En 2025, sur nos routes, environ trois quarts des véhicules en circulation seront connectés. La collecte des données par les véhicules a ouvert de nouvelles voies aux assureurs : l’assurance connectée et l’assurance à l’usage. En France, les premières offres d’assurance de ce type sont apparues peu après 2010. On attendait un raz-de-marée de ces offres sur le marché assurantiel automobile. Une décennie après, il n’en est rien.
En 2022, peu d’assureurs se sont lancés sur ce marché. Pourtant, le débat reste ouvert : l’approche assurantielle doit-elle prendre en compte la connectivité des véhicules avec une offre d’assurance à l’usage (Pay How You Drive, PHYD) ? L’assurance automobile doit-elle se réinventer alors qu’elle est confrontée à une hausse des coûts des accidents corporels, du coût des pièces détachées et donc des réparations ?
Or, quand bien même les véhicules neufs seraient de plus en plus connectés, cela ne permet pas, à ce jour, d’insérer définitivement les offres à l’usage connectées dans le paysage de l’assurance automobile.
Elle est fondée sur la communication M2M (machine-to-machine) et représente l’échange de données entre les dispositifs à distance.
Mais, les mécanismes M2M fournissent des données considérées comme personnelles et font donc face à des limitations quant à la communicabilité des données, empêchant ainsi le développement de l’assurance.
Existe-t-il un droit d’utilisation de la télématique ? La réponse est globalement négative.
Le RGPD (Règlement général sur la protection des données) a, bien entendu, introduit des obligations liées au consentement. Suite à ce règlement et consciente de l’intérêt progressif des assurés français pour l’assurance automobile connectée et de la nécessité de créer un cadre juridique, la Commission nationale de l’informatique et des libertés (Cnil) a élaboré un pack de conformité en concertation avec les acteurs de la filière automobile, les entreprises d’assurances et les autorités publiques.
Ce « pack » permet aux assureurs de se mettre en conformité avec le RGPD. Mais il n’apporte pas de nouveau cadre juridique, notamment quant à l’accès à la donnée pour les assureurs.
Faute de cadre réglementaire, les acteurs de la mobilité (en amont et en aval des constructeurs automobiles), dont France Assureurs, ont proposé huit principes à mettre en œuvre à l’échelle européenne pour que « l’écosystème des véhicules connectés soit équilibré et accessible à tous ».
À ce jour, la donnée est considérée comme « cannibalisée » par les constructeurs automobiles : l’assureur doit, pour la majeure partie des offres d’assurance connectées, développer une solution passant par un boîtier ou par un Smartphone. Car le constructeur automobile, qui récupère les données par un logiciel embarqué, demande aux assureurs de payer pour accéder à ces données. Cela augmente donc le coût de la mise en place des offres d’assurance connectée.
Une législation, européenne ou française, est donc nécessaire pour permettre aux assureurs, et à l’écosystème de la mobilité en général, un accès à la donnée identique pour tous et libre.
Le marché français est réputé attentif à l’usage des données.
La réglementation, avec le RGPD notamment, a participé à la sensibilisation du public. Mais trop peu connaissent l’encadrement législatif de la protection de leurs données.
Selon un sondage de l’Ifop (Institut français d’opinion public), en 2021, 35 des sondés n’ont jamais entendu parler du RGPD et 38 % en ont entendu parler mais n’en comprennent pas le fonctionnement. Pourtant, 83 % des sondés français ont des attentes fortes quant au traitement de leurs données personnelles par les secteurs de l’assurance et de la banque. Comme le rapporte le sondage de l’Ifop, 64 % des sondés ont affirmé qu’une meilleure information sur l’utilisation faite des données de la part des services captant des données personnelles pourrait renforcer leur confiance en matière de protection des données personnelles.
L’assurance moderne doit donc faire preuve d’une vigilance accrue quant à la protection des données. L’assurance connectée doit être fondée sur des principes éthiques dans trois domaines : les données,les algorithmes et les pratiques. Selon une étude de Capgemini Invent, en 2020, 29 % seulement des conducteurs français étaient d’accord pour partager les données générées par leur véhicule. Les chiffres varient selon les études mais toutes s’accordent : le marché assurantiel français n’est pas encore prêt à abandonner l’assurance automobile classique au profit d’une offre fondée sur le comportement. Pour que les assurés récalcitrants acceptent de partager leurs données, une diminution forte de leur prime est nécessaire. Or, la marge de manœuvre pour l’assureur est étroite sur une ligne d’affaires déjà faiblement profitable.
