Mémoire Meriem RAITI - IA

Mémoire présenté le :
pour l’obtention du Diplôme Universitaire d’actuariat de l’ISFA

et l’admission à l’Institut des Actuaires
Par : Meriem RAITI

Analyse technique du multi-équipement dans le cadre d’une
Titre stratégie Post-ANI
Confidentialité :  NON ■ OUI (Durée :  1 an ■ 2 ans)
Les signataires s’engagent à respecter la confidentialité indiquée ci-dessus

Membre présents du jury de l’Institut Entreprise : April Entreprise Prévoyance
signature
des Actuaires
M. Olivier CAYOT Nom : Meriem RAITI
M. Guillaume LACOUR Signature :
M. Jean-Baptiste VERCHAY Directeur de mémoire en entreprise :
Nom : Mme Fabienne BRERO
Signature :
Membres présents du jury de l’ISFA Invité :
M. Stéphane LOISEL Nom :
Signature :
Autorisation de publication et de mise
en ligne sur un site de diffusion de
documents actuariels (après expiration
de l’éventuel délai de confidentialité)
Signature du responsable entreprise
Secrétariat : Mme Christine DRIGUZZI Signature du candidat
Bibliothèque : Mme Patricia BARTOLO

INSTITUT DE SCIENCE FINANCIERE ET D’ASSURANCES
Résumé
A l’aube de la structuration du marché post ANI (Accord National Interprofessionnel), les
acteurs de l’assurance se penchent sur les problématiques de fidélisation du portefeuille et
sur la stratégie à adopter pour limiter les pertes liées à la saturation du marché de la santé
collective.
April Entreprise Prévoyance (AEP) a lancé un chantier piloté par les cinq directeurs
membres du comité de direction visant à définir la stratégie post-ANI. Parmi les axes
de ce chantier, on note le multi-équipement des clients AEP, notamment ceux acquis
pendant l’ANI.
Une telle stratégie est envisagée car le multi-équipement est perçu comme un élément
clé de la fidélisation et du développement du chiffre d’affaires. Le multi-équipement
permet, en effet, d’augmenter le niveau de primes perçues tout en optimisant les coûts
d’acquisition. Cependant, le fait d’augmenter la durée de vie d’un contrat dans le portefeuille
peut s’avérer problématique si celui-ci est techniquement déficitaire.
Par ailleurs, dans le contexte économique actuel, où les acteurs sont très réactifs et adoptent
des politiques commerciales de plus en plus agressives, maîtriser son portefeuille et les
différents leviers stratégiques est primordial.
Ce mémoire vise à apporter un appui technique aux différents intervenants dans ce

virage stratégique. Pour cela nous avons analysé dans le détail, notre portefeuille afin
de mettre en exergue, les facteurs clés de succès du multi-équipement
santé/prévoyance collective. Nous avons pu apprécier par exemple que le multi-
équipement est favorisé lorsqu’il résulte d’une même action de vente et que l’agencement
des offres (notices communes, nom communs, …etc) influe particulièrement sur le multi-
équipement.
Nous avons appuyé cette première analyse par une modélisation des probabilités de
multi-équipement de chaque profil d’affaire à travers une régression logistique. Ceci
nous a permis de construire un score de multi-équipement, plus facilement lisible qu’une
probabilité ; un score qui pourra être utilisé par les équipes commerciales pour hiérarchiser
les affaires lors des campagnes de vente ou de fidélisation.
Par ailleurs, nous avons étudié la sinistralité des affaires afin de nous aiguiller sur la
qualité du risque des affaires multi-équipées.
Enfin, nous avons validé la fidélisation des affaires multi-équipées via la modélisation
des fonctions de survie des affaires dans le portefeuille que nous avons appuyée par
l’estimation de l’impact du multi-équipement sur les chutes par le modèle de Cox.
Nous avons mis un point d’honneur à fiabiliser nos conclusions et résultats. En effet, nous
avons conduit, tout au long de ce mémoire, différents tests d’hypothèses et de capacité
prédictive de nos modèles.
Mots Clés : Multi-équipement, ANI, santé et prévoyance collectives, régression logistique,

modèles linéaires généralisés, Kaplan Meier, Cox.
Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 1

Abstract
Right on the eve of the market restructuration after the National Inter-professional
Agreement (ANI), insurance operators are studying the portfolio retention issues and
the strategy to limit the losses related to the saturation of the collective healthcare
market.
April Entreprise Prévoyance (AEP) launched an in-depth study steered by five

members of the Executive Committee to define the post ANI strategy.
Among the axes of this project, there is the multi-equipment of AEP customers, including
those gained during the ANI period.
Such strategy has been considered because the cross selling is seen as a key factor in
retention and business development. In fact, the cross selling increases the received
premiums while optimizing acquisition costs. However, increasing the lifetime of a
contract in the portfolio might be an issue if it is technically in deficit.
Moreover, the economic actors being more and more aggressive, the control of the
portfolio and the strategic drivers is fundamental.
This study aims to provide technical support to all the participants in this
strategic transformation.
First, we deeply analyzed our portfolio to highlight the key factors of the multi-
equipment success. For example, we noticed that the number of multi-equipped deals
is particularly important when they result from the same sale action and that the
product marketing (common references, common name…etc.) especially affects the
multi-equipment.
Furthermore, we modelled the multi-equipment probabilities of each business

profile via logistic regression to underpin our first analysis. This allowed us to build
a multi-equipment score, which can be easily interpreted, as it is easier to understand
than a probability. Salespeople can use this score to prioritize business in a sale or for
retention campaigns.
In addition, we investigated the loss of the portfolio to judge the impact of the multi-
equipment on the “risk quality” of the business.
Finally, we validated the retention of multi-equipped deals by modelling the
survival functions of the portfolio using Kaplan Meier Method and the impact of
the multi-equipment on the withdrawal rate via Cox model.
It has been our concern to have accurate results and conclusions. For this purpose, we
conducted different assumptions and models predictive capability tests.
Key words: multi-equipment, ANI, group health and welfare insurance, logistic
regression, generalized linear models, Kaplan Meier, Cox.

Remerciements
En préambule de ce mémoire, je souhaite adresser mes remerciements les plus sincères
à toutes les personnes qui m’ont apportée leur aide et qui ont contribué à l’élaboration
de ce mémoire.
Tout d’abord, je tiens à exprimer ma profonde reconnaissance à Mme Fabienne BRERO,

directrice entreprise de ce mémoire pour sa disponibilité et ses nombreux conseils qui
m’ont été d’une grande aide et utilité.
Je la remercie pour la confiance qu’elle m’a accordée, tout au long de mon stage puis
alternance au sein de la Direction technique, financière et juridique d’April Entreprise
Prévoyance, et pour son encadrement de qualité qui m’a permis de tirer pleinement
profit de cette toute première expérience professionnelle.
Je remercie mon tuteur académique, Monsieur Stéphane LOISEL, pour l’intérêt qu’il a
accordé à cette étude, son encadrement, et ses nombreux conseils.
Je remercie aussi Monsieur Xavier MILLAUD et Madame Esterina MASIELLO, chercheurs

et maîtres de conférences à l’ISFA pour leur disponibilité et leurs conseils avisés.
Je remercie Karim BOUBAKRI, chargé d’études actuarielles au sein du service technique

d’April Entreprise Prévoyance pour son aide et sa disponibilité notamment lors de la
création des différentes bases de données.
Je remercie aussi Madame Françoise LOUBERSSAC, Directeur Général et Monsieur Julien

CROCHET, Directeur Administratif et Financier pour leur disponibilité, et la qualité des
échanges qu’on a pu avoir.
D’une façon plus générale, je remercie l’ensemble des salariés d’April Entreprises
Prévoyance pour leur accueil chaleureux et leur disponibilité, ainsi que toutes les
personnes qui m’ont aidée dans la collecte des informations indispensables pour la
construction de ma base de données et pour mon étude.
Finalement, je remercie toute ma famille et particulièrement mon frère Zakaria, et mon

époux Salim qui m’ont supportée, durant mon mémoire et tout le long de mon parcours.

Sommaire
Résumé ...................................................................................................................................................................................1
Abstract ..................................................................................................................................................................................2
Remerciements ...................................................................................................................................................................3
Sommaire ..............................................................................................................................................................................4
Introduction .........................................................................................................................................................................7
Partie I. Contexte du mémoire ...............................................................................................................................8
1. Présentation générale de l’entreprise .........................................................................................................8
2. Spécificités d’April Entreprise Prévoyance............................................................................................ 10
2.1. Un marché collectif à dimension fiscale et sociale importante................................................. 10
2.2. Un cadre règlementaire mouvant et impactant .............................................................................. 11
2.3. Cibles et interlocuteurs différents ........................................................................................................ 14
Partie II. Traitements des bases de données .................................................................................................. 15
Partie III. Analyse descriptive du portefeuille................................................................................................. 18
1. Analyse du périmètre de l’étude ................................................................................................................ 18
2. Définition du multi-équipement................................................................................................................. 19
3. Typologie des multi-équipés........................................................................................................................ 19
4. Taux de multi-équipement par gamme ................................................................................................... 24
5. Croisement avec les gammes de la prévoyance ................................................................................... 27
3. Tri à plat des variables explicatives .......................................................................................................... 31
3.1. Variables étudiées ....................................................................................................................................... 31
3.2. Catégorie socio-professionnelle ............................................................................................................ 32
3.3. Classes d’effectif ........................................................................................................................................... 34
3.4. Classes d’âge .................................................................................................................................................. 37
3.5. Zonage .............................................................................................................................................................. 38
3.6. Assiette Santé ................................................................................................................................................ 40
3.7. Taux de commission courtier ................................................................................................................. 41
3.8. Niveau de garantie ...................................................................................................................................... 42
3.9. Dates d’effet ................................................................................................................................................... 43
3.10. Taux de chute............................................................................................................................................ 44
3.11. Typologie courtiers ................................................................................................................................ 45
Partie IV. Modélisation du multi-équipement ................................................................................................. 48
1. Echantillonnage ................................................................................................................................................. 48
2. Régression Logistique Binaire .................................................................................................................... 48

2.1. Hypothèse sous-jacente au modèle ...................................................................................................... 48

2.2. Estimation des paramètres ...................................................................................................................... 49
2.3. ODDS et ODDS Ratio ................................................................................................................................... 50
3. Quel est le profil d’entreprises les plus enclines à être multi-équipées ? ................................. 50
3.1. Sélection des variables explicatives ..................................................................................................... 50
3.2. Test de l’hypothèse nulle globale .......................................................................................................... 55
3.3. Significativité des variables explicatives et des coefficients ...................................................... 56
3.4. Les ODDS Ratios et les intervalles de confiance à 95% ............................................................... 57
3.5. Qualité d’ajustement du modèle ............................................................................................................ 58
3.5.1. Test de Hosmer-Lemeshow ................................................................................................................ 58
3.5.2. La courbe ROC .......................................................................................................................................... 59
3.5.3. Résultats ..................................................................................................................................................... 60
3.5.4. Comparaison avec l’échantillon Test .............................................................................................. 61
3.6. Conclusion ...................................................................................................................................................... 62
3.7. Score de multi-équipement ..................................................................................................................... 63
Partie V. Etude de la sinistralité .......................................................................................................................... 65
1. Statistiques générales ..................................................................................................................................... 65
2. Etude descriptive de la sinistralité ............................................................................................................ 66
2.1. Prestations normalisées par collège .................................................................................................... 66
2.2. Prestations attendues ................................................................................................................................ 67
2.3. Définition des profils de risque .............................................................................................................. 68
3. Modélisation ....................................................................................................................................................... 69
3.1. Recherche de la loi des prestations ...................................................................................................... 70
3.2. Résultats .......................................................................................................................................................... 71
Partie VI. Etude des durées d’adhésions ........................................................................................................... 76
1. Choix du modèle................................................................................................................................................ 76
2. Modèle non paramétrique de Kaplan Meier .......................................................................................... 76
2.1. Estimation de la fonction de survie de l’ensemble du portefeuille ......................................... 77
2.2. Application aux affaires multi-équipées et non multi-équipées .............................................. 78
2.3. Application financière................................................................................................................................ 79
3. Validation du modèle ...................................................................................................................................... 80
3.1. Cadre théorique du modèle de Cox ...................................................................................................... 80
3.2. Estimation des paramètres de Cox ....................................................................................................... 80
3.3. Tests d’hypothèses ...................................................................................................................................... 81

3.3.1. Test de nullité globale des coefficients .......................................................................................... 81

3.3.2. Test de l’hypothèse de hasard proportionnel ............................................................................ 81
Partie VII. Préconisations techniques et commerciales................................................................................ 85
Conclusion ..................................................................................................................................................................... 89
Bibliographie..................................................................................................................................................................... 91
Annexes ............................................................................................................................................................................... 92

Introduction
Au-delà de l’assurance, le multi-équipement est un outil bien connu dans plusieurs
domaines pour fidéliser les clients tout en augmentant le chiffre d’affaires. Nous
pensons, notamment, au secteur de la téléphonie, les offres bancaires, aux abonnements
de transport, …, où les offres groupées sont de plus en plus nombreuses.
Dans un contexte très concurrentiel et un marché extrêmement agressif où les marges

ne cessent de se réduire, il serait peut-être moins couteux d’entretenir le portefeuille
que de chercher des affaires nouvelles.
Dans peu de temps, le marché de la santé collective sera saturé du fait de l’accord
national interprofessionnel (ANI) du 11 Janvier 2013, qui prévoit la généralisation de la
complémentaire santé à tous les salariés à compter du 1er Janvier 2016.
Le marché sera donc exclusivement porté sur des affaires de reprise à la concurrence. Le
multi-équipement se profile donc comme un élément important de la stratégie post-ANI,
car il permet de fidéliser les clients et surtout d’optimiser le processus de vente :
 Une offre groupée augmente le niveau des primes tout en minimisant les coûts
d’acquisition.
 Une vente groupée est généralement accompagnée de remises, ce qui augmente

la probabilité de concrétisation.
Dans ce mémoire, nous aspirons à apporter une analyse technique du multi-équipement,

afin de s’assurer que ce dernier présente aussi bien un intérêt technique que
commercial.
Ainsi, nous pourrons orienter les processus de création produit, gestion de la relation
client et campagne de revalorisation des offres pour optimiser le multi-équipement.
Nous orienterons notre réflexion autour des trois axes suivants :
Le cœur de cible : Quel profil d’entreprise est le plus enclin à être multi-équipé ?
La sinistralité : Les affaires multi-équipées ont-elles une meilleure sinistralité ?
La fidélisation : Le multi-équipement a-t-il réellement un impact sur les durées

d’adhésion ?

Partie I. Contexte du mémoire

1. Présentation générale de l’entreprise
Créé en 1988, APRIL est un groupe international de services d’assurances multi-

spécialiste présent dans le monde entier. Il propose des prestations en assurance santé,
prévoyance et dommages, destinées aux particuliers, aux professionnels (TNS 1), aux
entreprises et aux collectivités.
APRIL conseille, conçoit, gère et commercialise des solutions d’assurance grâce à une
stratégie « multicanale ». En 25 ans, April assure actuellement 6 millions de personnes,
et compte 3 960 collaborateurs. Le chiffre d’affaires de 2014 est 766.3 M€ et le résultat
net annuel est de 36.6 M€
April est aujourd’hui le premier courtier grossiste en France. Les courtiers grossistes
souscripteurs en assurance ont une délégation de souscription et de gestion
quasiment complète. Ils effectuent à partir de leur importante clientèle le même travail
de mutualisation que les assureurs sans porter le risque. Ils peuvent également imaginer
et proposer des produits d’assurance novateurs, dans les garanties comme dans la
structure, notamment sur les produits de niche. Ces courtiers grossistes distribuent
leurs offres via un réseau d’agents généraux et de courtiers détaillants. Ils disposent
aussi parfois de leur propre canal de vente (agences ou Internet).
Le modèle APRIL
Le modèle APRIL peut être résumé en quatre étapes :
Assurer : La prise de risques

« Assurer » consiste à prendre en charge les risques encourus par les individus
pour les personnes ou pour les biens. Autrement dit, la probabilité que survienne
un dommage, un coup du sort contre lequel les agents économiques cherchent à se
prémunir. L’assureur, via le courtier grossiste s’engage donc à compenser ces
dommages à l’aide d’un fond alimenté par des primes ou des cotisations qu’il
collecte préalablement.
Concevoir : Imaginer et construire les garanties et services associés

Depuis l’origine, APRIL invente et construit des produits et services d’assurance.
Ses professionnels de l’assurance et du marketing conçoivent des produits pour les
particuliers, les professionnels et les entreprises sur les segments du dommage et
de l’assurance de personnes.
Le Groupe se distingue sur les produits d’assurance de niche comme les risques
auto aggravés, à destination des personnes en situation de malus, résiliées pour
fréquence de sinistres, non-paiement de prime, fausse déclaration, alcoolémie ou
usage de stupéfiants, etc. ou encore les mobil-homes, les petits studios, les objets
d’art, etc.
1
TNS : Travailleurs non-salariés

Gérer : Une relation de confiance avec les clients assurés et les

distributeurs
Pour APRIL, une gestion efficace des contrats est la clé de voûte de la fidélisation
des clients. Cela consiste à prendre en charge les adhésions, les modifications liées
à la civilité et autres changements de la vie, l’encaissement des cotisations et les
remboursements (gestion de sinistres). L’expertise de plus de 20 ans et la maîtrise
de la chaîne de valeur de l’assurance permet à APRIL de cultiver une réactivité hors
normes des besoins de ses clients, en faisant preuve d’une qualité de service sans
cesse renouvelée.
Distribuer : Rendre accessible des offres innovantes au plus grand nombre

Historiquement, l’offre d’APRIL était destinée à un réseau de distributeurs
indépendants : les courtiers et agents généraux. Depuis de nombreuses années,
APRIL mise désormais sur une stratégie de distribution diversifiée dite
«multicanale », lui permettant de couvrir un spectre plus large de clientèles (en B
to B comme en B to C) et de s’adapter aux différents comportements d’achat de
produits d’assurances.
APRIL Entreprise Prévoyance
April Entreprise Prévoyance (AEP) est une filiale d’April spécialisée dans l’assurance
collective pour les TPE et PME. Elle a été fondée en janvier 2008 sous la direction de
Françoise LOUBERSSAC. Auparavant, April Entreprise Prévoyance était un département
d’April Santé Prévoyance.
L’objectif d’AEP, outre le fait d’accroître son chiffre d’affaires, est de maintenir sa
position de leader sur le marche du courtage TPE (Tres Petites Entreprises).
Le succès d’AEP repose essentiellement sur l’animation et l’accompagnement du réseau

d’apporteurs indépendants et courtiers en assurance, mais également sur la capacité
impressionnante de ses équipes à créer des offres et trouver des partenaires assureurs
dans des délais record.
En bref, April Entreprise Prévoyance c’est :
o Un réseau de distribution de plus de 4 000 assureurs-conseils, qui ont

en portefeuille au moins une affaire active
o Plus de 11 000 entreprises assurées en santé et prévoyance
o 120 000 personnes protégées, salariés et membres de leur famille
o Plus de 165 000 actes de gestion traités par an
o 56 000 appels téléphoniques pris par les équipes de Conseillers Assurés
o 156 000 appels reçus sur l'ensemble de ses métiers.
o Plus de 74 millions d'euros de primes encaissées en 2014.
o 94,1 % de ses distributeurs, 94 % de ses dirigeants d'entreprises, et 96 %
des salariés participants sont satisfaits des services et produits April
Entreprise Prévoyance.

