Skip to main content

Trois mythes sur la modélisation des risques

Alors que la volatilité et l’imprévisibilité à l’échelle mondiale continuent de toucher les organisations, de plus en plus de gestionnaires des finances et des risques reconnaissent la nécessité d’adopter une approche stratégique et systématique en matière de gestion des risques. Pour ce faire, elles se tournent vers la modélisation des risques afin de s’adapter aux nouvelles formes de volatilité et d’accroître leur accès aux capitaux, sachant que les outils et les techniques traditionnels ne sont plus suffisants.

Les organisations dont les fonctions de gestion des risques sont plus importantes et plus sophistiquées ont adopté des modèles de risque pour les aider à maximiser l’efficacité de leurs programmes d’assurance et à économiser de l’argent dans un cycle de renforcement qui a commencé à la fin de 2019. Au cours du premier trimestre de 2021, les prix de l’assurance des entreprises à l’échelle mondiale ont continué de grimper, bien qu’il y ait certains signes d’un ralentissement des tarifs.[1]

Face à un marché qui se raffermit et à une augmentation de la fréquence et de la gravité des sinistres, la modélisation des risques fournit un cadre quantitatif qui tire parti des données et des analyses pour permettre aux gestionnaires de risques et aux autres chefs d’entreprise de prendre des décisions plus éclairées au sujet de la répartition du risque et de mieux se positionner pour contrôler leurs risques.

Et il y a assez de place pour qu’un plus grand nombre d’organisations mettent en œuvre cet outil. Selon le Sondage mondial sur la gestion des risques de 2019 d’Aon, seulement une organisation sur cinq a déclaré utiliser la modélisation des risques.[2] Cela peut s’expliquer en partie par le fait que les avantages de la modélisation des risques ne sont pas bien compris. Nous analysons les perceptions erronées courantes ainsi que les avantages et les limites de la modélisation des risques.

 

 

 

Mythe numéro 1 La modélisation des risques n’est qu’un exercice

En réalité, la modélisation des risques peut faire baisser le coût total du risque d’une organisation. En effet, les modèles de risque distillent de grandes quantités de données internes et externes dans un cadre de prise de décision simple afin de maximiser l’efficacité d’un programme d’assurance. Bien que les prévisions actuarielles traditionnelles offrent une perspective d’estimation ponctuelle des sinistres, la modélisation des risques passe au niveau suivant en mesurant l’ensemble de la gamme de sinistres associée au profil de risque d’une entreprise, ce qui permet aux entreprises de planifier en prévision d’une myriade de situations de réclamations au lieu de réagir uniquement après des sinistres importants. Plutôt que d’optimiser les couvertures individuelles, un modèle de risque complet peut offrir une vue d’ensemble du portefeuille de risques. De plus, un modèle de risque peut superposer de multiples solutions d’assurance pour tenir compte de différents niveaux de couverture, limites et rétentions, ce qui permet aux entreprises de comparer d’autres solutions de transfert de risques et de trouver des solutions novatrices pour maîtriser leurs risques.

La plateforme de décision pour le financement du risque d’Aon, par exemple, offre un cadre intuitif pour comparer les options d’assurance qui sont uniformes dans tous les secteurs d’assurance. Le modèle de risque évalue chaque option en fonction des deux mêmes paramètres : le coût total du risque (primes plus estimations des pertes retenues) et le coût total du risque catastrophique. De cette façon, le modèle peut déterminer objectivement si les économies réalisées en conservant plus de risques l’emportent sur l’exposition à un risque supplémentaire, en fonction de la tolérance au risque de l’entreprise.

Modélisation des risques à l’œuvre

Avec l’aide de son courtier, un fabricant multinational de machinerie lourde a récemment fait l’objet d’une modélisation des risques afin d’optimiser son équilibre entre le transfert et la rétention des risques. Le modèle de risque a permis d’établir une vision de référence complète du profil de risque actuel du fabricant dans toutes les gammes de produits nationales et internationales; il a tenu compte de son appétit pour le risque (tiré d’entrevues qualitatives avec les gestionnaires d’unités fonctionnelles jusqu’aux hauts dirigeants); il a prévu la gamme de sinistres; et a présenté des mesures claires et précises pour évaluer le coût total du risque de chaque programme.