Le secteur de l’assurance n’échappe pas au changement de comportement des consommateurs.
Une étude menée par Accenture souligne que 88 % des consommateurs sondés demandent plus de personnalisation dans les offres d’assurance. Conscients de l’évolution des mentalités, les assureurs s’orientent vers une segmentation plus précise de leurs portefeuilles de risques. S’inspirant des modèles des GAFAM et de BATX qui arrivent à prédire les achats des utilisateurs, les assureurs devraient pouvoir à terme prédire la sinistralité des assurés.
L’objectif est d’obtenir une connaissance exacte du comportement de l’assuré qui permettra à l’assureur d’ajuster la prime du contrat d’assurance selon le comportement de l’assuré, à un niveau de granularité très fin.
Mais l’individualisation complète de l’offre assurantielle, grâce à la technologie offerte par les véhicules connectés, va à l’encontre d’un principe essentiel de l’assurance : la mutualisation des risques. La mutualité est la solidarité entre les personnes assurées contre la survenance d’un même type d’événements : elle permet d’appliquer à un portefeuille les théories de la probabilité et la loi des grands nombres.
La mesure du risque consistait traditionnellement à transformer l’incertitude individuelle concernant l’avenir en une probabilité stable, mesurable et donc prévisible, fondée sur une approche collective du risque (Ericson et Doyle, 2004).
L’explosion de la quantité de données collectables et collectées fait naître de nouvelles variables tarifaires possibles pour l’assureur automobile.
La mutualisation, pour être statistiquement valide, doit s’appliquer sur une population de risques homogènes, d’où la nécessité, pour les assureurs, de créer des classes de risques « identiques » où sont regroupés des individus. Les nouvelles variables tarifaires diminuent le nombre d’individus à l’intérieur de ces classes de risque et permettent à l’assureur d’anticiper la survenance du risque de façon précise.
Avec cette nouvelle méthodologie de tarification, l’assureur aura du mal à maintenir la « convergence » de son portefeuille. En effet, la mutualisation de son portefeuille est amoindrie. Cela signifie donc plus d’exigences en capital pour chaque classe de risque. Un assureur proposant uniquement une assurance automobile connectée, fondée sur le comportement, exclura des segments entiers de populations pour des raisons de sélection ou de prix. Ainsi, avec une tarification correspondant au niveau de risque propre à chaque assuré, les risques jugés « bons » peuvent facilement s’assurer, à des tarifs faibles, alors que les risques jugés « mauvais » se verront proposer des tarifs plus élevés que la tarification « moyenne » du portefeuille.
Comme le notait la Cnil en 2014, avec cet usage extensif de la donnée, les assureurs détruisent la mutualisation. Cela pourrait mettre la fin à l’incertitude et donc à l’assurance elle-même, comme le souligne Gontran Peubez, Directeur conseil chez Deloitte.
Les nouvelles techniques constituent donc un défi particulier pour les conceptions traditionnelles de l’assurance et l’assureur ne pourra aller vers l’hypersegmentation des risques sur l’ensemble de son portefeuille, sauf à réduire considérablement son chiffre d’affaires.
Un assureur ne peut, à ce jour, construire un portefeuille d’assurance automobile ne comprenant que des véhicules connectés.
Cet écosystème est encore trop précoce et engendre trop d’incertitudes pour qu’un assureur change de paradigme en oubliant l’assurance automobile « classique » au profit de l’assurance automobile connectée.
Cependant, la connectivité croissante des véhicules doit pousser les assureurs à compléter leur offre traditionnelle donc, à créer une offre en complément de l’assurance automobile traditionnelle. Cela afin de profiter de la connectivité croissante des véhicules pour améliorer ses portefeuilles de risques. Mais, surtout, parce qu’une offre connectée PHYD présente de nombreux avantages...