2. Spécificités d’April Entreprise Prévoyance
2.1. Un marché collectif à dimension fiscale et sociale importante
Les avantages de la complémentaire Santé/Prévoyance collective
 Que gagne l’état ?
La complémentaire santé contribue fortement au financement de la solidarité nationale

via différentes taxes et prélèvement sur les cotisations :
1. La contribution de l’employeur, tout comme la part salariale, est soumise à la

CSG/CRDS et, depuis le 1er octobre 2011, à la taxe sur les conventions d'assurance
au taux de 7 % (14% si le contrat n’est pas qualifié responsable).
2. Les cotisations salariales comme patronales sont taxées à hauteur de 6,27 % pour
financer la CMU et l’A.C.S. Depuis 2016, ces deux taxes sont regroupées sous le
terme de TSA valant 13,27% si le contrat est responsable et 20,27% sinon.
3. La part patronale de la cotisation santé des entreprises de plus de 10 salariés est

soumise au forfait social de 8%.
La complémentaire prévoyance permet aux salariés de maintenir leurs revenus en cas

d’incapacité ou d’invalidité. En cas de décès, elle permet aux veuves/veufs et aux
orphelins d’avoir une source financière (capital décès/ rente éducation/ rente du
conjoint), ce qui limite la perte du pouvoir d’achat des ménages en cas d’incidents
graves.
 Que gagnent les entreprises ?
Avantage en nature : L’ensemble des garanties qui relèvent de la protection sociale est
un avantage salarial fort et visible (récemment, la participation patronale aux régimes
de la protection sociale a été intégrée comme avantage en nature dans le calcul du net
imposable des salariés).
La qualité du régime de protection sociale rend l’entreprise plus attractive, motive et
fidélise les salariés qui bénéficient d’une meilleure protection à un tarif moins cher que
s’ils s’assuraient de manière individuelle.
Exonération fiscale et sociale : Les contributions des employeurs au financement de

prestations complémentaires des régimes de protection sociale sont exclues de l’assiette
des cotisations de la Sécurité Sociale propre à chaque assuré dans la limite d’un montant
égal à la somme de 6 % du plafond annuel de la Sécurité Sociale et 1,5 % de la
rémunération du salarié.
Ce total est plafonné à 12% du plafond annuel de la Sécurité Sociale.
D’un point de vue fiscal, l’entreprise peut déduire l’ensemble des cotisations versées de
l’assiette de l’impôt sur les sociétés.

 Que gagnent les salariés ?
Un rapport Qualité/Prix optimal : Le caractère collectif permet de mutualiser le risque

sur l’ensemble des salariés et donc de diminuer le coût des garanties. En effet, à
garanties égales, et à profil de risque identique, un contrat collectif est toujours moins
cher qu’un contrat individuel.
En plus, la participation employeur (a minima de 50%) vient diminuer davantage ce
tarif.
Les garanties bénéficient à tous, dans les mêmes conditions, quel que soit leur âge, leur
profil, leur nature d’emploi (CDD, CDI, …),…etc.
La portabilité des droits en cas de départ de l’entreprise et loi Evin :

En cas de départ à la retraite, le salarié peut bénéficier du maintien de garanties de son
contrat collectif avec un tarif au plus égal à 1,50% du tarif appliqué aux salariés actifs. Il
s’agit de l’article 4 de la loi du 31 décembre 1989 dite loi Evin.
Si le salarié perd son emploi et si le motif de fin de contrat ouvre le droit à une allocation
chômage, alors ce dernier peut continuer à bénéficier gratuitement des garanties de son
contrat collectif pendant 12 mois.
2.2. Un cadre règlementaire mouvant et impactant
La Convention Nationale des Cadres du 14 mars 1947
L’article 7 de ladite convention prévoit le financement d’un régime de prévoyance à

1,50% TA2 au profit du personnel article 4 et 4 bis.
Il s’agit là d’une obligation de moyens c’est-à-dire que l’entreprise doit dépenser 1,50%
TA du salaire brut à la charge exclusive de l’employeur affectée en priorité au risque
décès (au moins la moitié soit 0,76% TA).
Certains soutiennent l’idée que sont visés par cet article les contrats « Décès-Incapacité-
Invalidité » mais aussi les contrats santé.
Cependant, il existe une jurisprudence dans le cadre de la CCN immobilier, où la Cour

d’Appel a refusé de prendre en compte le montant des contributions patronales
finançant un régime frais de santé pour déterminer si l’entreprise avait respecté ou non
l’obligation issue de l’article 7.
Sanction : En cas de décès d’un salarié en l’absence d’un contrat ou si la cotisation est
insuffisante l’employeur devra verser aux ayants droit une somme égale à 3 PASS
(Plafond Annuel de la Sécurité Sociale) soit 114 120€ en 2015.
Cette obligation a créé une réelle opportunité dans le marché de la prévoyance

collective, les offres standards correspondant à l’obligation 1,50 se sont multipliées.
April a su se faire une renommée dans le marché de la prévoyance collective, cependant

elle a perdu de plus en plus de parts de marché suite à la multiplication des accords de
branches avec clauses de désignations avec (ou sans) migration obligatoire et ce avant la
fin des désignations.
2
TA : Tanche A correspond aux salaires inférieurs à 1 PASS (Plafond Annuel de la Sécurité Sociale) soit 38 040
en 2015

L’Accord Nationale Interprofessionnel (ANI) du 11 Janvier 2013
L’ANI est un accord collectif négocié au plan national et couvrant l’ensemble des
branches représentées par les syndicats signataires.
Il est applicable à toutes les entreprises si transposition en loi, comme le cas notamment
de l’accord du 11 Janvier 2013. A défaut, Il s’applique uniquement aux entreprises
relevant des branches signataires.
L’ANI du 11 Janvier 2013 a prévu :

 d’instituer «la généralisation de la couverture collective à adhésion
obligatoire en matière de remboursement des frais de santé
complémentaires»
 la possibilité pour les partenaires sociaux de recommander un ou plusieurs

organismes assureurs. La recommandation devant intervenir dans le cadre
d’une « procédure transparente de mise en concurrence » définie par un
groupe de travail paritaire.
La loi de sécurisation de l’emploi du 14 Juin 2013 (Généralisation de l’ANI)
Contrairement à ce que prévoyait initialement l’ANI, le gouvernement a privilégié une

autre option dans le projet de Loi de Sécurisation de l’Emploi. En effet, si ce texte :
 prévoit bien la généralisation de la complémentaire santé, avec une échéance

fixée au 1er janvier 2016 ;
 il donne, en revanche, la possibilité pour les organisations syndicales

« d’identifier un ou plusieurs organismes, sous la forme d’une désignation
s’imposant à ses entreprises ou d’une recommandation ».
Les parlementaires qui contestaient les clauses de désignation avaient formé un recours
devant le Conseil Constitutionnel aux fins de déclarer contraires aux principes
constitutionnels de liberté d’entreprendre, d’égalité et de liberté contractuelle, les
dispositions précitées du projet de loi et de l’article L.912-1 du Code de la Sécurité
Sociale.
April a participé activement via l’APAC (l’Association Pour la Promotion de l’Assurance

Collective) au combat contre ces clauses de désignations jugées non concurrentielles et
anticonstitutionnelles.
La décision n° 2013-672 du Conseil Constitutionnel du 13 juin 2013
Les clauses de désignations ont été invalidées par le Conseil Constitutionnel. Dans cette
décision, le Conseil Constitutionnel a considéré que les dispositions de l’article L.912-1
du Code de la Sécurité Sociale - relatives aux clauses de désignation portaient, au regard
de l’objectif poursuivi de mutualisation des risques, une atteinte disproportionnée à la
liberté d’entreprendre et à la liberté contractuelle.
Elles ont donc été jugées anticonstitutionnelles et ont été définitivement écartées.

A la suite de la décision du Conseil Constitutionnel du 13 juin 2013, le gouvernement a

décidé, de la réécriture de l’article L.912-1 du Code de la Sécurité Sociale.
L’article 14 du Projet de Loi de Financement de la Sécurité Sociale pour 2014 (PLFSS)

prévoyait donc la possibilité de recommander un ou plusieurs organismes assureurs,
assortie d’une mesure fiscale visant à inciter les entreprises à s'assurer auprès de l’un
d’eux.
Cette mesure consistait en la majoration du taux du forfait social pour toutes les
entreprises, couvertes par une clause de recommandation, qui choisiraient de rejoindre
un autre assureur que l’organisme recommandé.
Des parlementaires ont saisi le Conseil Constitutionnel, soutenant, notamment, que la
modulation du taux de forfait social (qui devait passer de 0 % à 8 % pour les
entreprises de moins de 10 salariés, et de 8 % à 20 % pour celles qui en comptaient
plus de 10) pouvait constituer une rupture de l'égalité devant les charges publiques.
La décision n° 2013-682 du 19 décembre 2013 du Conseil Constitutionnel
Dans sa décision du 19 décembre 2013, le Conseil Constitutionnel a accueilli cette

demande, et a donc censuré, dans l'article 14, les dispositions relatives à la modulation
du taux de forfait social, précisant « qu'au regard tant de l'objectif d'intérêt général
qu'il s'est fixé que des conséquences des règles qu'il a retenues, le législateur pouvait,
dans une mesure très limitée, assujettir les entreprises à des taux de forfait social
différents, qu'en prévoyant des écarts de taux de 8 % et de 12 %, le législateur a
institué des différences de traitement qui entraînent une rupture caractérisée de
l'égalité devant les charges publiques ».
L’article L.912-1 du Code de la Sécurité Sociale a été définitivement adopté dans sa

nouvelle rédaction.
Désormais, les partenaires sociaux ont la possibilité, dans le cadre d’un accord
professionnel instaurant des garanties collectives de recommander un ou plusieurs
organisme(s) assureur(s) complémentaire(s), sous réserve toutefois :
 que le régime de protection sociale présente un degré élevé de solidarité et

comprenne à ce titre des prestations à caractère non directement contributif,
 qu’une procédure de mise en concurrence des organismes ou institutions

concernés soit mise en place, dans des conditions de transparence,
d'impartialité et d'égalité de traitement entre les candidats.

2.3. Cibles et interlocuteurs différents
April Entreprise Prévoyance est un courtier grossiste. Ce statut à mi-chemin entre

l’assureur et le courtier lui confère plusieurs particularités :
1-Délégation totale de gestion mais assurance externe du risque : April Entreprise

Prévoyance crée, gère, et pilote ses propres contrats dans un cadre négocié et validé par
chaque assureur. Cependant AEP, n’est pas assureur, elle a un réseau d’organismes
partenaires qui assure ou réassure ses offres.
Ceci induit une organisation particulière où il faut constamment allier les
recommandations des porteurs de risque et les besoins des distributeurs.
2- Réseau distributeur indépendant : April Entreprise Prévoyance n’a pas un canal de

distribution direct. Elle dispose d’un réseau de courtiers apporteurs d’affaires
totalement indépendant, c’est-à-dire qu’ils ne travaillent pas exclusivement avec AEP, ils
sont généralement partenaires d’une vingtaine d’assureurs/ courtiers grossistes
différents.
Par ailleurs, le réseau April Entreprise Prévoyance est extrêmement diversifié. Il y a bien
entendu, des courtiers experts du collectif mais aussi des courtiers généralistes, qui
traitent de plusieurs domaines d’assurance (IARD, santé/prévoyance individuels,
assurance de prêt, Madelin,…etc.) et des « occasionnels » c’est-à-dire non spécialistes du
collectif mais saisissent quelques opportunités d’affaires si elles se présentent.
L’Offre April est ainsi diversifiée de façon à répondre aux besoins et aux particularités
d’autant de profils de courtiers différents.
C’est pour toutes ces raisons qu’April Entreprise Prévoyance donne une importance
majeure à l’animation du réseau. Plusieurs formations juridiques, outils d’aide à la vente,
séminaires, ateliers … etc. sont proposés pour motiver et fidéliser le réseau.
Biais pour le mémoire : Dans le cadre du multi-équipement, cette spécificité rend

difficile de définir efficacement le multi-équipement.
En effet, une entreprise peut être multi-équipée sur le marché sans qu’on en ait
l’information car le courtier a choisi un produit April pour uniquement un des deux
risques (santé ou prévoyance).
Par ailleurs, les conclusions de ce mémoire sur les profils d’entreprises enclines à être
multi-équipés sont à prendre avec précaution, car quand bien même le profil de
l’entreprise maximiserait la probabilité de multi-équipement, la dimension courtier
reste extrêmement prépondérante.
Ce qu’il faut retenir:
Pour résumer, April Entreprise Prévoyance:

-Evolue dans un contexte réglementaire extrêmement mouvant et impactant. Elle
doit constamment faire preuve de réactivité et d’agilité pour s’adapter au mieux
aux contraintes Marché.
-Doit concilier entre les demandes commerciales du terrain dans un contexte de
plus en plus concurrentiel et les exigences prudentielles des porteurs de risque.

Partie II. Traitements des bases de données

Périmètre de l’étude : Contrats présents au moins 1 jour entre janvier 2011 et janvier
2015.
Gammes concernées : Toutes les gammes standards en santé et en prévoyance hors

produits spécifiques pour les Conventions Collectives Nationales (CCN).
Les produits CCN sont récents. Ils ont été créés en grande majorité pour la santé pendant
l’été 2014, pour répondre à un contexte réglementaire particulier : l’Accord National
Interprofessionnel du 11 Janvier 2013, la décision du Conseil Constitutionnel de mettre
fin aux clauses de désignations et la multiplication des accords de branches.
Ces produits CCN ne disposent pas, pour le moment, d’équivalent en prévoyance, et sont
donc exclus de l’étude.
Variables retenues : Nous identifions pour le besoin de l’étude une liste de variables
utiles pour les analyses statistiques :
- Effectif moyen,
- Age moyen,
- Catégorie socio-professionnelle (CSP),
- Niveau souscrit,
- Zone géographique de l’entreprise,
- Produit/Gamme souscrits,
- Identifiant Courtier,
- Zone géographique courtier,
- Taux de commission courtier,
- Date d’affiliation,
- Date de résiliation,
- Date de création de l’affaire,
- Motif de résiliation,
- Assiette santé,
- Prestations santé.
Suite aux particularités du système d’information AEP, nous identifions plusieurs bases
qui seront traitées séparément (le code de liaison entre les différentes bases étant le
code unique affaire qui est une concaténation du code unique entreprise et du code
collège).
 Base santé :
Cette base recense par entreprise toutes les informations liées aux contrats santé
souscrits.
Elle comporte notamment :
- Le code unique de l’affaire,
- Catégorie socio-professionnelle du collège,
- Etat du contrat,
- Motif de fin du contrat,
- Nombre des salariés à la date d’extraction,

- Age moyen des salariés à la date d’extraction,

- Nombre de participants,
- Nombre d’adultes assurés,
- Nombre de conjoints assurés,
- Nombre d’enfants assurés,
- Nombre d’hommes assurés,
- Nombre de femmes assurés,
- Date d’effet de l’affaire,
- Date de fin de l’affaire,
- Date de création de l’affaire,
- Identifiant du courtier apporteur,
- Nom du cabinet de courtage,
- Département de courtier,
- Assiette choisie,
- Code Gamme choisie,
- Niveau souscrit.
Traitement : En fonction du paramétrage MOI (Maitrise d’Ouvrage

Informatique), certaines variables ont été retraitées pour qu’elles soient
uniformes quel que soit le produit. Par exemple, la variable « niveau », est parfois
utilisée, pour différencier les régimes (1 à 9 par exemple pour le régime général
et 11 à 19 pour le régime local). Les niveaux 1 et 11 correspondent dans ce cas à
la même grille de garanties qui correspond au niveau 1, ils sont donc regroupés.
Un travail d’analyse a été aussi fait sur toutes les grilles de garanties des produits
présents dans la base pour regrouper les produits et niveaux identiques. Parfois,
une évolution produit concerne uniquement la segmentation ou les tarifs sans
modifier les grilles de garanties.
 Base Prévoyance : Identique à celle de la santé (sans informations familiales).
 Base des salariés :

Les bases disponibles sur le système d’information AEP retiennent pour les
variables âge moyen et effectif, la donnée de l’année courante uniquement. Par
exemple, une entreprise souscrit son contrat en 2010 avec un effectif de 2
salariés et un âge moyen de 37 ans. Si elle embauche 3 salariés et qu’un salarié
part à la retraite, cette entreprise sera enregistrée dans notre système
d’information comme ayant 4 salariés avec une moyenne d’âge totalement
différente.
Cette limite de la base d’informations directe constitue un réel biais car on peut
affirmer que dans le cadre de cette étude, les données, âge et l’effectif à l’origine,
sont importantes.
Afin de retracer l’historique de l’entreprise, nous créons une base qui, pour
chaque entreprise, recense tous les salariés entrants et sortants, leurs dates
d’affiliation, leurs dates de sortie, et leurs dates de naissance.

