Pricing assurance affinitaire ML

Contexte

Assureur spécialisé en produits affinitaires (voyage, mobile, habitation temporaire). 300 employés, 150M€ CA. Pricing actuariel classique (tables GLM) non adapté au digital : tarification batch J+1, pas de personnalisation temps réel, perte de compétitivité face aux insurtechs. L'entreprise cherche à industrialiser son approche data, pas à repartir de zéro.

Problème & Défi

– Pricing batch J+1 sur tables GLM : incompatible avec les parcours digitaux temps réel – Aucune personnalisation tarifaire - même prix pour des profils de risque très différents – Perte de 15% de parts de marché en 2 ans face aux insurtechs au pricing dynamique – Ratio S/P en dégradation : 72% vs 65% cible, anti-sélection sur les bons risques – Actuaires passent 80% du temps à maintenir les tables vs innover sur le pricing – Taux de conversion en baisse de 20% sur le canal digital - prix non compétitifs

Solution & Livrables

- Modèle ML de pricing dynamique industrialisé (XGBoost + feature store temps réel) – tarification en <200ms - Personnalisation tarifaire par profil de risque, 150 variables vs 12 dans les tables GLM classiques - Taux de conversion digital amélioré de 20% grâce à des prix plus compétitifs et justes - Ratio S/P amélioré de 72% à 66%, meilleure sélection des risques sans perdre de volume - Actuaires recentrés sur l'innovation : 60% du temps sur l'optimisation des modèles - A/B testing intégré – mesure d'impact en continu de chaque évolution tarifaire

Technologies