Armés de ces renseignements, les gestionnaires de risque ont rapidement réalisé qu’ils avaient les moyens de prendre à leur charge une part accrue du risque et de se retirer du transfert des risques vers les marchés traditionnels. Ils ont établi un seuil de 50 millions de dollars pour chaque catégorie d’assurance en fonction de sa tolérance au risque. Tout montant supérieur à ce montant serait transféré sur le marché et placé dans sa captive, et tout montant inférieur serait conservé.

Le modèle de risque offrait une structure claire aux gestionnaires de risque afin qu’ils harmonisent leurs décisions d’assurance concernant l’appétit pour le risque de l’entreprise. Le cadre a également permis aux gestionnaires de risque de présenter facilement la décision et la justification à leurs parties prenantes. Le fabricant va actuellement de l’avant avec la mise en œuvre, qui devrait lui donner plus de contrôle sur les tarifs et les modalités de l’assurance sans ajouter une exposition importante à des catastrophes.

 

Mythe numéro 2 Toutes les données sont égales

Un modèle de risque n’est bon que si ses données sous-jacentes le sont également. Plus les données sont épurées et mieux structurées, plus les résultats de la modélisation des risques sont précis. L’absence de données épurées est l’un des plus gros obstacles à la modélisation des risques, y compris l’historique des sinistres et des réclamations, ainsi que les renseignements sur tout autre facteur lié au profil de risque. En plus des données internes, un modèle de risque nécessite de bonnes données pour prévoir l’environnement externe et le marché de l’assurance. Des solutions telles que la plateforme de décision pour le financement du risque d’Aon déploient des modèles exclusifs qui tirent parti des renseignements du secteur, ainsi que des renseignements des courtiers sur les conditions du marché de l’assurance, afin d’assurer des prévisions de risque exactes et à jour.

Un autre élément crucial des données est de trouver des modélisateurs de risques expérimentés, qui sont de plus en plus difficiles à trouver de nos jours. Les sociétés de services-conseils en gestion des risques qui offrent des solutions sur mesure sont dirigées par des équipes possédant des compétences analytiques approfondies et des années d’expérience du secteur. Ces professionnels peuvent aider les entreprises à élaborer un modèle de risque adapté à leurs besoins et à acquérir les capacités adéquates pour libérer le pouvoir des données et des analyses dans la gestion des risques.

 

 

 

Mythe numéro 3 Les modèles de risque fournissent des renseignements parfaits

Les modèles de risque, comme tous les modèles statistiques, sont des représentations imparfaites d’un monde complexe et en constante évolution qui devraient tout de même être combinés à d’autres outils, notamment le jugement humain, pour obtenir des renseignements utiles. Bien que nous ayons maintenant accès à plus de données et de capacités d’analyse que jamais, aucun algorithme ne peut remplacer la pensée humaine. Il est essentiel de comparer les produits afin de s’harmoniser avec la réalité du contexte des sinistres et les modalités de la couverture. Si le modèle produit 1 million de dollars de réclamations par année, mais que l’historique ne comporte de telles réclamations que tous les cinq ans, les hypothèses pourraient devoir être rajustées.

Les données qualitatives, comme la tolérance et la culture d’une entreprise à l’égard du risque, sont intrinsèquement subjectives et ne peuvent être réduites à un ensemble de chiffres. Un modèle de risque constitue un intrant dans le processus de prise de décision et devrait être combiné à d’autres outils comme l’analyse comparative, la recherche sur les marchés et le jugement humain.

 

 

La réussite d’un programme de modélisation des risques dépend également des éléments accessoires qui entourent l’infrastructure. Cela comprend la participation d’intervenants qui reconnaissent la valeur de la gestion du risque (par opposition à l’évitement du risque) et qui gèrent le coût total du risque. Une structure organisationnelle solide peut encourager la prise en charge du risque et la responsabilisation, élever les gestionnaires de risque dans l’équipe de direction et adopter de nouvelles techniques et solutions en matière de risque, comme la modélisation des risques, afin de mieux se préparer aux risques d’aujourd’hui et de demain.


 

Toutes ces ressources sont en anglais

[1] Rapport d’Aon sur les perspectives du marché mondial au premier trimestre de 2021

[2] Rapport sur le Sondage mondial sur la gestion des risques de 2019 d’Aon