IA Act impose un cadre strict pour protéger les assurés.
Ce guide détaille les obligations spécifiques pour les départements underwriting et actuariat.
Par Loïc Gros-Flandre
Directeur de Modernee – Expert en conformité IA pour le secteur assurance.
📚 Ce que vous allez apprendre
- → Pourquoi l’underwriting IA est classé HAUT RISQUE
- → Variables interdites et proxies discriminatoires
- → Assurance vie vs IARD : différences de classification
- → Droit à l’explication pour les assurés
- → Tests de biais obligatoires
- → Formation des actuaires et souscripteurs
Infographie : Classification underwriting IA par type d’assurance selon l’IA Act
🔴 Pourquoi l’Underwriting IA Est Classé Haut Risque
Photo par Campaign Creators sur Unsplash
📋 L’Annexe III – Point 5b
L’IA Act classe explicitement l’underwriting parmi les systèmes à HAUT RISQUE dans l’Annexe III, point 5b :
« Les systèmes d’IA destinés à être utilisés pour l’évaluation des risques et la tarification en ce qui concerne les personnes physiques dans le domaine de l’assurance vie et de l’assurance maladie. »
— Annexe III, Règlement (UE) 2024/1689
⚠️ Pourquoi Cette Classification ?
Le législateur européen a identifié 4 risques majeurs :
- 1️⃣ Impact vital : Accès à l’assurance santé/vie = droits fondamentaux
- 2️⃣ Discrimination : Algorithmes peuvent reproduire/amplifier des biais
- 3️⃣ Opacité : Décisions complexes difficilement explicables
- 4️⃣ Données sensibles : Santé, génétique, mode de vie
🔴 Conséquence Directe
Les assureurs utilisant l’IA pour l’underwriting vie/santé doivent respecter TOUTES les obligations des systèmes à haut risque : documentation complète, tests de biais, supervision humaine, transparence, droit à l’explication.
🚫 Variables Interdites et Proxies Discriminatoires
L’underwriting IA utilise parfois des centaines de variables. Certaines sont interdites, d’autres problématiques.
❌ Variables Strictement Interdites
| Variable | Pourquoi Interdite | Base Légale |
|---|---|---|
| Tests génétiques | Discrimination génétique | Code Assurances L1141-1 |
| Origine ethnique | Discrimination raciale | IA Act Article 5 |
| Religion | Discrimination religieuse | IA Act Article 5 |
| Orientation sexuelle | Discrimination LGBTQ+ | IA Act Article 5 |
| Opinions politiques | Discrimination politique | IA Act Article 5 |
⚠️ Proxies Problématiques
Le problème majeur : les variables proxies qui corrèlent avec des caractéristiques protégées.
| Variable Utilisée | Peut Être Proxy de… | Risque |
|---|---|---|
| Code postal | Origine ethnique, niveau socio-économique | ÉLEVÉ |
| Profession | Genre (métiers genrés), origine | VARIABLE |
| Prénom | Origine, genre, génération | TRÈS ÉLEVÉ |
| Données réseaux sociaux | Multiples caractéristiques | TRÈS ÉLEVÉ |
| Mode de paiement | Niveau socio-économique | VARIABLE |
« Un modèle qui utilise le code postal pour prédire l’espérance de vie risque de reproduire des inégalités sociales historiques. C’est exactement ce que l’IA Act veut prévenir. »
— Rapport ACPR sur l’IA en assurance, 2024
🛡️ Évaluez Votre Conformité Underwriting IA (Quiz 4 min)
📋 Obligations Spécifiques pour l’Underwriting Haut Risque
Photo par Scott Graham sur Unsplash
📄 Documentation Technique Complète
L’IA Act impose une documentation exhaustive pour les systèmes à haut risque :
- 📊 Description du modèle : Architecture, algorithmes, variables d’entrée
- 🎯 Finalité et périmètre : Ce que le modèle prédit et ses limites
- 📈 Données d’entraînement : Sources, volumétrie, représentativité
- ✅ Métriques de performance : Précision, recall, équité par groupe
- ⚠️ Risques identifiés : Biais potentiels, cas limites
👁️ Supervision Humaine Obligatoire
Les décisions d’underwriting IA ne peuvent être 100% automatiques :
- 👤 Refus de souscription : Validation humaine obligatoire
- 💰 Majoration significative : Revue par un souscripteur
- ❓ Contestation assuré : Recours humain garanti
- 🔄 Cas atypiques : Escalade automatique prévue
⚠️ Droit à l’Explication
L’assuré dont la demande est refusée ou majorée a le droit de comprendre pourquoi. L’assureur doit pouvoir fournir une explication compréhensible des critères ayant conduit à la décision.
🧪 Tests de Biais Réguliers
L’IA Act impose de tester et documenter l’équité des modèles :
- 📊 Analyse de disparité : Taux d’acceptation par groupe démographique
- 🔍 Détection de proxies : Corrélations avec caractéristiques protégées
- 📈 Monitoring continu : Surveillance de la dérive des modèles
- 📝 Documentation : Résultats des tests et actions correctives
💼 Cas Pratiques : Vie, Santé, Emprunteur
❤️ Cas 1 : Assurance Vie – Scoring Mortalité
🔴 Contexte HAUT RISQUE
Un assureur vie utilise un modèle ML pour prédire l’espérance de vie et tarifer les contrats. Variables : âge, profession, IMC, tabac, sports pratiqués, code postal, historique médical.
