Mémoires d'Actuariat
Apport de l'analyse du contexte des sinistres dans l'optimisation de l'offre du produit garantie accidents de la vie
Auteur(s) EL AKEL Y.
Société AXA France
Année 2024
Confidentiel jusqu'au 20/09/2026
Résumé
Les accidents de la vie courante entraînent plus de 11 millions de blessés et 24 000 décès chaque année en France, en faisant ainsi la quatrième cause de mortalité dans le pays. Pour limiter le préjudice financier subi par les victimes, AXA France commercialise depuis l'an 2000 la "Garantie Accidents de la Vie" (GAV), un produit qui permet d'indemniser les victimes en cas d'accident de la vie courante. La sinistralité associée à ce produit est particulière, car elle repose sur l'indemnisation des dommages corporels, dont le montant peut varier considérablement en fonction des dommages corporels et de leurs conséquences. Pour une meilleure maîtrise de risque, il est essentiel d'analyser les accidents les plus fréquents, leur gravité, ainsi que les circonstances de survenance. Ce mémoire vise à explorer les différentes pistes d'optimisation de l'offre d'assurance garantie accidents de la vie en analysant les circonstances des accidents. Pour cela, une classification non supervisée des sinistres sera réalisée à l'aide des techniques de traitement automatique du langage naturel et de modélisation thématique (LDA, BTM). Ainsi, nous pourrons identifier les situations propices à des règlements importants et celles associées à des risques plus modérés, ce qui nous permettra d'optimiser l'offre en proposant des ajustements visant à mieux maîtriser le risque de sévérité.
Abstract
Accidents of everyday life result in more than 11 million injuries and 24 000 deaths each year in France, making them the fourth leading cause of mortality in the country. To mitigate the financial loss suffered by victims, AXA France has been selling the "Garantie Accidents de la Vie" (GAV) since 2000, a product that provides compensation to victims in the event of everyday accidents. The claims related to this product have distinct characteristics, as they involve compensating bodily injuries, the cost of which can vary significantly depending on the harm suffered by the victim. For better risk management, it is essential to analyze the most frequent accidents, their severity, and the circumstances under which they occur. This report aims to explore different avenues for optimizing the GAV offer by analyzing the circumstances of accidents. To do this, an unsupervised classification of claims will be conducted using natural language processing techniques and topic modeling (LDA, BTM). This will enable us to identify situations likely to result in significant settlements and those associated with more moderate risks, allowing us to optimize the offer by proposing adjustments aimed at better controlling the risk of severity.
Auteur(s) EL AKEL Y.
Société AXA France
Année 2024
Confidentiel jusqu'au 20/09/2026
Résumé
Les accidents de la vie courante entraînent plus de 11 millions de blessés et 24 000 décès chaque année en France, en faisant ainsi la quatrième cause de mortalité dans le pays. Pour limiter le préjudice financier subi par les victimes, AXA France commercialise depuis l'an 2000 la "Garantie Accidents de la Vie" (GAV), un produit qui permet d'indemniser les victimes en cas d'accident de la vie courante. La sinistralité associée à ce produit est particulière, car elle repose sur l'indemnisation des dommages corporels, dont le montant peut varier considérablement en fonction des dommages corporels et de leurs conséquences. Pour une meilleure maîtrise de risque, il est essentiel d'analyser les accidents les plus fréquents, leur gravité, ainsi que les circonstances de survenance. Ce mémoire vise à explorer les différentes pistes d'optimisation de l'offre d'assurance garantie accidents de la vie en analysant les circonstances des accidents. Pour cela, une classification non supervisée des sinistres sera réalisée à l'aide des techniques de traitement automatique du langage naturel et de modélisation thématique (LDA, BTM). Ainsi, nous pourrons identifier les situations propices à des règlements importants et celles associées à des risques plus modérés, ce qui nous permettra d'optimiser l'offre en proposant des ajustements visant à mieux maîtriser le risque de sévérité.
Abstract
Accidents of everyday life result in more than 11 million injuries and 24 000 deaths each year in France, making them the fourth leading cause of mortality in the country. To mitigate the financial loss suffered by victims, AXA France has been selling the "Garantie Accidents de la Vie" (GAV) since 2000, a product that provides compensation to victims in the event of everyday accidents. The claims related to this product have distinct characteristics, as they involve compensating bodily injuries, the cost of which can vary significantly depending on the harm suffered by the victim. For better risk management, it is essential to analyze the most frequent accidents, their severity, and the circumstances under which they occur. This report aims to explore different avenues for optimizing the GAV offer by analyzing the circumstances of accidents. To do this, an unsupervised classification of claims will be conducted using natural language processing techniques and topic modeling (LDA, BTM). This will enable us to identify situations likely to result in significant settlements and those associated with more moderate risks, allowing us to optimize the offer by proposing adjustments aimed at better controlling the risk of severity.