Ainsi nous pourrons dénombrer année par année les salariés de chaque
entreprise et calculer leur âge moyen.
 Base de la sinistralité :
Le volet sinistralité est important dans chaque étude. Pour cela, nous essayons de
créer une base qui recense les coûts de sinistres pour chaque entreprise.
Dans le système d’information AEP, nous disposons uniquement d’une base qui
recense pour chaque entreprise, chaque salarié, l’ensemble des paiements versés.
Nous regroupons par année de soin, toutes les prestations versées par entreprise.
Ceci représentera le « coût » de cette entreprise.
Cette approche présente naturellement des biais, mais nous considérons tout de
même que les différents biais de cette approche ne sont pas impactants car cette
base sera utilisée uniquement dans le but de comparer les comportements des
entreprises multi-équipées et celles non multi-équipées. Les chiffres estimés
n’auront pas de sens dans l’absolu, ils serviront uniquement d’ « indicateur » qui
permettra de hiérarchiser la sinistralité entre différentes populations.

Partie III. Analyse descriptive du portefeuille

Avant toute modélisation, il est nécessaire de procéder à un tri à plat des données et de
croiser toutes les modalités afin d’établir une description détaillée du portefeuille. Cette
première analyse est primordiale pour définir les premières intuitions et interpréter les
résultats des modèles.
1. Analyse du périmètre de l’étude
Dans ce mémoire nous nous intéressons aux contrats présents au moins 1 jour entre
janvier 2011 et janvier 2015.
Historiquement, April Entreprise Prévoyance, était spécialisée dans la prévoyance

collective. La Convention Nationale des Cadres de 1947 faisait que le marché était
prospère.
En 1993, April Entreprise Prévoyance a eu un partenariat avec une caisse de retraite

complémentaire. Elle a su tirer profit de la vague de création d’entreprises en France
pour équiper les créateurs des régimes de prévoyance obligatoires.
Le point d’ancrage fut longtemps le risque prévoyance, et le but était de multi-équiper le

collège avec des produits annexes. La politique de vente était donc de promouvoir le
caractère social de la protection sociale comme le montre la lettre d’accompagnement
du courtier adressée au réseau à l’époque (voir annexe 1).
Actuellement et vu la crise économique que traverse la majorité des entreprises, et

particulièrement les TPE, le discours de vente est de mettre en relief les obligations
réglementaires des employeurs comme le montre à titre d’exemple la fiche produit ANI
sorti fin 2014 (Voir annexe 2).
Par ailleurs, le marché de la santé collective est un marché qui a énormément évolué lors
de la dernière décennie.
La multiplication des accords de branches et l’établissement de plus en plus de clauses

de désignations avec migration obligatoire ont restreint le marché de la prévoyance. La
santé se profilait alors comme un business extrêmement profitable car contrairement à
la prévoyance plus facile à tarifer et à piloter.
Par ailleurs la santé est un risque plus facile à « marketer » et demande moins de
technicité. Il est donc accessible aux distributeurs non spécialistes de la protection
sociale ou du collectif.
Par la suite, plusieurs évolutions réglementaires ont renforcé cette tendance.

D’importantes ouvertures de marché ont été créées suite par exemple à l’Accord
National Interprofessionnel (l’ANI) du 11 janvier 2013, qui généralise la
complémentaire santé à tous les salariés du privé sous l’horizon 2016, le décret du 11
janvier 2012 relatif au caractère collectif et obligatoire des garanties de la protection
sociale complémentaire qui stipule que pour que les employeurs puissent justifier du
caractère objectif des catégories instituées selon les critères 1 et 2, le contrat santé doit

couvrir tous les salariés, ou la décision du Conseil Constitutionnel sur la fin des clauses
de désignation,…
Ainsi, l’offre santé d’April Entreprise Prévoyance a sensiblement évolué lors de la

dernière décennie.
A cet effet, le portefeuille client AEP compte en santé 13 956 contrats (dont 13 126 en
produits santé standards) et 10 894 contrats en prévoyance.
De ce fait, nous utiliserons, dans toute l’étude, la santé comme point d’ancrage.
Nous considérerons alors qu’un contrat est multi-équipé lorsqu’il existe de la

prévoyance.
2. Définition du multi-équipement
Un client est considéré multi-équipé s’il souscrit à la fois à un contrat santé et un contrat
prévoyance.
On entend par client un collège d’entreprise. Par exemple, si l’entreprise « A » souscrit

un contrat santé et prévoyance pour ses cadres mais uniquement un contrat santé pour
ses non cadres, nous comptabiliserons un collège client cadre multi-équipé et un collège
client non cadre non multi-équipé.
Nous comptons dans notre portefeuille 25% d’affaires multi-équipées soit un

volume de 3 281 contrats.
3. Typologie des multi-équipés
Nous définissons deux types de multi-équipés :
Multi-équipés type 1 : Si le multi-équipement résulte d’une même action de vente. C’est-

à-dire que le client avait l’intention dès l’origine de souscrire simultanément à un
contrat santé et un contrat prévoyance.
Multi-équipés type 2 : Si le contrat ne correspond pas à la définition du multi-équipé

type 1
Pour savoir si le multi-équipement résulte d’une même action de vente nous observons
d’abord les durées entre les dates d’effet en santé et en prévoyance. En effet, si le client
souscrit simultanément aux contrats santé et prévoyance alors ceux-ci auront les mêmes
dates d’effet.
Le graphique ci-dessous représente la répartition des affaires multi-équipées en

fonction de la durée séparant les dates d’effet des contrats santé et prévoyance.

Figure III-1: Répartition des affaires en fonction de la durée séparant les dates d'effet
Santé/Prévoyance
On observe que 60% des affaires multi-équipées ont exactement la même date d’effet en
contrat santé et prévoyance. Dans 15% des cas, une durée entre 1 jour et 12 mois les
sépare.
Finalement, dans 25% des cas on observe une durée supérieure à 12 mois qui sépare les
dates d’effet des contrats santé et prévoyance.
On peut affirmer déjà qu’au moins 60% des affaires multi-équipées soit 1 969, sont de
type 1.
En réalité une entreprise peut souscrire en même temps deux contrats et choisir une
date d’effet différée pour l’un des deux risques. Ce cas est très fréquent dans le cas d’une
mise en place santé (date d’effet immédiate) mais une reprise à la concurrence pour la
prévoyance. Dans ce cas, l’entreprise ne peut résilier son contrat chez le concurrent
qu’en fin d’année, d’où une date d’effet différée.
Un autre cas où les dates d’effet peuvent être différentes malgré une souscription
simultanée, est lorsqu’il y a des formalités médicales en prévoyance. Le contrat santé est
dans ce cas aussi à effet immédiat quand le contrat prévoyance est différé jusqu’à
obtention des résultats des questionnaires médicaux.
Nous observons donc pour les contrats dont les dates d’effet ne coïncident pas, les dates
de création de l’affaire. Si elles sont proches, ces contrats seront basculés en type 1.
Dans le système d’information d’AEP, la date de création de l’affaire correspond au

moment où l’affaire passe en stade de gestion 4, c’est-à-dire l’instant où le service de
gestion reçoit tous les documents administratifs nécessaires à l’enregistrement de
l’affaire et l’affiliation des salariés.

On observe la répartition suivante :
Une durée inférieure à 3 mois sépare l'enregistrement de

23% des affaires dont les dates d'effet ne coïncident pas.
23%
entre 0 et 3 mois
77% Plus que 3 mois
Figure III-2: Zoom sur les affaires dont les dates d’effet ne coïncident pas
Ainsi, nous identifions 302 affaires multi-équipées de type 1 supplémentaires.
Finalement, nous représentons la répartition des multi-équipés par typologie comme

défini.
Répartition des affaires multi-équipées par typologie
type 2
31%
type 1
69%
Figure III-3: Répartition des affaires par typologie de multi-équipement
69% des affaires multi-équipées sont de type 1.
Le multi-équipement type 2 concerne en majorité des affaires qui souscrivent un

premier contrat qu’on appellera le contrat source (1ère date d’effet connue), puis
décident plus d’un an après de souscrire un deuxième contrat qu’on appellera le contrat
d’opportunité (2ème date d’effet connue).

On pourrait facilement émettre l’hypothèse que la qualité des services de gestion April
et la satisfaction client (courtiers et entreprises) sont un des facteurs clés de succès de
ce type de multi-équipement.
Il est donc intéressant d’observer la répartition des contrats multi-équipés type 2 en

fonction de la nature du contrat source.
Répartition des multi-équipés type 2 en fonction du

contrat source
Santé
Prévoyance 53%
47%
Figure III-4: Répartition des affaires multi-équipés type 2 en fonction du contrat source
Nous observons que la prévoyance a été le point d’ « accroche » de seulement 47% des
contrats multi-équipés type 2.
Sur l’ensemble du portefeuille, la durée moyenne séparant un contrat source et un

contrat d’opportunité est 3,38 années. Cette durée est égale à 3,79 années lorsque le
contrat source correspond à un risque santé et 2,91 lorsque ce dernier correspond à un
risque prévoyance.
Santé Prévoyance
Proportion de cadres 30% 29%
Durée moyenne séparant les contrats santé et prévoyance 3,79 2,91
Nous remarquons aussi que la proportion des cadres est très faible.
Du fait de la Convention Nationale des Cadres de 1947, cette catégorie professionnelle a
plus tendance à se multi-équiper en type 1 (75% d’affaires multi-équipées type 1 sont
des cadres).
Les affaires multi-équipées type 2 concernent donc une catégorie de clients qui ne sont
pas soumis à une contrainte règlementaire, ce qui appuie l’hypothèse de la satisfaction
client.

Evolution de la satisfaction clients

% de clients satisfaits % clients très satisfaits
93% 94% 94% 93% 94%
42%
37%
31% 30% 33%
2011 2012 2013 2014 2015
Figure III-5: Evolution de la satisfaction client entre 2011 et 2015
A titre informatif, sur une durée de 4 ans, plus de 90% d’entreprises clientes d’April
Entreprise Prévoyance ont estimé qu’elles étaient satisfaites des services client dont
environ 30% qui ont estimé être très satisfaites.
Ces chiffres sont fournis par la Direction de la Relation Client suite à des enquêtes de
satisfactions menées par des organismes indépendants.
Evolution de la satisfaction courtiers

% de courtiers satisfaits
96,40%
95,70%
94,10%
92,30%
90,10%
2011 2012 2013 2014 2015
Figure III-6: Evolution de la satisfaction courtier entre 2011 et 2015
De même, la grande majorité des courtiers distributeurs d’April Entreprise Prévoyance

estime être satisfaite.
Au vu des volumes interrogés 160 entreprises et 150 courtiers, nous ne pouvons pas
conclure de façon technique sur la corrélation entre la satisfaction client/courtier et le
multi-équipement, mais nous recommandons vivement à la direction de la relation client
d’orienter ses prochaines enquêtes de satisfaction autour du multi-équipement. Une
première idée serait de créer un lot d’entreprises multi-équipées et d’interroger les
courtiers apporteurs de ces affaires. Ainsi, il serait possible d’extraire la proportion

d’affaire multi-équipées issues d’entreprise satisfaite/courtier insatisfait, entreprise

insatisfaite/courtier satisfait, et entreprise et courtiers satisfaits.
Ces chiffres donnent une première idée de l’impact de la satisfaction courtier et/ou
entreprise dans l’accomplissement d’une vente multi-équipée, et permettront de mieux
orienter les opérations commerciales ou tout du moins de les rationnaliser entre le
client et le courtier.
Ce qu’il faut retenir :
-Le multi-équipement est favorisé lorsqu’il résulte d’une même action de vente
(69% des affaires multi-équipées ont des dates d’effet des contrats santé et
prévoyance extrêmement proches).
-Lorsque le multi-équipement est différé (dans la majorité des cas, un deuxième

contrat est souscrit au moins un an après le premier), le déclencheur n’est pas une
contrainte réglementaire contrairement à ce qu’on l’on pourrait naturellement
imaginer. Nous pensons que le principal facteur clé de succès dans ce cas réside
dans la satisfaction client.
4. Taux de multi-équipement par gamme
Nous cherchons à identifier dans cette partie, les gammes santé les plus multi-équipées
et les couples (santé, prévoyance) les plus souscrits lorsqu’il y a multi-équipement.
Nombre d'affaires par gamme Santé
2252 2242
1800
1448
1224
874 883
739
554
354
276
145 172
34 44 32 21 13
3 9
0029 0130 0133 0134 0168 0173 0185 0214 0217 0239 0241 0242 0246 0247 0254 0259 0261 0278 0280 0281
Figure III-7: Nombre d'affaires par gamme
Nous identifions 22 gammes santé et nous représentons le nombre d’affaires souscrites

par gamme.

On note que les gammes 185 et 214 se distinguent particulièrement avec un nombre
d’affaires supérieur à 2 200 contrats.
Par ailleurs, on note que plusieurs gammes comptent un nombre de contrats inférieur à
100.
Dans la suite de cette étude nous excluons ces gammes, représentées en gris sur le
graphique, du périmètre car nous estimons qu’elles ne sont pas suffisamment
significatives.
Taux du multi-équipement par gamme

0130 0185 0214 0239 0242 0246 0247
0254 0259 0241 0261 0280 0281
68%
39%
28%
20% 20% 23% 21% 21%
14% 11% 12%
9%
4%
0130 0185 0214 0239 0242 0246 0247 0254 0259 0241 0261 0280 0281
Figure III-8: Taux de multi-équipement par gamme
Le taux de multi-équipement correspond au nombre d’affaires multi-équipées par

rapport au nombre d’affaires total de la gamme. Ainsi on peut lire par exemple que 68%
des affaires souscrites dans la gamme 0130 sont multi-équipées.
On observe une réelle distinction en termes de taux de multi-équipement entre les

anciennes gammes et les nouvelles gammes.
En général les anciennes gammes (de couleur bleue unie) présentent un taux de multi-
équipement supérieur à celui des nouvelles gammes.
Anciennes gammes Nouvelles gammes
Taux de multi-équipement moyen 28% 12%
Figure III-9: Synthèse du taux moyen de multi-équipement par gamme
Les nouvelles gammes concernent en grande partie, les produits Santé modulaire et
Santé TPE. Celles-ci constituent les plus gros produits standards d’AEP disponibles à la
vente.
Il s’agit des gammes 259, 261, et leurs versions de 2014 (280, 281) où seule la
segmentation a été légèrement revue sans modification des garanties.