4.1. Une offre incitative améliorant la sinistralité. La théorie de l’homéostasie du risque, formulée par Gérard Wilde en 1982 dans la revue Risk analysis et transposée aux accidents de la route dans un article paru en 1988, postule que dans une situation donnée, « le conducteur peut entreprendre des actions plus ou moins risquées selon le gain potentiel » qu’il en attend.
Ainsi, le niveau de « risque cible » est déterminé par les coûts et les avantages perçus des comportements risqués et/ou prudents. Les conséquences financières positives (récompenses, réduction de primes) peuvent être utilisées pour fournir des gains et des avantages supplémentaires aux options comportementales, et peuvent ainsi diminuer le niveau de risque cible des conducteurs. Cela réduira la prise de risque. Les consommateurs considèrent les récompenses comme des outils plus acceptables que les pénalités pour modifier leur comportement. Une étude, réalisée sur un portefeuille PHYD par Soleymanian et al. en 2017, a permis de prouver l’utilité de ces offres. On observe une tendance à l’amélioration du score de conduite passant de 62,05 à 67,87. Reagan et al.en 2013 et Mullen et al.en 2015 arrivent à des conclusions semblables.
En 2006, l’Organisation de coopération et de développement économiques (OCDE) et la Conférence européenne des ministres des Transports (CEMT) incitaient les gouvernements à encourager le secteur des assurances à prendre davantage d’initiatives de ce type pour réduire les excès de vitesse et le risque d’accident.
Une étude menée par Zantema et al. en 2008, aux Pays-Bas, a montré que si le système PHYD était mis en œuvre, le nombre total d’accidents pourrait être réduit de plus de 5 %, entraînant 60 décès de moins ainsi que 1 000 blessés de moins chaque année aux Pays-Bas. Car l’offre PHYD, par son scoring très granulaire, analyse toutes les variables qui gouvernent le risque d’accident.
La distance parcourue est le principal facteur de risque. Edlin (2003) et Parry (2005) ont constaté que les conducteurs, qui optent pour les offres connectées d’assurance, réduisent leur kilométrage d’environ 10 % pour diminuer leurs primes d’assurance. Et l’on sait, suite à une étude de Todd Litman, qu’il existe un lien de corrélation positif entre la distance effectivement parcourue et la sinistralité de l’assuré.
La vitesse de conduite est le deuxième facteur de risque en importance. Comme le signale la Délégation de la sécurité routière, la vitesse, causant 31 % des décès sur les routes, est la première cause de mortalité routière en France. Une diminution de la vitesse implique une variation significative du risque d’accidents mortels : une baisse de 1 % de la vitesse moyenne fait baisser mécaniquement de 4 % le nombre d’accidents mortels.
Le freinage brusque est le troisième élément du scoring PHYD.
Des études ont analysé l’impact du freinage brusque sur la sinistralité des conducteurs. Ainsi, en 2019, A. Botzer et al., ont montré que les conducteurs montrant une propension plus élevée aux freinages brusques sont plus susceptibles d’être impliqués dans un accident. Soleymanian et al., en 2017, ont constaté que les clients d’une offre PHYD diminuent la fréquence moyenne quotidienne de leurs freinages brusques de 21 % après avoir utilisé l’Usage Based Insurance (UBI) pendant six mois.
4.2. Les nouvelles variables tarifaires introduites par l’assurance à l’usage favorisent l’auto-sélection. « Injuste et inefficace » sont les qualificatifs utilisés par Butler et Al., dès 1988, pour décrire la politique de tarification des compagnies d’assurance automobile du monde entier.
En effet, les conducteurs avec des caractéristiques similaires (âge, ancienneté du permis, type de véhicule) paient approximativement la même prime, sans tenir compte du kilométrage annuel parcouru, ni de leur comportement sur les routes. L’Usage Based Insurance rectifie ces insuffisances graves.
Pour l’assureur, les politiques de souscription fondées sur l’usage provoquent trois effets sur le portefeuille de risques de l’assureur : les bons risques entrent dans le portefeuille d’assurance de la compagnie ; une partie des mauvais risques se transforme en bons risques ; une autre partie des mauvais risques n’entrent pas ou quittent le portefeuille d’assurance de la compagnie.
