La Chaire PARI : présentation de ce programme de recherche

09/04/2020

CHAIRE PARI : programme de recherche au carrefour des enjeux produits et sociétaux

PARI est une chaire de recherche portée par l’ENSAE ParisTech et Sciences Po

La chaire PARI a été créée en 2015 afin d’étudier les enjeux assurantiels et actuariels via les sciences sociales (sociologie, histoire, économie, …).

Elle combine l’expérience d’universitaires et de praticiens, pour mettre en perspective les outils de l’appréhension des risques. Après trois ans de travaux fructueux (16 articles de recherche – 9 ExecSum – 15 séminaires rassemblant universitaires et professionnels – 3 colloques organisés – 45 interventions, etc…), nous pivotons des enjeux pilotage vers les enjeux produits, et basculons ainsi de la réglementation prudentielle vers le big data et ses conséquences pour l’assureur de demain.

Cette recherche part du double constat des bouleversements des comportements liés à la « datafication » du monde et du déploiement de nouvelles techniques d’analyse qui modifient la façon dont ces données sont traitées. Nos vies quotidiennes sont ainsi transformées en vecteurs de données, eux-mêmes point d’entrée de modèles qui ne cherchent plus à expliquer le monde mais à le prédire. Qu’en est-il pour l’assurance ? Alors que les usages et le futur de l’intelligence artificielle animent les débats de la communauté intellectuelle et académique depuis de nombreuses années, les enjeux pour l’assurance restent à examiner.

Avec les données de masses, les comportements sont saisis dans leur immédiateté brute, contournant les questionnaires et avec eux la nécessité de poser des hypothèses ou de choisir des variables tarifaires. Le big data rend ainsi possible une tarification qui ferait fi des modèles pour délivrer un score individuel, mesure d’un risque jamais formalisé. On passerait d’une interprétation « statistique » à une interprétation « quantique » des mesures de risques, dont on voit bien la radicale hétérogénéité.

  • La première conséquence majeure pour l’assurance est la remise en cause du principe de mutualité au cœur de son fonctionnement ; au-delà de l’enjeu technique, s’affrontent ici des modèles de société et de solidarité qu’il importe de clarifier.
  • La deuxième conséquence tient à l’équilibre entre responsabilité collective et/ou individuelle de la prévention des risques.

 

La recherche en actuariat pour ADDACTIS France

La recherche en actuariat et mathématique appliquée est fondamentale pour l’activité d’ADDACTIS France, qui évolue dans un environnement complexe et mouvant. Les nombreuses ruptures financières, réglementaires et technologiques auxquelles font face les acteurs de l’assurance nous conduisent à mener une réflexion de fond pour imaginer de nouvelles méthodes d’appréhension des risques.

Nous avons immédiatement adhéré au projet de la Chaire PARI et encouragé sa création, car ses principaux axes de recherche ont une ambition sans précédent dans nos domaines d’intervention. Parmi ceux-ci, PARI s’attachera notamment à revisiter les concepts d’aléa et d’hétérogénéité, à préparer la révolution « quantique » de l’assurance face au Big Data, à concevoir de nouveaux outils et mesures de risques mieux adaptés au nouvel univers de « l’économie de chocs ».

 

Pierre François

Ancien élève de l’ENS de Cachan et de Sciences Po, Pierre François est directeur de recherche au CNRS (Centre de sociologie des organisations).

Ancien directeur du département de sociologie de Sciences Po, il a également enseigné à Polytechnique. Il est aujourd’hui doyen de l’Ecole Doctorale de Sciences Po.

Laurence Barry

Ancienne élève de l’Ecole Polytechnique, statisticienne économiste de l’ENSAE et actuaire qualifiée, Laurence Barry est également titulaire d’un doctorat de sciences politiques. Ex-ACPR et «Chief Actuary » d’AIG Israël, elle a occupé des postes de direction dans l’actuariat et le conseil. Elle mène aujourd’hui de front des projets académiques et de conseil. Ses recherches portent sur les transformations de la rationalité moderne et plus récemment sa mutation algorithmique.