Elles proposent un éventail de niveaux très complet avec une option de modularité qui
permet de répondre très exactement aux besoins des entreprises.
Par ailleurs, ces deux gammes ont un équivalent direct en prévoyance : Prévoyance
modulaire et Prévoyance TPE. Pourtant, on observe un taux de multi-équipement
inférieur à 15%.
A contrario, les anciennes gammes, qui ne sont d’ailleurs plus proposées en vente, ont
des taux de multi-équipement élevés. La gamme 0130 qui correspond au produit April
« RPS Santé Cadre » affiche un taux de multi-équipement à peu près égal à 70%. Ceci
peut être expliqué par le fait que les collèges cadres sont plus enclins à être multi-
équipés. (cf. partie 3.2)
D’un point de vue marketing, nous pouvons noter que la différence entre les anciennes
et les nouvelles gammes réside dans la présentation des notices commerciales et des
documents d’affiliation. En effet, les notices des anciennes gammes présentaient
systématiquement un couple santé/ prévoyance.
Par exemple, la gamme 0185 qui correspond au produit April « Santé Entreprise + » est
présentée en notice commerciale unique avec les gammes prévoyance 0171 et 0172 qui
correspondent au produit April « PREVITEC » ainsi que les gammes 0128, 0129 qui
correspondent au produit prévoyance April « RPS + ».
Le produit « PREVITEC » est un produit prévoyance en conformité avec l’accord

SYNTEC3. Cette cible, constituée essentiellement de bureaux d’études et cabinets de
conseils, est une cible extrêmement encline à être multi-équipée, car généralement ces
cabinets allouent un budget important à la protection sociale de leurs salariés.
Ainsi, il est normal d’observer des taux de multi-équipement élevés sur les gammes
0185 et 0214.
A noter que la gamme 0214 qui correspond au produit April « April Entreprises Santé »
est la version 2 de la gamme 0185.
Par ailleurs, l’entreprise pouvait souscrire via un document d’adhésion unique à un

contrat santé et un contrat prévoyance.
Ceci favorise l’adhésion simultanée à deux contrats comme le montre le graphique ci-
dessous. On observe donc une majorité de multi-équipés type 1.
3
Accord SYNTEC : Convention collective nationale des bureaux d'études techniques, des cabinets d'ingénieurs-
conseils et des sociétés de conseils

Type de multi-équipement par gamme

100%
90%
80%
70%
60% multi-équipés type 1
50%
multi-équipés type 2
40%
30%
20%
10%
0%
0130 0185 0214 0239 0242 0246 0247 0254 0259 0241 0261 0280 0281
Figure III-10 : Type de multi-équipement par gamme
L’analyse des gammes santé et prévoyance nous aiguille sur le fait que
l’agencement de l’offre (notice communes, fiches d’adhésions communes, noms
communs, …) favorise le multi-équipement.
5. Croisement avec les gammes de la prévoyance
Afin de vérifier que l’agencement des offres (notices communes, fiches d’adhésions
uniques,…) impacte le multi-équipement, nous croisons les souscriptions des gammes
santé et prévoyance. Si le fait de fusionner les notices commerciales et les fiches
d’adhésions est impactant, ce type d’offres commercialisées devrait se démarquer.
Nombre d'affaires par gamme prévoyance
2755
1120
913 876
801
566 552 573 597
399 352
300
138 105 92 122 126
89 88 71 52 57
14 16 8 5 8 12 7 7 9 1
0030 0038 0040 0043 0068 0113 0115 0122 0125 0128 0129 0132 0146 0171 0172 0210 0211 0212 0213 0228 0243 0244 0249 0250 0252 0253 0263 0264 0265 0266 0268 0269
Figure III-11 : Nombre d’affaires par gamme prévoyance
Nous identifions 35 gammes en prévoyance. Nous notons que quelques-unes détiennent

moins de 20 contrats. Elles sont donc exclues de l’étude.

Nous croisons maintenant les gammes santé et prévoyance retenues pour déterminer
quels couples santé/prévoyance sont souscrits lors du multi-équipement.
Nous créons deux lots :
 Lot 1 : anciennes gammes santé et prévoyance créées avant 2011.
Ceci comprend les gammes santé suivantes (les mêmes que celles représentées en bleu
uni précédemment) :
0130 RPS Santé Cadres

0185 Santé Entreprise
0214 April Entreprises
0239 April Entreprises V2
0242 April Entreprises Santé
0246 Santé Modulaire
0247 Santé Modulaire V2
Et les gammes prévoyance :
0038 CREAPRIL
0128 RPS Prévoyance Cadre
0129 RPS Prévoyance Non Cadre
0132 RPS 2 Prévoyance Cadre
0146 RPS 2 Prévoyance Non Cadre
0171 PREVITEC Prévoyance Cadre
0172 PREVITEC Prévoyance Non Cadres
0210 April Entreprises Cadres
0211 April Entreprises Non Cadres
0228 Plein de CCN dérivés
0243 April Entreprises Modulaire
0244 Prévoyance Modulaire
0249 Prévoyance immobilier
0250 Prévoyance Syntec
0252 Prévoyance modulaire courtiers Cadres
0253 Prévoyance modulaire Experts comptables
 Lot 2 : Les nouvelles gammes créées après 2011
Ceci comprend les gammes santé :

0241 Santé Ciblée
0261 Santé TPE
0281 Santé TPE V2

Et les gammes prévoyance :
0263 Prévoyance Modulaire V2

0264 Prévoyance commerce de gros
0265 Prévoyance Courtiers
0266 Prévoyance Experts Comptables V2
0268 Prévoyance Syntec V2
0269 Prévoyance TPE
Analyse du lot 1 :
Nous croisons d’abord les gammes du lot 1. En effet, une gamme santé créée avant 2011
a plus de chance d’être vendue avec une gamme prévoyance de la même époque.
Croisement des gammes santé/prévoyance lot 1
79% 0038
80% 0128
68% 52% 0129

70%
0132
pourcentage des gammes santé souscrites
44% 40% 39% 39% 0146

60%
0171
34%
50% 0172
0210
40%
0211
0253
0252 0228
30% 0250
0249
0244 0243
0243
20% 0228
0211 0244
0210
0172 0249
10% 0171
0146 0250
0132
0% 0129 0252
0130 0185 0128
0214 0239 0253
0038
0242 0246
0247 0254
Gammes Santé
Figure III-12 : Croisement des gammes du lot 1
 79% des contrats santé souscrits en gamme 0130 « RPS Prévoyance Cadre » et
68% de ceux souscrits en gamme 0185 sont combinés avec la gamme prévoyance
0128 « RPS Prévoyance Cadre »
 44% des contrats de la gamme santé 0239 « April Entreprises V2 » ont pour
gamme prévoyance 0210 « April Entreprises Cadres »
Ces couples de gammes ont des notices commerciales uniques. Par ailleurs, la gamme
130, s’adresse à des cadres donc une catégorie socio-professionnelle qui se multi-équipe
souvent.

 La gamme prévoyance 0243 « April Entreprises Modulaire » est souscrite avec

plusieurs versions de santé Modulaire. En effet, on l’observe comme équivalent
prévoyance de 40% des contrats santé de la gamme 0242 « April Entreprises
Santé » ; 52% des contrats de la gamme 0246 « Santé Modulaire » ; 39% des
contrats de la gamme 0247 « Santé Modulaire V2 » et des contrats de la gamme
0254 « Santé Modulaire V3 »
Les produits Santé/ Prévoyance Modulaire sont des produits de reprise à la concurrence
extrêmement modulaires4 et qui s’adaptent très exactement aux besoins des entreprises.
Les taux observés montrent que malgré le taux de multi-équipement faible de ces
gammes (12% environ), la force de vente les associe quand une opportunité de multi-
équipement se présente.
Analyse du lot 2 :
Croisement des gammes Santé/Prévoyance Lot 2
56%
70% 69%
Pourcentage des gammes santé sourcrites
60%
0263
50%
0264
40% 0265
0266
30%
0268
0269 0269
20%
0268
10% 0266
0265
0%
0264
0259
0241 0263
0261
0280
Gammes Santé 0281
Figure III-13 : Croisement des gammes du lot 2
 69% des contrats multi-équipés de la gamme 280 « Santé Modulaire V2 » sont

associés à la gamme prévoyance 0263 « Prévoyance Modulaire V2 »
Ceci confirme les conclusions précédemment établies pour les gammes

Santé/Prévoyance Modulaire. En revanche, nous observons que uniquement 17% des
contrats multi-équipés de la gamme 0281(qui est la dernière version de Santé Modulaire)
correspondent à la gamme prévoyance 0263. En effet, la gamme 0281 a été créée en
septembre 2014. La base de données étant arrêtée à 01/01/2015, nous ne disposons
que d’un trimestre d’observation. Nous ne pouvons donc pas conclure de façon
définitive que cette tendance s’applique à la dernière version.
4
Santé Modulaire : 1600 combinaisons de garanties possibles pour l’employeur

A noter que certaines gammes santé du lot 2 ont été combinées avec des gammes de
prévoyance du lot 1. En effet, les cycles de vente des gammes prévoyance sont plus longs
que les cycles de ventes des gammes santé. A cet effet, durant certaines périodes, les
seules gammes de prévoyance disponibles correspondaient aux anciennes gammes
(avant 2011).
En croisant les souscriptions en santé et en prévoyance, nous avons pu confirmer

notre intuition préalablement établie à partir de l’analyse de gammes.
 Le fait de présenter une offre complète santé et prévoyance (via des
notices communes ou un nom commun,…) favorise le multi-équipement.
En effet, le fait de fusionner des offres santé et prévoyance, prépare le travail du

courtier qui n’a plus qu’à les présenter aux clients.
Sachant qu’un nombre important de courtiers du réseau April ne sont pas experts
du collectif, ceci viendra probablement compléter l’offre d’accompagnement des
courtiers (formation, prospects,… etc.).
3. Tri à plat des variables explicatives
Nous cherchons maintenant à analyser le profil des collèges multi-équipés. Quelles

caractéristiques ont le plus d’impact en termes de multi-équipement ?
3.1. Variables étudiées
Nous retenons dans un premier temps les variables de segmentation utilisées dans la
tarification du produit standard le plus important de la gamme santé.
Ce produit est utilisé dans la tarification en écart de plusieurs produits santé et affiche
des résultats techniques équilibrés.
Nous étudions donc la répartition des affaires multi-équipées par :
 zone,
 catégorie socio-professionnelle,
 âge,
 et effectif.
et ce, comme défini dans la segmentation du produit « Santé Modulaire » Version 2015.
A noter que la différenciation par catégorie professionnelle, a été supprimée dans

l’ensemble des produits AEP car l’équipe de création de produit estime qu’il pourrait
s’agir d’une inégalité de traitement entre catégories objectives.
Certains concurrents continuent tout de même de différencier leurs tarifs en fonction de

la catégorie socio-professionnelle.
Initialement, l’impact CSP a été estimé à +5% pour les cadres et -5% pour les non cadres.
Cet impact a été réduit à ±2,5% puis 0%.

Par ailleurs nous étudions la répartition des affaires par :
 ancienneté du contrat santé,

 taux de commissions courtiers,
 assiette santé,
 et niveau de garantie.
3.2. Catégorie socio-professionnelle
Répartition du portefeuille santé par CSP

Ensemble du
personnel; 17%
Cadre; 47%
Non Cadres; 36%
Figure III-14 : Répartition de l’ensemble du portefeuille Santé par catégorie socio-

professionnelle
On observe que 47% des affaires santé sont des collèges cadres.
Répartition du portefeuille Prévoyance par CSP

Ensemble du
personnel
1%
Non Cadres
38%
Cadre
61%
Figure III-15 : Répartition de l’ensemble du portefeuille Prévoyance par catégorie socio-

professionnelle
61% du portefeuille prévoyance sont également des collèges cadres. La

surreprésentation de cette catégorie en prévoyance peut s’expliquer entre autres par la
Convention Nationale des Cadres de 1947.

Pour rappel, la convention collective nationale des cadres de 1947, prévoit que
l’employeur verse au moins 1,50% TA à sa charge exclusive pour financer la prévoyance
de ses cadres. A noter que cette cotisation doit être affectée en majorité au risque décès.
Nous observons ensuite, le taux de multi-équipement par catégorie socio-

professionnelle.
Taux de multi-équipement par CSP

45%
39%
40%
35%
30%
25%
20% 18%
15%
10%
5% 1%
0%
Cadre Non Cadre Ensemble du personnel
Figure III-16: taux de multi-équipement par catégorie socio-professionnelle
En général, les cadres ont un taux de multi-équipement deux fois plus élevé que celui des
non cadres. On observe, par ailleurs, que pour le collège « Ensemble du personnel »
c’est-à-dire lorsque l’entreprise choisit de ne pas différencier ses salariés par catégorie
socio-professionnelle, le taux de multi-équipement est extrêmement bas (1%).
Hormis le produit Prévoyance TPE, les produits prévoyance AEP ne prévoient pas
d’option « ensemble du personnel ». Si l’entreprise choisit de ne pas différencier ses
salariés par catégories socio-professionnelles, elle devra allouer à sa charge a minima
1,5% TA pour financer la prévoyance de tous ses salariés. Or, dans un contexte de crise,
un employeur aurait probablement plus tendance à se conformer strictement à ses
obligations sans forcément aller au-delà (contrainte budgétaire).

Répartition du portefeuille par CSP

80% 74%
70%
61%
60%
50% 47% Affaires multi-équipées
39%
40%
38% 36% 38% Affaires non multi-équipées
30% 26% Portfeuille Santé

23%
17% Portfeuille Prévoyance
20%
10%
1% 1%
0%
Cadre Non cadres Ensemble du personnel
Figure III-17: Répartition du portefeuille par catégorie socio-professionnelle
La proportion des cadres multi-équipés est nettement supérieure à la proportion de

cette catégorie dans les portefeuilles santé et prévoyance. Nous pourrons donc déduire
que la catégorie professionnelle pourrait être un facteur différenciant du multi-
équipement.
3.3. Classes d’effectif
Répartition du portefeuille par classe d'effectif
20 salariés et +; 3% 0 salarié;
10-19 salariés; 5% 12%
1 salarié; 43%
5-9 salariés; 10%
4 salariés; 5% 2-3 salariés; 23%
Figure III-18 : Répartition de l’ensemble du portefeuille santé par classe d’effectif
On observe que 43% des affaires présentes dans le portefeuille correspondent à des
collèges de 1 salarié et 66% correspondent à des collèges de moins de 4 salariés.

Taux de multi-équipement par classe d'effectif

35%
30%
30%
25% 23%
20%
15% 14% 14%
9%
10%
4%
5%
0%
1 salarié 2-3 salariés 4 salariés 5-9 salariés 10-19 salariés 20 salariés et +
Figure III-19: Taux de multi-équipement par classe d’effectif
Nous observons que 30% des collèges à 1 salarié sont multi-équipés. Ceci peut
s’expliquer par le fait que les collèges à 1 salarié sont en majorité des cadres.
Nous nous restreignons donc à la population multi-équipée et nous observons la

répartition des classes d’effectif par catégorie socioprofessionnelle.
77% des collèges à 1 salarié multi-équipé sont des cadres

Cadres Non-Cadres Ensemble du personnel
77%
71%
69%
59%
57%
52%
44%
42%
38%
28%
25%
23%
6%
3% 3%
0% 1% 1%
Figure III-20: Répartition des classes d’effectif par CSP
Finalement, nous superposons la courbe représentative de la proportion des cadres

dans chaque classe d’effectif et le taux de multi-équipement.

Plus la proportion de cadres est petite plus le taux de multi-

équipement est faible
35% 70%
61%
30% 60%
25% 44% 50%
20% 40%
15% 24% 30%

19%
10% 20%
10%
5% 4% 10%
0% 0%
Figure III-21: Croisement des variables effectif et CSP
Nous remarquons que le taux de multi-équipement décroit en fonction de la proportion

de cadre.
Finalement, bien que nous observions que 51% des affaires multi-équipées
appartiennent à la classe d’effectif « 1 salarié », nous ne pouvons pas conclure qu’il s’agit
d’un facteur différenciant car la dimension catégorie socio-professionnelle (cadres) y est
prépondérante.
Figure III-22: Répartition du portefeuille par classe d’effectif

3.4. Classes d’âge
Répartition du portefeuille par classes d'âge
48 ans et plus;
20%
entre 45 et 48 ans; moins de 35 ans;
9% 31%
entre 42 et 45 ans;
11%
entre 35 et 42 ans;
29%
Figure III-23 : Répartition de l’ensemble du portefeuille par classe d’âge
Nous observons que 60% du portefeuille correspond à des collèges dont la moyenne
d’âge est inférieure à 42 ans.
Taux de multi-équipement par catégorie d'âge

35%
30% 29%
27%
25%
25%
20% 21%
20%
15%
10%
5%
0%
moins de 35 ans entre 35 et 42 ans entre 42 et 45 ans entre 45 et 48 ans 48 ans et plus
Figure III-24: Taux de multi-équipement par classe d’âge
29% des affaires de la classe d’âge « 48 ans et plus » sont multi-équipées.
A l’instar des classes d’effectif, nous superposons ce graphique avec la courbe

représentative de la proportion de cadres.

Plus la propotion de cadres est grande plus le taux de multi-équipement est

élevé
35% 80%
30% 29% 70%

27%
25% 60%
25%
20% 21% 50%
20%
40%
15%
30%
10%
20%
5% 10%
0% 0%
Figure III-25: Croisement des variables âge et CSP
Nous remarquons encore une fois que le taux de multi-équipement par classes d’âge est
positivement corrélé à la proportion des cadres.
Ainsi, bien que nous remarquions que la tranche « 48 ans et plus » soit particulièrement
multi-équipée (cf. graphique suivant) nous ne pouvons pas conclure, à ce stade, que l’âge
moyen du collège est un facteur différenciant.
Répartition du portefeuille par classe d'âge

35%
33%
31%
30%
30% 29%
27%
26%
25% 24%
20%
20% 18%
Affaires multi-équipées
Affaires non multi-équipées
15%
12% Portefeuille Santé
11% 11% 11%
10% 9% 9%
5%
0%
Figure III-26: Répartition du portefeuille par classe d’âge
3.5. Zonage
Nous considérons dans un premier temps la segmentation par zone telle qu’elle est
définie pour le produit standard de référence.

Nous regroupons les départements français de la manière suivante :
Zone Zone Zone

Zone neutre Les DOMs ALMOS
favorable défavorable surmajorée
7 2 8 11 14 15
16 17 18 19
21 22 23 24 31 33 34 64
25 32 35 36 65 73 76 1 3 4
37 41 45 46 5 9 10 12 26 20 30 42 59
75 77 78 91
47 48 49 50 27 28 29 39 38 69 6 13 83 97 57 67 68
92 93 94 95
53 54 56 58 40 43 44 51 84
63 70 71 72 52 55 61 62
79 81 82 85 66 74 80
86 87 88 88
89 90 60
Répartition du portfeuille par zone

35%
31%
30%
27% 27%
26% 26% 25%
25%
25% 24% 24% 24%
22% 22% 22%
22%
20% Affaires multi-équipées

18%
17% Affaires non multi-équipées
Portefeuille Santé
15%
Portefeuille Prévoyance
10%
4% 4%
5%
3% 3%
2% 2%
0% 0%
0%
Favorable Neutre Défavorable Surmajorée DOM ALMOS
Figure III-27: Répartition du portefeuille par zone
Nous n’observons aucune tendance particulière au niveau des affaires multi-équipées en

fonction de la zone.
Nous avons choisi par souci de simplification de la mise en œuvre de ce mémoire, de

nous maintenir à la segmentation telle qu’elle est définie dans les outils de gestion et de
tarification. Le zonage est à cet effet non différenciant en termes de multi-équipement.
Cependant, il convient de souligner qu’une autre approche de stratification, basée par
exemple sur des algorithmes de classification aurait probablement pu mettre en relief
une autre tendance.