Arvidsson (2010) et Lindberg et al. (2011) soutiennent que les primes calculées sur l’usage favorisent l’auto-sélection des automobilistes, ce qui affecte positivement le portefeuille de risques d’un assureur en attirant des clients à faible risque grâce aux variables supplémentaires. L’assureur de risques connectés proposera une prime réduite aux bons risques et aura diminué l’anti sélection. Les mauvais conducteurs, les plus risqués, sont découragés dès la souscription.
4.3. Dans un secteur assurantiel concurrentiel, se priver d’un produit fidélisant est une erreur. Le coût de la fidélisation des assurés représente seulement le quart du coût d’acquisition de nouveaux clients. Or, le marché des risques automobiles est fortement concurrentiel.
La concurrence, en assurance automobile, est favorisée et encouragée par le législateur par suite de l’entrée en vigueur, au 1er janvier 2015, de la loi Consommation dite « loi Hamon ». Cette loi est venue multiplier les possibilités de résiliation pour l’assuré (à l’échéance principale, modification de sa situation personnelle ou professionnelle, hausse de tarif à l’initiative de l’assureur). Dans une enquête menée par Profidéo en 2020, 39 % des sondés envisageaient de comparer leur contrat d’assurance automobile dans l’année à venir pour rechercher un tarif moins élevé, à 58 %.
Pour les assureurs, la prévention des résiliations de contrats est donc un élément majeur de leur développement, alors que les coûts d’acquisition d’assurés ont augmenté, passant de 15,8 % primes émises brutes en 2018, à environ 18 % en 2022.
L’Usage Based Insurance permet la fidélisation du client et serait donc un avantage compétitif pour l’assureur qui propose ce produit. En effet, elle permet une connaissance accrue du comportement de l’assuré. Pour calculer une prime adaptée au scoring, le comportement sur les routes de l’assuré doit être clairement connu.
Le partage des données crée des avantages de part et d’autre.
Pour l’assuré, la valeur ajoutée résulte de la tarification sur mesure : un assuré satisfait de la prime qu’il doit payer à 20 fois plus de chances d’avoir un indice de fidélité « élevé ». Il bénéficie de conseils pour améliorer sa conduite et adopter une éco-conduite.
L’assureur accède à un stock de données qu’il peut utiliser pour affiner la tarification, améliorer le ratio combiné, la rétention client et donc diminuer son taux de résiliation.
La transparence du produit Usage Based Insurance permet d’améliorer la relation client et la fidéliser. La complexité d’un produit d’assurance ne favorise pas la compréhension de la tarification par le client. La transparence facilite la compréhension de l’assuré permettant d’être à l’aise avec le produit. IBM affirme que 70 % des personnes interrogées, qui ont déclaré avoir une bonne compréhension du produit, ont exprimé une loyauté certaine envers leur assureur, soit trois fois plus que les personnes ayant une faible compréhension du produit. Dans leur étude, Soleymanian et al (2017) ont montré, qu’en termes de taux de renouvellement, ce dernier, quand il s’agit des clients UBI, est supérieur de 9 % à celui des clients non-UBI.
Les offres traditionnelles permettent une bonne couverture des risques mais n’engagent pas les assurés sur une base individuelle. L’assurance télématique permet aux clients de s’impliquer et d’établir un lien émotionnel. Les assurés peuvent observer que le tarif est fondé sur leur risque personnel et influencé par leurs actions : prix équitable, produit transparent.
L’assurance automobile sera, à coup sûr, impactée et modifiée par le développement de la voiture connectée. Les données multiples sur le comportement du conducteur ne sont, pour l’instant, pas utilisables par l’assurance, sous la double contrainte de la confidentialité des données (RGPD) et de la rétention d’information par les constructeurs automobiles, peu enclins à fournir des informations aux assureurs. Cela explique le lent développement du Pay How You Drive (PHYD). Cela étant, les probabilités restent fortes de voir une nouvelle segmentation des portefeuilles « auto » apparaître au détriment de la mutualisation de ces risques dans des portefeuilles tarifés, en définitive, au coût moyen des sinistres, malgré une segmentation actuelle dont la « granularité » demeure faible. Les avantages du PHYD sont pourtant considérables pour les deux parties, assureur et assuré. Si les coûts de l’électronique embarquée dans l’automobile ne rendent pas les prix des véhicules prohibitifs, l’évolution vers une segmentation fine des risques automobiles paraît inéluctable.