Problèmes identifiés :
- ⚠️ Code postal : Proxy socio-économique et potentiellement ethnique
- ⚠️ Sports pratiqués : Peut corréler avec niveau de revenus
- ❌ Opacité : Modèle ML non explicable aux assurés
Actions correctives :
- ✅ Retirer ou justifier le code postal comme variable
- ✅ Tester la disparité d’impact par groupe géographique
- ✅ Développer une couche d’explicabilité (SHAP, LIME)
- ✅ Supervision humaine pour les refus et fortes majorations
🏥 Cas 2 : Complémentaire Santé – Questionnaire IA
🔴 Contexte HAUT RISQUE
Une mutuelle utilise l’IA pour analyser les questionnaires de santé et décider de l’acceptation/majoration. L’IA détecte des patterns dans les réponses textuelles.
Obligations spécifiques :
- 📢 Informer que les réponses sont analysées par IA
- 👤 Garantir une revue humaine des cas sensibles
- 📄 Documenter les critères de scoring santé
- 🔒 Sécuriser les données de santé (RGPD + HDS si applicable)
🏠 Cas 3 : Assurance Emprunteur – Double Enjeu
🔴 Contexte HAUT RISQUE x2
L’assurance emprunteur combine deux domaines haut risque : évaluation du risque santé ET accès au crédit. Un refus = pas de prêt = pas d’achat immobilier.
Vigilance renforcée :
- ⚠️ Impact maximal : Refus = exclusion du marché immobilier
- 📋 Convention AERAS : Obligations spécifiques pour risques aggravés
- 👁️ Supervision renforcée : Double validation humaine recommandée
- 📄 Traçabilité : Logs détaillés de chaque décision
🚀 Plan d’Action pour Départements Underwriting
Photo par Carlos Muza sur Unsplash
Inventaire des Modèles IA (Sem. 1-3)
Cartographier tous les modèles ML/IA utilisés en underwriting : scoring, tarification, détection fraude. Identifier ceux touchant vie/santé = haut risque.
Audit des Variables (Sem. 4-8)
Lister toutes les variables d’entrée. Identifier les interdites et les proxies. Tester les corrélations avec caractéristiques protégées. Documenter les justifications.
Tests de Biais Approfondis (Sem. 9-14)
Analyser la disparité d’impact : taux d’acceptation, majorations moyennes, refus par groupe. Utiliser des outils spécialisés (Fairlearn, AI Fairness 360). Documenter.
Documentation Technique (Sem. 15-22)
Rédiger la documentation IA Act pour chaque modèle haut risque : architecture, données, métriques, risques, mesures d’atténuation.
Formation Équipes (Sem. 23-30)
Former actuaires, souscripteurs, data scientists à l’IA Act. Certificat Article 4. Sensibilisation aux biais et à l’éthique algorithmique.
Mise en Place Supervision Humaine (Sem. 31-36)
Définir les seuils de supervision : quand escalader, qui valide. Créer les workflows d’escalade. Former les souscripteurs à challenger l’IA.
Gouvernance Continue (Continu)
Monitoring des modèles en production. Revue périodique des biais. Processus de validation pour nouveaux modèles. Veille réglementaire.
💰 Estimateur Budget Conformité Underwriting IA
❓ Questions Fréquentes IA Underwriting Act
Oui, explicitement classé HAUT RISQUE dans l’Annexe III (point 5b) pour l’assurance vie et santé. Obligations les plus strictes : documentation complète, tests de biais, supervision humaine, droit à l’explication.
Tests génétiques (Code des assurances L1141-1), origine ethnique, religion, orientation sexuelle, opinions politiques (IA Act Article 5). Les proxies corrélés à ces caractéristiques sont également problématiques.
Oui, l’IA Act impose la transparence pour les systèmes à haut risque. L’assuré doit pouvoir comprendre les critères ayant conduit à un refus ou une majoration. Cette obligation s’ajoute aux droits RGPD (Article 22).
L’Annexe III cible spécifiquement vie et santé. L’IARD (auto, habitation) est généralement risque limité à variable. Vigilance si l’algorithme impacte significativement l’accès à l’assurance ou utilise des proxies discriminatoires.
Oui, l’Article 4 impose une formation pour tous les utilisateurs de systèmes IA à haut risque. Actuaires, souscripteurs, data scientists utilisant des modèles IA doivent comprendre les obligations. Formation certifiante recommandée.
L’audit comprend : analyse des variables pour détecter les proxies, tests de disparité d’impact entre groupes, vérification que refus/majorations ne corrèlent pas avec caractéristiques protégées. Outils : Fairlearn, AI Fairness 360.
✅ Conclusion : Underwriting IA Responsable
L’underwriting par IA offre des gains d’efficacité considérables, mais le secteur vie/santé est explicitement classé haut risque par l’IA Act. Les assureurs n’ont pas le choix : ils doivent se conformer aux obligations les plus strictes.
La bonne nouvelle : les exigences de l’IA Act rejoignent les bonnes pratiques actuarielles de transparence, documentation et contrôle. Les assureurs bien organisés sont déjà en partie conformes.
🎯 Les 3 Priorités Immédiates
- 1️⃣ Inventorier tous les modèles IA vie/santé et les classifier
- 2️⃣ Auditer les variables pour éliminer proxies discriminatoires
- 3️⃣ Former actuaires et souscripteurs à l’IA Act (Article 4)
Formez Vos Équipes Underwriting à l’IA Act
Formation certifiante Article 4 adaptée aux actuaires et souscripteurs.
Former Mes Actuaires → 500€/pers✅ Certificat reconnu • ✅ Focus haut risque assurance • ✅ Cas pratiques scoring
📚 Sources et Références
- Règlement (UE) 2024/1689 – AI Act • Annexe III point 5b
- ACPR – Gouvernance des Algorithmes en Assurance • Rapport 2024
- Code des Assurances – L1141-1 • Tests génétiques