3.6. Assiette Santé
Les produits santé April Entreprise Prévoyance proposent plusieurs assiettes de

cotisation au choix de l’entreprise. Ce panel d’assiettes permet d’ajuster les taux de
cotisation à la situation familiale des salariés
 L’assiette « Uniforme famille » propose un taux unique quelle que soit la

situation familiale des salariés. Cette assiette permet de mutualiser les
démographies et de proposer des tarifs moins chers aux familles nombreuses.
 L’assiette « Isolé/Famille » propose un tarif pour les célibataires et un tarif pour

les familles quelle que soit leur composition (couples, célibataires avec 1 enfant,
couples ayant 2 enfants,…)
 L’assiette « 1/2/3et+ » propose un tarif pour les célibataires, un deuxième tarif

pour les familles composées de deux membres (couples et célibataires ayant un
enfant) et finalement un dernier tarif pour les familles à 3 membres et plus.
 L’assiette « Adulte/Enfant » est celle qui permet de correspondre au mieux à la

démographie de chaque famille. Le tarif est calculé en fonction du nombre
d’adultes et d’enfants dans chaque famille.
La variable « Assiette santé » pourrait nous donner une idée sur la composition familiale
des salariés de l’entreprise. En effet, à capacités financières égales, une entreprise ayant
tous ses salariés mariés avec des enfants aura tendance à choisir des assiettes
« Famille ». A contrario, une entreprise ayant ses salariés tous célibataires choisira
plutôt une assiette « Adulte/Enfant ».
Répartition du portefeuille par assiette santé

45% 43%
40% 38% 37% 38%
35%
30%
30% 27%
25% Affaires multi-équipées
21%
20% 18% Affaires non multi-équipées
15% 14%
15% Portfeuille Santé
9% 10%
10%
5%
0%
Adulte/ Enfant 1/2/3 et + Isolé/ Famille Uniforme Famille
Figure III-28: Répartition du portefeuille par assiette santé
38% des affaires multi-équipées choisissent une assiette « Adulte/Enfant », et 43%

choisissent une assiette « Uniforme Famille ».
Ce sont deux assiettes extrêmes qui peuvent probablement être expliquées par l’âge
moyen des collèges. En effet, 51% des affaires multi-équipées sont concentrées dans les
classes d’âge « moins de 35 ans » (donc population plutôt célibataire ou sans enfants) et
« 48 ans et plus » (population avec plutôt des familles).

3.7. Taux de commission courtier
Figure III-29: Répartition du portefeuille par taux de commission courtier
On observe que pour 53% des affaires multi-équipées, le courtier choisit un taux de
commission égal à 7%. Le taux de commission de 7% est le taux de référence en collectif.
Lorsque le courtier choisit un taux en dessous de 7%, il réduit considérablement sa
marge.
On observe que la proportion d’affaires multi-équipées qui correspondent à un taux

« 20/7 » c’est-à-dire 20% de commission la première année et 7% les années suivantes
est considérablement plus petite que celle des non multi-équipées et l’ensemble du
portefeuille.
Cela peut s’expliquer par le fait que le taux 20/7 est généralement choisi par des
courtiers non spécialistes du collectif, qui sont habitués à des taux de commission
relativement hauts en assurance dommage et assurance individuelle.
Le choix du taux 20/7 peut provenir aussi de courtiers « opportunistes » qui cherchent à
maximiser leurs rémunérations tout en optimisant le budget de leurs clients et qui donc
n’hésitent pas à faire jouer la concurrence et à déplacer fréquemment leurs portefeuilles.

3.8. Niveau de garantie
Répartition du portefeuille par niveaux de garantie

1 2 3 4 5 6 7 8 9 10 11 12
47%
44%
43%
41%
38%
36%
30% 30% 29%

28%
26%
24%
21% 21% 21%

20% 20%
19%
18%
17%
16%
13%
12% 12% 12%
11% 11% 11% 11% 12%
10%11% 10%
8% 7%
7% 7%
6%6%
5% 5%
4% 3%3%
2% 2% 2% 2%
1% 1% 1% 1%
0%
RPS Santé Cadres April Entreprise + April Entreprise April Entreprise V2 Santé Modulaire Santé modulaire V2 Santé Ciblée Santé TPE
Figure III-30: Répartition du portefeuille par niveaux de garantie
Répartition des affaires multi-équipées par niveaux de garantie

1 2 3 4 5 6 7 8 9 10 11 12
50%
44% 45%
41%
35% 36%
32%
28%
26% 25% 25%
25%
25%
22% 22% 22%
22%
17%18%
13% 15% 14% 14% 14%
12% 12% 13%
13%
10%10% 10% 9% 9% 8% 9% 7%7%
5% 7% 6% 7%
4% 3% 3%2%
1% 1% 1% 1% 1% 1% 0% 0%
RPS Santé Cadres April Entreprise + April Entreprise April Entreprise V2 Santé Modulaire Santé modulaire V2 Santé Ciblée Santé TPE
Figure III-31: Répartition du portefeuille multi-équipé par niveaux de garantie
Nous remarquons que les affaires multi-équipées n’ont pas une répartition particulière
en comparaison avec l’ensemble du portefeuille. Le niveau n’est donc pas un facteur
différenciant par rapport au multi-équipement.

3.9. Dates d’effet
% affaires
18%
16%
14%
12%
10%
8%
6%
4%
2%
0%
1990 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Figure III-32: Evolution du portefeuille par année d’effet de l’affaire
74% des affaires du stock ont des dates d’effet postérieures à 2008. Notre périmètre
d’étude débute en 2011 donc les affaires très anciennes ont subi des chutes naturelles
dues à l’ancienneté.
On observe une baisse entre 2010 et 2011 qui s’explique par le fait que les gammes de
2008 et 2009 étaient particulièrement sous tarifées et donc en 2010, April Entreprise
Prévoyance a mené une campagne de revalorisation drastique.
En 2014, on observe un pic qui s’explique par le fait que la production a augmenté de
40% suite aux évolutions règlementaires et l’importante ouverture de marché qui en a
découlé.
Affaires multi-équipées Affaires non multi-équipées

% affaires
20%
18%
16%
14%
12%
10%
8%
6%
4%
2%
0%
1990
1996
2001
2006
1992
1993
1994
1995
1997
1998
1999
2000
2002
2003
2004
2005
2007
2008
2009
2010
2011
2012
2013
2014
2015
Figure III-33: Evolution des portefeuilles multi-équipés et non multi-équipés par année d’effet de
l’affaire
29% des affaires multi-équipées ont des dates d’effet entre 1995 et 2005 alors que
uniquement 12% des affaires non multi-équipées ont des dates d’effet sur cette période.

Ceci confirme la tendance établie précédemment lors de l’analyse des gammes.
La force de vente AEP souscrivait plus d’affaires multi-équipées par le passé.
Notons qu’en 2008, AEP a été filialisée. Devenue une structure indépendante, AEP a
sensiblement élargi son réseau d’apporteurs avec des courtiers spécialistes du collectif
mais aussi des courtiers généralistes, non spécialistes ou débutants dans le collectif.
Ceci pourrait expliquer l’inversion de la courbe en 2008, car les ventes de prévoyance
nécessitent de la technicité. Il s’agit, en effet, de risques lourds qui font l’objet de
procédures de vente spécifiques (questionnaires médicaux, questionnaires financiers,
analyses …etc.)
3.10. Taux de chute
Nous observons le taux de chutes cumulées par ancienneté.
Nous partons de l’ensemble du portefeuille, et nous calculons le nombre d’affaires qui

ont chuté après 1 an d’ancienneté, 2 ans d’ancienneté et ainsi de suite.
Nous nous retrouvons donc avec une matrice triangulaire supérieure avec en lignes les
années d’origine i et en colonnes les années de développement j.
N N+1 N+2 ⋯ N+25

Années d’origines
1990 C1,0 C1,1 C1,2 ⋯ C1,25
1991 C2,0 C2,1 C2,2 ⋰ 0
1992 C3,0 C3,1 ⋰ ⋰ 0
⋮ ⋮ ⋰ 0 ⋯ ⋮
2015 C26,0 0 0 ⋯ 0
Somme C.0 C.1 C.25
Cij : correspond au nombre d’affaires de l’année d’origine i ( i ∈⟦1,26⟧) ayant l’ancienneté
j (( j ∈⟦0,25⟧)
Remarque :
Pour tout j ∈⟦0,25⟧) pour tout entier k ⩽ 24, Ci,j≥ Ci,j+k
En effet, plus on avance dans le temps plus les affaires chutent donc le nombre
d’affaires observé diminue
On note 𝐶.𝑗 = ∑𝑖 𝐶𝑖𝑗 la somme des lignes de chaque colonne.

𝐶.0 − 𝐶.𝑗
taux de chute de l' anciennete j =
𝐶.0
Nous traçons les taux de chutes ainsi obtenus pour :

 L’ensemble du portefeuille
 Les affaires multi-équipées
 Les affaires non multi-équipées

Nous obtenons le graphique suivant :
Figure III-34: Représentation du taux de chutes cumulé par catégorie
La courbe bleue, correspondant aux taux de chutes des affaires multi-équipées, converge
plus lentement vers la valeur maximale 100%.
La vitesse de convergence est particulièrement faible pour les affaires dont les
anciennetés se situent entre 3 et 7 ans.
La durée de vie moyenne du portefeuille est 4,48 années.

Les affaires multi-équipées ont une durée de vie moyenne de 6,06 années soit environ 2
années de plus que la moyenne et les affaires non multi-équipées ont une durée de vie
moyenne de 3,96 années.
Ceci nous oriente vers l’intuition que dans l’ensemble, les affaires multi-équipées
chuteraient moins que les affaires non multi-équipées.
Cette hypothèse sera vérifiée par l’estimation des courbes de survie de chaque
population via l’estimateur de Kaplan-Meier.
3.11. Typologie courtiers
Le courtier est une composante importante dans le processus de vente d’AEP. Il convient
donc de se demander si les affaires multi-équipées proviennent essentiellement de
courtiers « multi-équipeurs », c’est-à-dire des courtiers ayant l’habitude de vendre des
offres couplées santé, prévoyance April (auquel cas le nombre d’affaires multi-équipées
dans le portefeuille propre à ces derniers sera élevé) ou sont-elles dispersées entre
différents courtiers ?

Pour cela, nous considérons le Ratio suivant qu’on appellera le « cross-selling » Ratio :
Nombre de ventes couplees du courtiers i
Cross selling ratio=
Nombre total de d'affaires du courtier i
Nous excluons de l’étude les courtiers qui ont un nombre d’affaires cumulé inférieur à
20 affaires. En effet, un courtier qui a effectué une seule affaire et qui est multi-équipée
aura certes un cross–selling ratio de 100% mais il ne présente pas d’intérêt commercial
direct pour AEP.
Répartition des cross-selling Ratios des courtiers

plus de 37,5%
13%
entre 25% et 37,5%

13%
entre 12,5% et 25% égal à 0%

10% 58%
entre 0% et 12,5%
6%
Figure III-35: Représentation des cross-selling ratios des courtiers
58% des courtiers apporteurs AEP ont un « cross-selling Ratio » égal à 0% c’est-à-dire
qu’ils ne font aucune affaire multi-équipée santé/ prévoyance chez AEP.
Nous définissons deux typologies de courtiers :
- Courtier « Multi-Equipeur » (ME): si son Cross Selling Ratio AEP est supérieur à
25%,
- Courtier « Non Multi-Equipeur »(Non ME) : si son Cross Selling Ratio AEP est
inférieur à 25%.
Répartition des courtiers par typologie
Courtiers
"ME"; 26%
Courtiers "Non
ME"; 74%
Figure III-36: Répartition des courtiers par typologie

Nous comptons 26% de courtiers multi-équipeurs dans le portefeuille.
Observons maintenant la répartition du portefeuille par typologie de courtier. Il s’agit de

vérifier si le stock d’affaires multi-équipées est dilué entre des courtiers non multi-
équipeurs, ou s’il provient essentiellement de courtiers qui habituellement vendent deux
risques April pour une même affaire.
Répartition du portefeuille en fonction de la typologie courtier

100% 93%
90%
81%
80%
70%
60% 54%
50% 46%
affaires non multi-équipées
40%
Portefeuille Santé
30%
19%
20%
10% 7%
0%
Courtiers "ME" Courtiers "Non ME"
Figure III-37: Répartition des courtiers par typologie
Nous remarquons que la majorité des contrats multi-équipés AEP, provient de courtiers
« multi-équipeurs ».
Cela signifie qu’en encourageant les courtiers à vendre des offres couplées, via par
exemple un système de sur-commission, AEP encouragerait peut-être le multi-
équipement.
 Cette dénomination courtier ne vaut que pour le prisme AEP. Un courtier peut
multi-équiper ses clients (santé et prévoyance) mais en choisissant des assureurs
différents.

Partie IV. Modélisation du multi-équipement

Motivation : Modéliser la probabilité de multi-équipement de chaque profil d’entreprise.
1. Echantillonnage
Nous subdivisons notre base d’étude entre une base d’apprentissage qui servira à la
construction du modèle et une base test qui servira à la validation du modèle.
Pour cela, nous effectuons un tirage aléatoire et sans remise de 65% des collèges.
Le code R utilisé pour cette manœuvre est le suivant :
2. Régression Logistique Binaire
La régression logistique permet d’expliquer une variable qualitative binaire, c’est-à-dire

ne prend que deux modalités : 0 ou 1 par une collection de variables explicatives X=(X1,
X2,…XJ). Il s’agit de mettre en évidence l’existence d’une liaison fonctionnelle sous-
jacente de la forme :
𝑌 = 𝑓(𝑋, 𝛽) entre ces variables.

'
Dans notre cas 𝑌 = {1, si l affaire est multi-equipee
0, sinon
Nous cherchons donc à quantifier la probabilité d’une affaire à être multi-équipée.
2.1. Hypothèse sous-jacente au modèle
Afin de faciliter le calcul de 𝑃(𝑌 = 𝑦𝑘 |𝑋), il faut introduire une ou plusieurs hypothèses
de distributions.
Considérons la probabilité conditionnelle 𝑃(𝑌 = 𝑦𝑘 |𝑋) :

𝑃(𝑌 = 𝑦𝑘 ) × 𝑃(𝑋|𝑌 = 𝑦𝑘 )
𝑃(𝑌 = 𝑦𝑘 |𝑋) =
𝑃(𝑋)
𝑃(𝑌 = 𝑦𝑘 ) × 𝑃(𝑋|𝑌 = 𝑦𝑘 )
=
∑𝑘 𝑃(𝑌 = 𝑦𝑘 ) × 𝑃(𝑋|𝑌 = 𝑦𝑘 )
En appliquant la formule ci –dessus aux 𝑃(𝑌 = 0|𝑋) et 𝑃(𝑌 = 1|𝑋) , nous obtenons le
rapport :

𝑃(𝑌 = 1|𝑋) 𝑃(𝑌 = 1) 𝑃(𝑋|𝑌 = 1)

= ×
𝑃(𝑌 = 0|𝑋) 𝑃(𝑌 = 0) 𝑃(𝑋|𝑌 = 0)
La régression logistique introduit l’hypothèse fondamentale suivante :

𝑃(𝑋|𝑌 = 1)
ln [ ] = 𝑏0 + 𝑏1 𝑋1 + ⋯ + 𝑏𝐽 𝑋𝐽
𝑃(𝑋|𝑌 = 0)
Cette hypothèse correspond à plusieurs lois usuelles dont les lois discrètes5.
On parle de méthode semi-paramétrique car cette hypothèse porte uniquement sur un

rapport de distributions, ce qui est moins restrictif.
2.2. Estimation des paramètres
On modélise la distribution de 𝑃(𝑌|𝑋) par une loi binomiale ℬ(1, 𝜋) :
𝑃(𝑌|𝑋) = 𝜋 𝑦 × (1 − 𝜋)1−𝑦
Lorsque 𝑦 = 1 alors 𝑃(𝑌 = 1|𝑋) = 𝜋 et lorsque 𝑦 = 0 alors 𝑃(𝑌 = 1|𝑋) = 1 − 𝜋.
On cherche à déterminer les paramètres 𝛽 = (𝛽1 , 𝛽2 , … , 𝛽𝐽 ) de la régression logistique

qui maximisent la vraisemblance.
Cet estimateur présente plusieurs propriétés intéressantes : il est 1) sans biais, 2) de

variance minimale et 3) asymptotiquement gaussien.
La vraisemblance est ℒ = ∏𝑖 𝜋 𝑦 × (1 − 𝜋)1−𝑦 . Donc le log-vraisemblance s’écrit :
ln ℒ = ∑ 𝑦 × ln(𝜋) + (1 − 𝑦) × ln(1 − 𝜋)
𝑖
Souvent pour déterminer l’estimateur du maximum de vraisemblance 𝛽̂ , on utilise des

méthodes itératives. La plus connue étant l’algorithme de Newton-Raphson qui partant
d’une valeur initiale 𝛽0, détermine 𝛽̂ à partir de la ième valeur 𝛽 (𝑖) :
𝛽 𝑖+1 = 𝛽 𝑖 − 𝐻 −1 (𝛽 𝑖 ) × 𝜕(𝛽 𝑖 )
𝐻 −1 (𝛽) : étant la matrice Hessienne du log-vraisemblance, et

𝜕(𝛽) : étant le vecteur gradient du log-vraisemblance.
Il existe une variante qui est l’algorithme du score de Fisher qui consiste à remplacer la
matrice Hessienne par la matrice Information de Fisher. Fixant un seuil 𝜖, l’algorithme
s’arrête lorsque l’écart entre les 𝛽̂𝑖 d’une itération à une autre est plus petit que ce seuil.
5
Voir (Rakotomalala, 2014) page 13

2.3. ODDS et ODDS Ratio
L’ODDS peut être défini comme le rapport de probabilités dans une même classe, l’ODDS
Ratio est le rapport entre l’ODDS de la classe observée et l’ODDS de la classe de
référence. On le note « OR ».
𝑃(𝑌 = 1|𝑋 = 𝑥𝑖 )
1 − 𝑃(𝑌 = 1|𝑋 = 𝑥𝑖 )
𝑂𝑅 =
𝑃(𝑌 = 1|𝑋 = 𝑥𝑖 ′ )
1 − 𝑃(𝑌 = 1|𝑋 = 𝑥𝑖′ )
En effet, si par exemple l’OR de la classe observée est égal à 6 cela signifiera qu’elle a 6
fois plus de chances d’être multi-équipée que la classe de référence.
Dans le cadre de la régression logistique, les ODDS Ratio sont égaux à 𝑒 𝛽𝑗 .
Les intervalles de confiance :
Nous estimons un intervalle à 95% :
𝐼𝐶(𝛽) = 𝛽̂ ± 𝑢0,975 × 𝜎̂𝛽
𝑢0.975 = 1,96 est le fractile de la loi normale.
Il est important de noter que les ODDS ratio sont significatifs si l’intervalle de confiance
ne contient pas les valeurs 0 et 1.
3. Quel est le profil d’entreprises les plus enclines à être multi-équipées ?
3.1. Sélection des variables explicatives
Nous utilisons l’algorithme de sélection BACKWARD sur R. Nous partons du modèle qui
contient toutes les variables (modèle 1), puis nous retirons les variables une par une
tant que le critère AIC diminue. On arrête lorsque le critère AIC devient constant ou
augmente à l’ajout des variables.