Bibliographie
Ouvrages et publications
professionnelles
Arvidsson S., Reducing Asymmetric Information with Usage-based Automobile Insurance, Swedish National Road & Transport Research Institute (VTI), 2011.
Bolderdijk J. W., Knockaert J., Steg E. M. & Verhoe E. T., « Effects of Pay-As-You-Drive Vehicle Insurance on Young Drivers’ Speed Choice: Results of a Dutch Field Experiment », Accident Analysis & Prevention, vol. 43, p. 1181, mai 2011.
Bordoff J. & Noel P., « Pay-as-you-drive Auto Insurance: A simple Way to Reduce Driving-Related Harms and Increase Equity », Hamilton Project Discussion Paper, 2008.
Botzer A., Musicant O. & Mama Y., Relationship Between Hazard-perception-test Scores and Proportion of Hard-braking Events during On-road Driving – An Investigation using a Range of Thresholds for Hard-braking, 2019.
Butler P. M., Butler T. & Williams L. L., « Sex-Divided Mileage, Accident, And Insurance Cost Data Show That Auto Insurers Overcharge Most Women », Journal of Insurance Regulation, Vol. 6, mars 1988.
Carvais J., « L’automobile, un concentré de données personnelles à protéger », L’Argus de l’assurance, février 2010.
Deloitte, « Étude européenne sur l’assurance automobile : l’assurance automobile face à la transformation digitale », 2e édition, 2016.
Denton G.G., The Effect of Speed and Speed Change on Drivers’ Speed Judgement, 1967.
Elvik R., Christensen P. & Amundsen A., Speed and Road Accidents. An Evaluation of the Power Model, 2004.
Ericson R. V. & Doyle A., Uncertain Business: Risk, Insurance and the Limits of Knowledge, University of Toronto Press, 2004.
Ewald F., L’État providence, Grasset, 1986.
Fafoutellis P., Mantouka E. G. & Vlahogianni E. I., « Acceptance of a Pay-How-You-Drive pricing scheme for city traffic: The case of Athens », Transportation Research Part A: Policy and Practice, vol. 156, 2022.
France Assureurs, « Assurances : données clés 2020 », octobre 2021.
France Assureurs, « Cartographie prospective 2021 des directeurs des risques de l’assurance et de la réassurance », février 2021.
France AutoTech & Capgemini, « La nouvelle ère de l’automobilité - Manifeste autotech 2020 », octobre 2020.
Hallauer T., « Choisir les propositions de valeur de l’assurance connectée en Europe », Cambridge Mobile Telematics,
octobre 2021.
Hamzeie R., Savolainen P. T. & Gates T. J., « Driver Speed Selection and Crash Risk: Insights from the Naturalistic Driving Study », Journal of Safety Research, novembre 2017.
Hultkrantz L. & Lindberg G., « Pay-as-you-speed: An economic field experiment », Journal of Transport Economics and Policy, p. 415, 2011.
IBM, « Elevating the Insurance Customer Experience », 2020.
INRIA, « Véhicules autonomes et connectés Les défis actuels et les voies de recherche », Livre blanc n° 02, février 2018.
Joksch H.C., « Velocity change and fatality risk in a crash – a rule of thumb », Accident Analysis & Prevention, vol. 25, 1993.
Jun J., Guensler R. & Ogle J., « Differences in Observed Speed Patterns between Crash Involved and Crash-not-involved Drivers: Application of In-vehicle Monitoring Technology », Transportation Research, Part C Emerging Technologies, p. 569, aout 2011.
Les acteurs de la mobilité connectée, « Véhicule connecté : 8 principes pour un écosystème équilibré et accessible à tous », septembre 2021.
Litman T., Distance-based Vehicle Insurance Feasibility, Costs and Benefits, Victoria, 2007.
Lorenzi J.-H., « L’importance économique de l’assurance », Les Tribunes de la santé, février 2011.
OCDE & CEMT, « La gestion de la vitesse », 2006.