Au vu de l’analyse statistique, nous choisissons la liste de variables explicatives

suivantes :
Variables explicatives Modalités

-Catégorie socio-professionnelle : Cadres,
Non cadres,
Ensemble du personnel
-Gamme Ancienne Gamme,
Nouvelle gamme
-Année d’effet Avant 2008,
Entre 2008 et 2011
Après 2011
-Ancienneté 0-3 ans
3-5 ans
5-10 ans
Supérieure à 10 ans
-Zonage Favorable
Neutre
Défavorable
Sur-majorée
DOM
-Assiette Santé 1/2/ 3 et +
Adulte/enfant
Isolé/famille
Uniforme Famille
-Age moyen Moins de 35 ans,
Entre 35 ans et 42 ans
48 ans et plus
-Effectif moyen 1 salarié
2-3 salariés
4 salariés
5-9 salariés
10-19 salariés
20 salariés et plus
-Taux de commission courtier Linéaire 0
Linéaire 5
Linéaire 7
Linéaire 9
Linéaire 10
20/7

A l’issue du processus BACKWARD, seules les variables : CSP, Gamme, ancienneté,

zonage, âge, assiette et commission courtier sont retenues.
Figure IV-1: Dernière étape de l’algorithme backward
Nous modélisons donc un premier GLM avec ces variables sélectionnées qu’on appellera
(modèle GLM 2).
Analyse du modèle GLM 2 :
 Test de l’hypothèse nulle globale
Figure IV-2: éléments R pour la significativité globale du modèle GLM 2
La statistique du test de maximum de vraisemblance = 12 579 – 10 416 =2 163.
Le nombre de degrés de liberté = 27. Donc en utilisant la fonction de répartition de la

loi 𝜒 2 , nous obtenons une p-value < 0.00001. Donc avec un risque inférieur à 1%, nous
rejetons l’hypothèse nulle.
Le modèle est donc globalement significatif.

 Significativité des variables explicatives et des coefficients
Figure IV-3: Significativité des effets modèle 2
La p-value qui correspond à la variable âge est >0.1. Il n’existe donc aucune présomption
contre l’hypothèse nulle, que nous acceptons. La variable âge ne contribue pas à
l’explication du modèle.
Nous observons que les p-values des modalités de la variable « commission courtier »
sont toutes non significatives, de même pour l’ancienneté.
Toutes les modalités de la variable zonage sont présentes, donc R n’a pas identifié une
modalité de référence.

Figure IV-4: Résumé du modèle GLM 2
En se basant sur ces premiers résultats, nous modifions ce premier modèle de la

manière suivante:
- Retirer la variable âge

- Retirer la variable ancienneté
- Réorganiser les modalités des variables : zonage, assiette santé et commission
courtier.

Variables explicatives Nouvelles modalités

-Zonage Zone1 : Favorable + Neutre
Zone 2 : Défavorable + Sur-majorée
Zone 3 : ALMOS/DOM
-Taux de commission courtier Haut
Bas
-Assiette Santé 1/2/ 3 et +
Adulte/enfant
Famille : Isolé/famille + Uniforme Famille
Nous modélisons un nouveau modèle GLM qu’on appellera (modèle GLM 3) avec les
variables explicatives suivantes :
- CSP,
- Gamme,
- Nouveau zonage,
- Nouvelle assiette,
- Nouveau taux de commission courtier.
Analyse du modèle GLM 3 :
3.2. Test de l’hypothèse nulle globale
La statistique du test de maximum de vraisemblance = 12 563 – 10 603 = 1 960
Le nombre de degrés de liberté = 8. Donc utilisant la fonction de répartition de la

loi 𝜒 2 ,nous obtenons une p-value < 0.00001. Donc avec un risque inférieur à 1%, nous
rejetons l’hypothèse nulle.
Le modèle est donc globalement significatif.

3.3. Significativité des variables explicatives et des coefficients
Figure IV-5: Significativité des effets modèle 3
Figure IV-6: Résumé du modèle GLM 3
Nous observons que toutes les variables et tous les coefficients sont significatifs.

3.4. Les ODDS Ratios et les intervalles de confiance à 95%
Figure IV-7: ODDS Ratios du modèle 3
Tous les ODDS Ratios sont significatifs. Nous observons que :
- Toutes choses étant égales par ailleurs, les cadres sont plus enclins à être multi-
équipés que les non cadres. Ceci ne nous surprend pas car nous avons
préalablement observé que la CSP cadre est discriminante en termes de multi-
équipement.
Pour rappel : 74% des collèges multi-équipés correspondent à des cadres.
- Ceteris paribus, une entreprise qui choisit l’assiette Adulte/Enfant a 42% plus de
chance d’être multi-équipée qu’une entreprise qui choisit une assiette Famille.
Par ailleurs, une entreprise qui choisit l’assiette « 1/2/3et+ » en aurait 30% en
moins.
Pour rappel : le choix d’une assiette famille sous-entend que les ayants droits
sont tous couverts.
Ce résultat peut donc s’expliquer par le fait que le choix de l’assiette adulte/
enfant est généralement corrélé à une démographie composée majoritairement
de célibataires avec une non prise en charge des ayants droit. Le budget de
l’entreprise, pour le risque santé, est donc plus faible ce qui impliquerait une
appétence plus grande pour le multi-équipement.
En ce qui concerne l’assiette « 1/2/3+ », il faut noter qu’il s’agit d’une assiette peu
mutualisée qui permet aux familles monoparentales ou des couples d’être
couverts sans pour autant payer un taux famille important. Les familles au-delà
de 3 membres paieront plus cher.
Le volet social de cette assiette est moins important que l’assiette famille, qui
propose le même traitement quelle que soit la démographie familiale (hors
célibataires pour l’assiette Isolé/Famille). On pourrait donc supposer que lorsque
l’entreprise choisit cette assiette, sa politique salariale ne serait probablement
pas portée sur la qualité de la protection sociale mais plutôt la satisfaction des
contraintes budgétaires de chaque salarié (pas de mutualisation) et que donc son
appétence pour financer un risque supplémentaire est moindre.

- On observe que toutes choses étant égales par ailleurs, les anciennes gammes se
multi-équipent 2 fois plus que les nouvelles gammes. Certes, cette observation est
biaisée par le contexte économique et juridique de l’époque, mais il n’en demeure
pas moins intéressant de noter la différence entre l’approche marketing et
commerciale des anciennes et nouvelles gammes (notices communes, animation
courtier, guide de vente, …etc.)
- Les entreprises de la zone 1 se multi-équipent plus que les zone 2 et 3. Pour

rappel, la zone 1 est la zone commerciale favorable ou neutre. La zone neutre est
la zone tarifaire de référence. On applique une décote lorsque la zone est
favorable et une surcote lorsqu’elle est défavorable. On pourrait penser que la
baisse tarifaire de cette zone impacte peut-être le multi-équipement.
En analysant les ODDS Ratios, nous dressons le profil d’affaires qui d’après notre
modèle sont les plus enclines à être multi-équipées :
-CSP : Cadre
-Gamme : Ancienne
-Zone : Favorable ou neutre
-Assiette : Adulte Enfant
-Taux de commission courtier : bas
Toutefois, il est important de noter que la gamme « ancienne » est corrélée à un

contexte économique et règlementaire de l’époque. Néanmoins, nous pourrons
constater que la politique « marketing » sous-jacente à ces offres, présente un
réel intérêt pour le multi-équipement.
3.5. Qualité d’ajustement du modèle
Bien que classiquement utilisée, pour vérifier si le modèle est convenable en ce qui
concerne la spécification et la qualité d’ajustement, l’analyse de résidus n’a pas de sens
pour le modèle logistique du fait, entre autres, du caractère binaire de la variable
expliquée.
Nous évaluerons donc, la qualité d’ajustement du modèle via un test statistique et le

tracé de la courbe ROC, et nous validerons les conclusions en projetant le modèle sur
l’échantillon test (back-testing).
3.5.1. Test de Hosmer-Lemeshow
Le test de Hosmer-Lemeshow consiste à évaluer l’écart qui existe entre les valeurs
prédites et observées. En effet, les valeurs prédites ŷ sont regroupées par quantiles.
Ce test évalue les hypothèses suivantes :
𝐻0 l' ecart entre les valeurs estimees et les observations reelles est faible (bon ajustement)
{
𝐻1 l' ecart entre les valeurs estimees et les observations reelles est important (mauvais ajustement)

La statistique du test de Hosmer-Lemeshow est la suivante :

𝑔
(𝑂𝑗 − 𝑁𝑗 𝜋̅𝑗 )²
χ2𝐻𝑜𝑠𝑚𝑒𝑟−𝐿𝑒𝑚𝑒𝑠ℎ𝑜𝑤 = ∑
𝑁𝑗 𝜋̅𝑗 (1 − 𝜋̅𝑗 )
𝑗=1
Où 𝑁𝑗 , 𝑂𝑗 , 𝜋̅𝑗 représentent respectivement, le nombre des observations, le nombre des

réponses et la moyenne des probabilités d’occurrence observées dans le j-ième groupe.
Cette statistique suit une loi 𝜒 2 à g-2 degrés de libertés.

Nous accepterons l’hypothèse 𝐻0 si la p-value du test est supérieure à 5%.
3.5.2. La courbe ROC
La courbe ROC est un outil graphique qui permet de représenter la capacité du modèle à
discriminer entre la population positive (ici la population multi-equipee soit Y=1), et la
population négative (non multi-équipée).
Il s’agit de la représentation graphique de la sensibilité (capacité du modèle à retrouver

les positifs) en fonction du complément de la spécificité (proportion de négatifs
détectés) lorsqu’un seuil t varie.
En principe, la courbe ROC est utilisée lorsque le modèle est basé sur un test qui donne
un résultat numérique avec un seuil t tel que la prédiction est positive si 𝑥 > 𝑡 et la
prédiction est négative sinon.
Alors au fur et au mesure que t augmente, la spécificité augmente et la sensibilité

diminue.
La courbe ROC est donc une courbe croissante entre le point (0,0) et le point (1,1) au-
dessus de la première bissectrice.
A noter que la courbe ROC du modèle aléatoire, c’est-à-dire un modèle de prédiction

aléatoire sans aucun pouvoir de discrimination, est confondue avec la première
bissectrice.
Le pouvoir de discrimination du modèle est interprété en fonction de la valeur de l’aire

sous la courbe ROC (AUC- Area Under the Curve) de la manière suivante :
=0,5 Aucun pouvoir discriminant

]0,5 ;0,7[ Pouvoir discriminant faible
[0,7 ;0,8[ Pouvoir discriminant acceptable
[0,8 ;0,9[ Excellent pouvoir discriminant
[0,9 ;1] Pourvoir discriminant parfait

3.5.3. Résultats
Nous avons implémenté le test de Hosmer- Lemeshow sur le logiciel R et nous avons
obtenu les résultats suivant :
Figure IV-8: Résultat du test Hosmer-Lemershow

La p-value du test ne suggère aucune présomption contre l’hypothèse nulle. Cependant,
ce test est à prendre avec précaution car il est très sensible au choix du nombre de
groupes.
Nous corroborons cette tendance avec le tracé de la courbe ROC et le back-testing.
En effet, le tracé de la courbe ROC montre que cette dernière est au-dessus de la
première bissectrice. L’aire sous la courbe vaut 76%. Nous pensons donc que la qualité
d’ajustement de notre modèle est convenable.
Figure IV-9: Tracé de la courbe ROC

3.5.4. Comparaison avec l’échantillon Test
Nous appliquons le modèle établi précédemment sur l’échantillon test et nous

construisons la matrice de confusion. Notre but est de confronter les valeurs observées
avec les valeurs prédites.
En ce sens, la matrice de confusion nous permettra de construire plusieurs indicateurs

qui nous permettent de rendre compte du taux d’erreur mais aussi de la structure de
l’erreur.
La forme générique de la matrice de confusion est la suivante :
𝑌 × 𝑌̂ 0̂ 1̂ Total
0 𝑎 𝑏 𝑎+𝑏
1 𝑐 𝑑 𝑐+𝑑
Total 𝑎+𝑐 𝑏+𝑑 𝑛 =𝑎+𝑏+𝑐+𝑑
- 𝑎 : Les vrais positifs, c’est-à-dire les collèges estimés multi-équipés et qui le

sont réellement.
- 𝑐 : Les faux positifs, c’est-à-dire les collèges estimés multi-équipés et qui sont
en réalité non multi-équipés
- De la même manière 𝑐 et 𝑑 sont les taux des faux négatifs et vrais négatifs.
Nous cherchons à quantifier les indicateurs suivants :
- Le taux d’erreur, c’est-à-dire le taux de mauvais classements effectué par le

modèle.
𝑏+𝑐
𝑡𝑎𝑢𝑥 𝑑 ′ 𝑒𝑟𝑟𝑒𝑢𝑟 =
𝑛
- La précision, c’est-à-dire la probabilité qu’une observation classée positive, le soit
réellement. On parle aussi de valeur prédictive positive.
𝑎
𝑝𝑟é𝑐𝑖𝑠𝑖𝑜𝑛 =
𝑎+𝑐
Remarque : La matrice de confusion nous permet aussi de calculer la sensibilité et
la spécificité du modèle. Nous avons choisi de ne pas les représenter car ces deux
critères sont corrélés. En effet lorsque la sensibilité augmente, (souvent) la
spécificité se dégrade, d’où l’intérêt de les observer simultanément via la courbe
ROC.

Le code R qui nous a permis de construire la matrice de confusion est le suivant :
Figure IV-10: Code R pour la matrice de confusion

Nous obtenons ainsi les résultats suivants :
Le modèle donc révèle un taux d’erreur de 23% et un taux de précision de 98%. Ces taux
sont convenables.
 La matrice de confusion présente des limites qu’il convient de garder en mémoire. En

effet, celle-ci repose uniquement sur les prédictions ̂𝑦, sans tenir compte des
probabilités estimées 𝜋̂(𝜔). En effet, deux collèges ayant respectivement une probabilité
de multi-équipement 𝜋̂(𝜔) = 0,501 et 𝜋̂(𝜔) = 0,499 seront classés différemment (l’un
multi-équipé, l’autre non), même si leurs probabilités estimées sont très proches.
La matrice de confusion ne permet pas de prendre en compte ce type d’informations.
3.6. Conclusion
Les probabilités estimées via la régression logistique semblent fiables au regard des
résultats des différents tests effectués.

3.7. Score de multi-équipement
Nous utilisons les résultats du GLM pour créer un score de multi-équipement. Il s’agirait
d’une variable comprise entre 0 et 1 qui porte la probabilité que le profil de l’entreprise
soit enclin à être multi-équipé.
On note π la probabilité a posteriori qu’une affaire ω soit multi-équipée sachant les

modalités des variables explicatives.
π(ω) = ℙ[ Y(ω)|𝑋(𝜔) ]
Le modèle logistique décrit précédemment peut s’écrire :

𝐽
𝜋
Logit(𝜋(𝜔)) = ln [ ] = ∑ 𝛽𝑖 𝑋𝑖
1−𝜋
𝑖=1
Nous en déduisons :
𝐽
𝑒 ∑𝑖=1 𝛽𝑖 𝑋𝑖
𝜋(𝜔) = 𝐽
1 + 𝑒 ∑𝑖=1 𝛽𝑖 𝑋𝑖
Nous définissons le score de multi-équipement comme :
𝜋(𝜔)
score ME =
𝜋(𝜔𝑟𝑒𝑓 )
𝜋(𝜔) : La probabilité d’être multi-équipée sachant les caractéristiques de l’affaire

observée.
𝜋(𝜔𝑟𝑒𝑓 ) : La probabilité d’être multi-équipée de l’affaire optimale c’est-à-dire celle qui

maximise les ODDS ratios du modèle GLM décrit précédemment.
Pour chaque affaire, le score ME est toujours compris entre 0 et 1. Plus le profil de
l’affaire s’approche de l’affaire optimale, plus le rapport des probabilités s’approche de
1.
Ce score pourra être utilisé pour optimiser une liste de contacts lors d’une campagne de
vente additionnelle par exemple.
En utilisant les ODDS Ratios calculés précédemment, nous trouvons que le profil optimal
c’est-à-dire une affaire qui correspond à :
- Un collège cadre
- Une zone favorable ou neutre
- Une affaire avec une politique « marketing » optimisée
- Un taux de commission courtier bas
- Une assiette adulte enfant
a une probabilité de multi-équipement égale à 86%.

Nous calculons à titre d’exemple le score de multi-équipement sur la production des

deux derniers mois (à savoir septembre et aout 2015) :
NUMERO_ADHERENT_T NUMERO_ADHERENT COLLEGE Libellés_College Libellés_Assiette_Cotis Commission courtier DEP_ADHERENT Proba ME score ME
2 3079 140 Non Cadre Isolé / Famille 6 69 59% 0.69
2 9169 400 Ensemble du personnel Salarié / Conjoint / Enfant 15 31 50% 0.59
2 9361 120 Cadre Taux adulte / taux enfant, % du PMSS 7 56 86% 1.00
2 9361 140 Non Cadre Taux adulte / taux enfant, % du PMSS 0 56 65% 0.76
6 1118 140 Non Cadre Salarié / Conjoint / Enfant 20 81 62% 0.72
6 6610 140 Non Cadre Isolé / Famille 6 81 61% 0.71
6 6619 400 Ensemble du personnel Salarié 6 83 50% 0.59
6 7619 120 Cadre Salarié / Conjoint / Enfant 10 31 79% 0.92
6 10092 200 Ensemble du personnel Uniforme Famille 7 06 50% 0.58
6 10185 140 Non Cadre Adulte / Enfant 20 06 59% 0.69
6 10185 120 Cadre Adulte / Enfant 7 06 81% 0.95
6 10996 220 Cadre Uniforme Famille 10 83 68% 0.79
6 19403 400 Ensemble du personnel Uniforme Famille 7 26 50% 0.59
Nous pourrons donc échelonner le temps de vente qu’un commercial pourra passer sur
chaque affaire ainsi que les différentes dérogations possibles en fonction de ce score.
Un commercial pourra choisir par exemple de contacter en priorité les affaires ayant un
score supérieur à 0,75 car nous estimerons qu’elles auront le plus de chance d’aboutir.

Partie V. Etude de la sinistralité

1. Statistiques générales
1.1. Durées d’observations et fréquences
Nous partons de la base de la sinistralité présentée précédemment.
On commence par représenter les durées d’observations des affaires pour chaque année.
Figure V-1: histogrammes des durées d’observations
Chaque année, on dispose d’une majorité d’affaires observées une année complète.
Afin de traiter des choses comparables et pour éliminer les biais liés à l’annualisation
des prestations, nous excluons de l’étude toutes les affaires dont la durée d’observation
est inférieure à un an.
1.2. Prestation moyenne par salarié
Le but de cette partie est de comparer la sinistralité des affaires multi-équipées et non
multi-équipées.
Un premier indicateur qui pourrait être envisagé est le S/P. Mais ce dernier est biaisé car
il dépend de la prime.

En effet, les choix de tarification en termes de segmentation ainsi que les différentes
campagnes de revalorisations de portefeuille sont biaisées par les demandes marketing
et commerciales.
Le cœur de cible n’est pas toujours celui qui présente un fort intérêt technique mais
plutôt celui qui a un potentiel commercial important.
Pour ces différentes raisons, nous écartons l’utilisation du S/P.
Dans un premier temps, nous analysons les statistiques moyennes de la Prestation de

chaque entreprise par salarié.
Le fait d’observer la prestation par salarié et non les prestations globales permet
d’écarter les biais liés à la couverture des ayants droits et à l’effectif.
Nous obtenons les résultats que synthétise le tableau suivant :
Ensemble du Affaires non multi-

portefeuille équipées
2011 880 915 866
2012 862 841 839
2013 853 840 885
2014 822 754 807
Les moyennes agrégées des prestations par salarié ne permettent pas de conclure. En
effet, on ne distingue aucune tendance particulière.
2. Etude descriptive de la sinistralité
2.1. Prestations normalisées par collège
Dans cette partie, nous essayons d’analyser les données pour définir des « profils de
risque ». L’idée est de construire une sorte d’indicateur neutre qui nous permette de
comparer les populations multi-équipées et non multi-équipées.
Nous considérons que la sinistralité d’une entreprise est représentée par une
« Prestation normalisée » définie ainsi :
∑Prestations moyennes/salarie versees entre 2011-2014
Prestation normalisee =
∑Expositions entre 2011-2014
Ainsi un collège présent du 1er janvier 2011 au 31 décembre 2013 pour qui on a versé
en moyenne par salarié 100 euros en 2011, 200 euros en 2012 et 0 euros en 2013, aura
pour prestation normalisée 100 euros.
Le choix de la prestation normalisée telle qu’on l’a définie est motivé par le fait de :
 lisser la consommation sur une période de 4 ans et donc effacer les pics liés à des
années de fortes consommations.
 Effacer les biais liés à l’effectif du collège.
 Effacer les biais liés à l’assiette de cotisation, c’est-à-dire la prise en charge ou
non des ayants droits.

Les collèges observés ont ainsi tous le même poids quelque soient leurs effectifs et leurs
démographies familiales.
 Remarque :
Il est important de noter que les valeurs des prestations normalisées et des
prestations attendues (cf. paragraphe suivant) n’ont pas de signification dans
l’absolu. Elles sont uniquement utilisées comme indicateur pour comparer deux
catégories.
2.2. Prestations attendues
Les prestations sont généralement corrélées à l’âge moyen du collège, la nature des
garanties proposées par le produit et le niveau des garanties.
Nous analysons toutes les grilles de garanties des gammes étudiées pour essayer de
trouver des groupements cohérents.
Nous avons constaté qu’il existe des correspondances exactes entre les niveaux des
gammes Santé modulaire et Santé Entreprises 0239 0246 0247 0254, (toutes des
gammes à 7 niveaux) et les gammes Santé modulaire 0259 et 0280 (gammes à 12
niveaux)
La gamme Santé modulaire à 12 niveaux est une extension des anciennes gammes. Seuls
des niveaux intermédiaires sont créés, les niveaux existants n’ont pas été modifiés.
Ainsi nous avons pu distinguer 6 gammes avec des grilles de garanties distinctes :
 0130 RPS Santé Cadres (5 niveaux),
 0185 April Entreprise + (6 niveaux),
 0214 April Entreprises (6 niveaux),
 0241 Santé ciblée (4 niveaux),
 Santé TPE (5 niveaux),
 Santé modulaire (12 niveaux).
Pour chaque classe d’âge, chaque gamme et chaque niveau, nous calculons une
« prestation attendue » :
Prestation attendue
∑Prestations moy/salarie versees pour la gamme i niveau j age k entre 2011 et 2014
=
∑Expositions entre 2011-2014
Illustration :
Nous fixons une tranche d’âge k nous considérons que les affaires suivantes ont toutes
souscrit une gamme i et un niveau j :
Affaire Prestation moyenne par Exposition entre 2011 et

salarié 2014
1 100 1
2 300 3
3 800 4

La prestation attendue pour la gamme i et le niveau j et l’âge k est donc égale à

100+300+800
= 150 euros.
1+3+4
Nous constaterons donc par exemple que l’affaire 1 a une sinistralité inférieure à la
moyenne de la catégorie à laquelle elle appartient.
2.3. Définition des profils de risque
Nous calculons pour chaque affaire l’écart entre sa prestation normalisée et la prestation
attendue qui correspond à la gamme, le niveau et la tranche d’âge à laquelle elle
appartient.
Nous calculons le 1er quartile, la médiane, le 3ème quartile, et le 95ème centile des écarts
ainsi obtenus.
Minimum 1er quartile Médiane 3ème quartile 95ème centile Maximum

-133% 21% 67% 131% 336% 3796%
Nous définissons les profils de risques suivants :
o Très bon risque : si l’écart entre la prestation normalisée et la prestation

attendue de l’affaire est inférieure au premier quartile
o Bon risque : si l’écart est compris entre le premier quartile et la médiane
o Moyen risque : si l’écart est compris entre la médiane et le 3ème quartile
o Mauvais risque : si l’écart est compris entre le 3ème quartile et le 95ème centile
o Très mauvais risque : si l’écart est supérieur au 95ème centile
Nous observons la répartition du portefeuille en fonction du profil de risque :

Répartition du portefeuille par profil de risque

35%
29%
30%
26% 26%
25% 25% 25%
25% 24%
22% 22% 22%
19% 20%
20%
15% Affaires non multi-équipées

Portefeuille santé
10%
5% 5% 5%
5%
0%
très bon risque bon risque moyen risque mauvais risque très mauvais
risque
Figure V-2: Répartition du portefeuille par profil de risque
Nous observons que 29% des contrats multi-équipés correspondent à de très bons
risques contre 24% non multi-équipés.
Malgré le fait que la proportion des mauvais risques multi-équipés est supérieure à celle
des non-multi-équipés, l’écart entre les deux catégories n’est pas aussi creusé que pour
les profils « Très bons risques ».
Nous ne pouvons pas conclure de manière formelle que les affaires multi-équipées ont
une meilleure sinistralité, comme nous ne pouvons pas affirmer le contraire.
Mais a priori, au vu de ces premières observations, nous supposons que le multi-

équipement améliore la sinistralité.
Nous choisissons donc d’effectuer une modélisation GLM de la sinistralité pour

confirmer cette intuition.
3. Modélisation
Soit P la variable qui correspond aux prestations normalisées qui diffèrent de 0.

A noter, que dans cette section toutes les remarques s’expriment toutes choses
étant égales par ailleurs.
Nous tentons d’expliquer P par :
- le multi-équipement,
- CSP,
- Gamme,
- Niveau,
- Age.

Nous utiliserons pour cela un modèle GLM dont nous définirons ci-après la loi et la
fonction lien.
3.1. Recherche de la loi des prestations
Nous traçons d’abord la fonction densité de la variable P.
Au vu du tracé de la densité empirique, nous testons les lois Normale, Gamma, Weibull
pour trouver celle qui correspond le mieux à la distribution empirique étudiée.
Figure V-3: Répartition du portefeuille par profil de risque
Nous avons superposé le tracé de la densité empirique (en noir) des données aux
densités des lois suivantes :
- Vert : loi Gamma

- Jaune : loi Weibull
- Rouge : loi normale
Au vu de l’histogramme présenté ci-dessus, et le tracé de la densité empirique (en noir),

nous concluons a priori, que la loi gamma apporte le meilleur ajustement.
Nous avons étudié une série d’autres lois dont la loi log-normale, la loi exponentielle, la
loi logistique, la loi inverse gaussienne … etc sans que cela n’améliore la qualité des
ajustements.

Sous chaque hypothèse de distribution, nous avons utilisé la méthode de maximum de

vraisemblance pour estimer les paramètres à partir de nos données.
Une fois les lois paramétrées, nous avons comparé les qq-plots, les résultats du test de
Kolmogorov-Smirnov pour trouver la loi qui s’ajuste le mieux aux prestations
normalisées.
Nous présentons ci-après le diagramme quantile-quantile, dit qq-plot de la variable P et

la loi gamma.
Nous observons que les points sont convenablement alignés sur la première bissectrice.
Le test de Kolmogorov-Smirnov a relevé une p-value <2,2 e-16 pour toutes les lois
testées. Même si le test rejette l’hypothèse d’égalité des distributions pour toutes les lois,
il nous permet tout de même d’observer que la statistique D, qui correspond à la
distance entre la densité empirique et la densité de la loi testée est minimale pour la loi
gamma.
Au vu des différents résultats, il est raisonnable de supposer que la distribution de P suit

une loi Gamma.
3.2. Résultats
Nous choisissons donc un modèle GLM Gamma ayant une fonction lien logarithme
népérien.

 Test de l’hypothèse nulle globale
La statistique du test de maximum de vraisemblance = 11 789 – 10 081 = 1 708
Le nombre de degrés de liberté = 22. Donc utilisant la fonction de répartition de la loi 𝜒 2 ,

nous obtenons la p-value < 0.00001. Donc avec un risque inférieur à 1%, nous rejetons
l’hypothèse nulle.
Le modèle est donc globalement significatif
 Test de significativité des variables explicatives
Au vu des p-values obtenues, toutes les variables explicatives et tous les coefficients sont
significatifs.

 Analyse des résultats
Commentaires généraux :
- Les prestations des collèges cadres est substantiellement plus grande que les non
cadres. En effet, dans les très petites entreprises les collèges cadres contiennent
souvent les cadres dirigeants et donc le phénomène d’anti-sélection est plus
amplifié chez cette catégorie. Par ailleurs, le comportement de « consommateur »,
c’est à dire inscrire la complémentaire santé dans un process de soins
programmés (prothèses dentaires, lunette de vue, …), est fortement corrélé au
pouvoir d’achat. Ce dernier est plus important chez les cadres que chez les non
cadres.

- Nous observons qu’il existe une forte relation entre la prestation normalisée et
l’âge. En effet, plus la moyenne d’âge du collège est élevée plus la proportion des
personnes assujetties à des frais de santé importants (du fait de la détérioration
de l’état de santé avec l’âge) est grande.
- De même, nous observons que globalement, les niveaux plus hauts présentent un
niveau de prestations plus important, parce que les niveaux élevés proposent une
meilleure prise en charge des frais de santé.
- Nous remarquons que l’ancienneté de la gamme impacte les niveaux de

prestations. Globalement, les anciennes gammes ont des prestations plus faibles.
Ceci est probablement dû au fait que les données correspondant aux anciennes
gammes présentes dans notre base sont troquées à gauche. En effet, on observe
en santé, un effet d’ « aubaine » lors des premières années de souscription (avec
un pic la première année d’une mise en place). Cet effet s’estompe avec le temps.
Or, le périmètre de notre étude débute en 2011 et ces gammes sont créées, pour
la plupart, bien avant. Les affaires correspondant à ces gammes ont donc toutes
une ancienneté strictement supérieure à un an, et donc l’effet d’aubaine est moins
présent.
Multi-équipement :
- La fonction lien étant le logarithme népérien (ayant pour fonction inverse

l’exponentielle) et la référence de la variable « Multi-équipement » étant 0 (non
multi-équipé), le rapport de côte « multi-équipé » vs « non multi-équipé» est donc
égal à e−0,12352 = 0,88.
En synthèse :
Collège non-multi-équipé Collège multi-équipé

Prestation normalisée 100% 88%
Cela veut dire que lorsqu’un collège non multi-équipé perçoit une prestation
normalisée de 100 euros, un collège multi-équipé en perçoit 88 euros soit une
baisse de 12%.
Le multi-équipement permettrait de réduire les prestations versées en santé et donc a

priori, nous pouvons attester qu’à profils de ventes équivalents, le multi-équipement
permet d’améliorer l’équilibre global des produits.

 Analyse des résidus et limites du modèle
Finalement, nous traçons les résidus du modèle afin de s’assurer de son efficience.
Il s’agit essentiellement de s’assurer que la variance du terme d’erreur (i.e le bruit) est
indépendante de la valeur des différentes variables explicatives.
Graphiquement, nous observons que les résidus ont une structure aléatoire, ce qui est
synonyme d’indépendance. La structure des résidus est correcte. En revanche, nous
remarquons que le qq-plot s’éloigne de la première bissectrice pour les valeurs élevées.
Notre modèle n’est donc probablement pas adapté aux queues de distributions.