Paefgen J., Staake T. & Thiesse F., « Evaluation and aggregation of pay-as-you-drive insurance rate factors: A classification analysis approach », Decision Support Systems, 2013.
Parry I. W.H., « Is Pay-As-You-Drive Insurance a Better Way to Reduce Gasoline than Gasoline Taxes? », 2005.
Peronet E., « Le RGPD dans le secteur automobile », L’Argus de l’assurance, mai 2019.
Ponte G., « Travelling Speed and the Risk of Crash Involvement on Rural Roads »,
janvier 1997.
Reagan IJ., Bliss JP., Van Houten R.
& Hilton BW., « The Effects of External Motivation and Real-Time Automated Feedback on Speeding Behavior in a Naturalistic Setting », Human Factors, 2013.
Rhodes N. & Pivik K., « Age and gender
differences in risky driving: the roles of positive affect and risk perception »,
Accid. Anal. Prev., p. 923, mai 2011.
Soleymanian M., Weinberg C. & Zhu T., Sensor Data, Privacy, and Behavioral Tracking: Does Usage-Based Auto Insurance Benefit Drivers?, 2017.
Solomon D. H., Accidents on Main Rural Highways Related to Speed, Driver, and Vehicle, 1964.
State Insurance Regulatory Authority, « NSW Young Drivers Telematics Trial », septembre 2019.
Stevenson M., Harris A., Wijnands J. S. & Mortimer D., « The Effect of Telematic Based Feedback and Financial Incentives on Driving Behaviour: a Randomised Trial », Accident Analysis and Prevention, 2021.
Treat J.R., Tumbas N.S., Mcdonald S.T., Shinar D., Hume R. D., Mayer R. E., Stansifer R. L. & Castellan N. J., Tri-level study of the causes of traffic accidents: final report, mai 1979.
Umut M., « Towards Digitalization in Insurance Market : Telematic Insurance », Mugla Journal of Science and Technology, juin 2020.
Vaia G., Carmel E., Delone W., Trautsch H. & Menichetti F., « Vehicle Telematics at an Italian Insurer: New Auto Insurance Products and a New Industry Ecosystem », MIS Quarterly Executive, 2012.
Vasechko Olga A. & Grun-Rehomme Michel, « L’impact de la sinistralité passée sur la sinistralité future : une modélisation des classes de risques », Assurances et gestion des risques, vol. 79, p. 279, octobre 2011.
Vasechko Olga & Grun-Rehomme Michel, « L’impact de la sinistralité passée sur la sinistralité future : une modélisation des classes de risques », Assurances et gestion des risques, vol. 79, p. 279, janvier 2012.
Wilde G. J. S., « The Theory of Risk Homeostasis: Implications for Safety and Health », Risk analysis, décembre 1982.
Wit A., & Wilke H. A., « The Presentation of Rewards and Punishments in a Simulated Social Dilemma », Social Behaviour, p. 231, 1990.
Yannis G., Kanellopoulou A., Aggeloussi K. & Tsamboulas D., « Modelling driver choices towards accident risk reduction », Safety science, vol. 43, p. 173, mars 2005.
Zantema J., Van Amelsfort D., Bliemer M. & Bovy P., « Pay-as-You-Drive Strategies: Case Study of Safety and Accessibility Effects », Transportation Research Record, 2008.
Sources institutionnelles
Article L. 113-15-2 du Code des assurances.
Loi n° 2019-1428 du 24 décembre 2019 d’orientation des mobilités.
Pack de conformité, Véhicules connectés et données personnelles, CNIL, octobre 2017.
Règlement (UE) 2015/758 du Parlement Européen et du Conseil du 29 avril 2015.
Règlement général sur la protection des données – RGPD, Règlement (UE) 2016/679 du Parlement européen et du Conseil
du 27 avril 2016.
Sites internet
https://www.chapsvision.fr/data/comment-big-data-revolutionne-secteur-assurance/
https://vertone.com/blog/2021/01/15/fidelisation-client-assurance/
Colloque
Zheng Y., wang J., Li X., Yu C., Kodaka K. & Li K., « Driving Risk Assessment Using cluSter Analysis Based on Naturalistic Driving Data », 17th International IEEE Conference on Intelligent Transportation Systems (ITSC), 2014.