Partie VI. Etude des durées d’adhésions

Motivation : Etudier l’impact du multi-équipement sur la longévité des contrats au sein
du portefeuille.
1. Choix du modèle
Nous cherchons à estimer la fonction de survie en fonction de l’ancienneté des

populations multi-équipées et non multi-équipées.
Le choix de l’estimateur de Kaplan-Meier est motivé par les raisons suivantes :
- L’estimateur de Kaplan-Meier est un estimateur non paramétrique. Cette

propriété nous permet de s’affranchir de toute spécification de loi, et donc de
construire un modèle qui reflète les données brutes sans aucun a priori.
- Nous disposons pour notre étude d’un volume relativement faible de données et
nous considérons une seule variable explicative (le multi-équipement).
- L’intervalle de temps choisi est de 1 mois, ce qui est petit relativement à la
variation de la fonction de survie, ce qui permet de s’assurer que la discrétisation
ne génère pas de biais important sur l’estimation.
- Les dates d’entrées de sorties considérées sont correctement renseignées.
- Nous observons dans notre portefeuille des troncatures à gauche (les contrats
souscrits avant le 01/01/2011) et de censures à droite (les contrats non résiliés
ou résiliés après le 31/12/2014).
2. Modèle non paramétrique de Kaplan Meier
Nous introduisons les notations suivantes :
 𝑆𝑥 : la fonction de survie suivant une loi discrète

 𝑞𝑖 : la probabilité de chute à l’instant 𝑖
 𝑛𝑖 : le nombre d’affaires exposées au risque à l’instant 𝑖
 𝑑𝑖−1 : le nombre d’affaires ayant résilié l’instant𝑖,
 𝑐𝑖−1 : le nombre de censures sur]𝑖 − 1; 𝑖],
 𝑡𝑖−1 : le nombre de troncatures sur ]𝑖 − 1; 𝑖],
L’estimateur de Kaplan Meier s’écrit sous la forme suivante :

𝑘
𝑛𝑖 − 𝑑𝑖
𝑆̂𝐾𝑀 = ∏
𝑛𝑖
𝑖=1
Où 𝑛𝑖 = 𝑛𝑖−1 − 𝑑𝑖−1 − 𝑐𝑖−1 + 𝑡𝑖−1

2.1. Estimation de la fonction de survie de l’ensemble du portefeuille
Nous avons donc estimé avec le logiciel R, la fonction de survie de l’ensemble du

portefeuille
Figure VI-1: Fonction de survie estimée pour l’ensemble du portefeuille
 Le tracé de la fonction de survie estimée par Kaplan Meier permet d’observer des
sauts tous les 12 mois, car l’échéance de la majorité des contrats est au 31 décembre.

Figure VI-2: zoom sur la fonction de survie
2.2. Application aux affaires multi-équipées et non multi-équipées
On remarque que la courbe représentative de la fonction de survie de la catégorie multi-

équipée est au-dessus de celle de la catégorie non-multi-équipée et de l’ensemble du
portefeuille.

Cela signifie que les durées d’adhésions des contrats multi-équipés sont sensiblement
plus longues que celle des non multi-équipés.
2.3. Application financière
Dans cette partie, nous considérons que nous avons vendu un produit pour une prime
totale P égale à 1 M€ par exemple.
Nous considérons dans un premier temps que le portefeuille issu de cette vente est
multi-équipé, puis qu’il est non multi-équipé.
En appliquant les probabilités de survie de chaque catégorie, nous estimons le gain

financier théorique lié au multi-équipement.
Le portefeuille est considéré en « run off », c’est-à-dire que nous ne considérons pas les
entrées d’affaires nouvelles.
Représentation du gain cumulé en rétention du Portefeuille
876 689 €
846 023 €
688 633 €
625 602 €
476 945 €
379 078 €
335 167 €
223 929 €
89 431 €
12 331 €
1 2 3 4 5 6 7 8 9 10
Ancienneté
Nous observons qu’après trois ans d’ancienneté, l’écart entre la prime totale encaissée
lorsque le portefeuille est multi-équipé et celle encaissée sous l’hypothèse du non multi-
équipement est de 223 929 €. Cet écart se creuse avec le temps pour atteindre 379 078€
au bout de 5 ans et 876 689 € au bout de 10 ans.
En effet, dans une situation de portefeuille fermé (en run-off), un portefeuille multi-
équipé permettrait d’encaisser sur une période de 10 ans, un total de primes de l’ordre
de 3 054 434 euros, quand un portefeuille non multi-équipé n’en permet d’encaisser que
2 177 745 euros soit un gain financier sans effort supplémentaire de vente de 876 689 €

Les durées d’adhésions des contrats multi-équipés sont sensiblement plus

longues que celle des non-multi-équipés.
Ainsi, agir sur le multi-équipement permet de fidéliser le portefeuille et de
générer potentiellement des gains financiers.
3. Validation du modèle
Afin de valider nos différentes interprétations, nous choisissons d’estimer les

coefficients du modèle de Cox afin de mesurer l’impact du multi-équipement sur les
probabilités de résiliation.
3.1. Cadre théorique du modèle de Cox
Nous cherchons dans cette partie à comparer les taux de sorties des populations multi-
équipées et non multi-équipées.
Le modèle de Cox qui est un modèle à hasard proportionnel s’écrit :
ℎ(𝑥|𝑧, 𝜃) = exp(−𝑧 𝑇 𝜃) ℎ0 (𝑥)
Avec ℎ0 la fonction de hasard de référence.

1 si l'affaire est multi-equipee
𝑧={
0 sinon
𝜃 le parametre a estimer associe a la variable z
𝑥 l' anciennete de l' affaire dans le portefeuille
Ce qui implique au vu du caractère dichotomique de z que :

ℎ(𝑥|𝑧 = 1)
= exp(𝜃)
ℎ(𝑥|𝑧 = 0)
Ceci signifie que le risque, qu’à l’ancienneté x, une affaire non multi-équipée soit résiliée
est égal à exp(𝜃)le risque qu’une affaire multi-équipée le soit.
3.2. Estimation des paramètres de Cox
L’estimation des paramètres de Cox s’appuie sur le maximum de vraisemblance partielle

(Planchet, et al.) [page 53]. Cette méthode nous permet de nous affranchir de la
spécification de la forme de la fonction de hasard de référence.
Les estimations des coefficients de Cox sont obtenues par le logiciel R via la fonction
coxph.

Le coefficient de Cox obtenu montre que l’absence de multi-équipement augmente le

risque de résiliation de 25%.
Ceci confirme la tendance précédemment établie avec le tracé des fonctions de survie.
3.3. Tests d’hypothèses
3.3.1. Test de nullité globale des coefficients
R nous permet d’obtenir les statistiques et les p-values de trois tests classiques
(Planchet, et al.)[page 59] les plus utilisés pour estimer la significativité du modèle :
- Test du maximum de vraisemblance
- Test de Wald
- Test du score
Nous obtenons les statistiques et les p-values suivantes :
Les différentes statistiques et p-values des tests, nous permettent de rejeter l’hypothèse
H0 à un seuil inférieur à 0,1%.
L’influence du multi-équipement est donc significative sur les probabilités de résiliation.
3.3.2. Test de l’hypothèse de hasard proportionnel
Le modèle de Cox repose sur deux hypothèses fondamentales :
1- L’hypothèse des hasards proportionnels : ceci signifie que le rapport des risques
instantanés de deux sujets ne dépend pas du temps

2- L’hypothèse de log linéarité : c’est-à-dire que le logarithme du taux de risque

instantané est une fonction linéaire des variables explicatives.
Nous avons effectué différents tests pour vérifier ces hypothèses que nous présentons
ci-après :
 Courbes Log-Log(S)
Il s’agit d’un test graphique qui nous permet de vérifier que l’hypothèse de
proportionnalité est réalisée. Il est couramment utilisé pour les variables qualitatives
n’ayant pas un grand nombre de modalités, comme c’est le cas ici.
Pour conclure de la validité de l’hypothèse de proportionnalité, il faudrait observer

deux courbes parallèles.
La commande R qui nous a permis de tracer les courbes log-log(S) est la suivante :
plot(survfit(Surv(AncienneteE,AncienneteS,non_censure)~(ME),data=t),col=c("black
","red"),fun="cloglog")
Les graphiques obtenus :
Les graphiques obtenus sont globalement parallèles, mais cette appréciation est
subjective.
Nous effectuons donc un test basé sur les résidus pour lever toute ambiguïté.

 Résidus de Schoenfeld
Les résidus de Shoenfeld ont été introduits par THERNEAU et GRAMBSCH. Ils
représentent la différence entre la valeur, à la date de sortie de l’individu i, de la
covariable 𝑧𝑖 et sa valeur attendue (Planchet, et al.)[page 55].
Les résidus de Shoenfeld sont concluants s’il n’existe aucune tendance temporelle, et
que la tendance générale des points est une droite confondue avec l’axe des
abscisses.
Graphiques :
La fonction R qui nous a permis de tracer les résidus de Shoenfeld est la suivante :
plot(cox.zph(Cox,transform="log")[1])
R effectue, en plus de tracer les résidus, un lissage par la méthode de Splines (trait
noir plein), et le tracé des intervalles de confiances à 95%.
Les résidus de Schoenfeld montrent que l’effet du multi-équipement est globalement

stable dans le temps. On remarque un léger éloignement de l’horizontale vers la fin
de la courbe, ce qui traduit que cet effet décroit légèrement lorsque les anciennetés
sont très élevées. Ceci est cohérent, le risque de résiliation est très fort chez les
collèges ayant une très grande ancienneté qu’ils soient multi-équipés ou non.

Test analytique :
Nous représentons aussi le test analytique basé sur les résidus de schoenfeld : R
calcule la corrélation entre les résidus et une fonction du temps basée sur
l’estimateur de Kaplan-Meier
La p-value est strictement supérieure à 10%, nous en déduisons qu’il n’existe aucune
présomption contre l’hypothèse nulle.
 Au vu des différents tests effectués, nous pouvons conclure que l’hypothèse de

proportionnalité des hasards est vérifiée.

Partie VII. Préconisations techniques et

commerciales
Avant de présenter les préconisations de notre travail, il est important de dresser les
limites de ce dernier.
1. Limites de notre travail
 Nous nous sommes limités dans le cadre de ce mémoire pour la discrétisation des
différentes variables explicatives à l’expérience de tarification de l’entreprise en
ajustant parfois le degré de granularité pour les besoins des modèles. Une étude
plus approfondie basée sur des protocoles définis n’a pas été conduite. Il pourrait
être pertinent d’analyser l’impact de la réorganisation des classes de variables,
sur les résultats obtenus en suivant d’autres protocoles de stratification.
Néanmoins, une telle étude pourrait s’avérer assez couteuse en termes de temps
et de ressources sans pour autant apporter une plus-value intéressante. les
résultats peuvent être éloignés de l’expérience de l’entreprise induisant ainsi une
détérioration de la lisibilité des résultats par les différents intervenants. Par
ailleurs la mise en œuvre de ce mémoire, nécessiterait, si les résultats étaient
éloignés de l’expérience de l’entreprise, un investissement informatique
important pour réintégrer ces nouvelles strates dans les processus de
tarification, d’outils d’aide à la vente et de gestion.
 AEP est une structure récente et n’a jamais connu une évolution réglementaire de
l’ampleur de l’ANI. Cette évolution réglementaire appuyée par le décret du
contrat responsable aura inévitablement un effet sur le comportement des
salariés et des dirigeants. Ainsi nous manquons, pour cette étude, de recul par
rapport aux comportements des agents économiques face aux évolutions
règlementaires. Notre vision de l’impact final du multi-équipement comme un
vecteur commercial et technique dans la stratégie exécutive globale est de ce fait
lacunaire.
 Le rôle du réseau de distribution au-delà de la stratégie marketing qui pourrait

être menée, est primordial. Comme nous avons pu le constater tout au long de
notre étude, le comportement du réseau de distribution dépend en grande partie
de la fibre commerciale des courtiers et des opportunités d’optimisation
coût/rémunération. Dans ce cadre, la politique commerciale de la concurrence
constitue un réel biais difficilement domptable.

2. Préconisations
2.1. Préconisations techniques
Nous avons démontré que toutes choses étant égales par ailleurs, le multi-équipement
diminue la sinistralité et la probabilité de résiliation.
Forts de ce constat, il serait pertinent de différencier la population multi-équipée et non

multi-équipée lors des campagnes de revalorisation.
A noter qu’AEP dispose d’un processus de blocage de chutes appelé « Stop Résil ». En
effet, lorsqu’une entreprise notifie sa volonté de résilier son contrat, elle est contactée
par la cellule de fidélisation. Les membres de cette cellule sont des gestionnaires et des
commerciaux qui disposent de plusieurs leviers marketing et commerciaux pour
conserver l’affaire dans le portefeuille. Le fait de différencier les affaires multi-équipées
et non multi-équipées (même dans le cas où on appliquerait le même taux de
revalorisation) nous permettrait d’offrir aux commerciaux de la cellule de fidélisation un
levier supplémentaire qui permettrait de niveler les gestes commerciaux, le temps de
gestion, … etc. en fonction de la probabilité de concrétisation de l’affaire, et de la qualité
(a priori) du risque de l’affaire.
 Remarque :
Il est important de noter que les tarifs en assurances sont contractuels. Ils ne
peuvent évoluer qu’en fonction des critères de tarification préalablement cités
dans les conditions générales. A cet effet, si on souhaite différencier les
campagnes de revalorisation en fonction du multi-équipement, celui-ci doit être
intégré en amont dans les critères tarification et cité dans les conditions
générales de l’offre.
2.2. Préconisations Marketing
A l’issue de notre étude, nous pourrons dresser les recommandations suivantes pour la
création produit :
 Axer le cœur de cible autour des CSP cadres et zones favorable ou neutre,
 Favoriser la communication conjointe de deux produits santé/prévoyance :

notice commune, noms de produits similaires, …etc.,
 AEP a installé un système vertueux qui consiste à baisser sa rémunération (taux

de commissions d’apport et de gestion), lorsque le courtier, dans un contexte
commercial tendu doit baisser la sienne. Cette approche est à maintenir car elle
implique une baisse de tarifs plus visible lorsque le courtier baisse sa
commission,
 Favoriser les assiettes de cotisation qui minimisent le budget d’assurance (salarié

seul par exemple) ou à volet social important (les assiettes Famille),

 Présenter aux courtiers non spécialistes, des modèles d’argumentation de vente

adaptée au multi-équipement c’est-à-dire plus axée sur le volet social et solidaire
de la protection sociale.
Reprendre le guide du savoir-faire serait une excellente mise en œuvre. Pour rappel, le
guide du savoir-faire6 est un livret destiné au courtier qui reprend pas à pas, les
opportunités du marché, les points forts des offres commercialisées, l’approche
commerciale à adopter (choix de cible, comment décrocher un premier rendez-vous…),
et même des modèles de lettres, mailing que le courtier pourra adresser à ses clients.
2.3. Préconisations commerciales
Nous avons remarqué, tout au long de notre étude, que le manque d’expertise des
courtiers du réseau d’AEP, est un réel frein au multi-équipement.
Nous ne pouvons que trop recommander de continuer l’accompagnement des courtiers

via des formations, d’outils d’aide à la vente, des campagnes de sensibilisation de
l’intérêt du mutli-équipement. Néanmoins, nous avons imaginé, dans cet
accompagnement, un processus de ventes assistées de multi-équipement afin
d’optimiser le portefeuille déjà existant.
Dans le cadre de ses offres actuelles, AEP propose un programme TANDEM, qui vise à
vendre à la place du courtier, des renforts salariés et des extensions de garanties salariés
en santé.
En effet, les renforts salariés sont des produits individuels visant à permettre aux
salariés de souscrire des compléments de garanties pour eux et leurs ayants droit. Les
extensions de garanties sont quant à eux une option qui leur permet de les intégrer dans
le périmètre assuré si l’entreprise les exclue. (Voir figure ci-dessous)
Nous pourrons imaginer qu’à l’instar du programme TANDEM, AEP pourrait créer un
programme de vente assistée de multi-équipement.
Contrairement aux ventes de produits accessoires liés à une offre santé collective, il est
difficile d’imaginer que les commerciaux d’AEP peuvent se substituer complètement aux
courtiers pour vendre un deuxième risque. En revanche, AEP pourrait proposer, aux
courtiers non spécialistes du collectif et qui le souhaitent, un service d’optimisation de
portefeuille. Il s’agirait par exemple, de les associer, au bout de « n » ventes en santé, à
un commercial April pour les aider à obtenir des ventes supplémentaires. Les résultats
de ce mémoire pourront être facilement utilisés pour optimiser l’approche commerciale
et augmenter les taux de concrétisation.
Par exemple, le score de multi-équipement défini précédemment pourrait être utilisé

pour optimiser une liste d’entreprises à contacter et le temps de vente consacré à
chaque affaire. Les entreprises dont le score est proche de 0 pourront être exclues et
celle dont le score est proche de 1 favorisées.
6
Voir le sommaire du guide de savoir-faire en annexe 3

Par ailleurs, les taux de survies estimés par le modèle de Kaplan Meier pourront être
utilisés pour estimer le gain en rétention lié au multi-équipement de l’affaire considérée.
Sachant que la durée moyenne d’adhésion d’une affaire multi-équipée est de 6 ans, un
pourcentage du gain en rétention sur cette période peut être utilisé pour proposer des
gestes commerciaux et des baisses tarifaires pour faciliter l’acquisition de l’affaire.
Figure VII-1: Plaquette commerciale TANDEM

Conclusion
Le virage ANI mettra les acteurs de l'assurance face à un marché saturé. Le multi-
équipement se profile alors comme un réel levier permettant de fructifier et de fidéliser
le portefeuille (position défensive), ce qui place ce mémoire au cœur de la stratégie post
ANI. Nous avons cherché à dresser plusieurs études autour du multi-équipement :
- Une étude statistique du portefeuille afin d’analyser les modalités qui impactent
le plus le multi-équipement des affaires ; que nous avons étoffée par une
modélisation des profils d’affaires les plus enclins à être multi-équipés et leurs
probabilités de succès à travers une régression logistique.
- Une étude technique de la sinistralité des affaires multi-équipées en utilisant un

modèle GLM, afin d’estimer l’impact du multi-équipement, toutes choses étant
égales par ailleurs, sur la qualité du risque.
- Une étude des durées d’adhésions des affaires multi-équipées via l’estimation des
fonctions de survie par le modèle de Kaplan Meier puis la mesure de l’impact du
multi-équipement sur les chutes par le modèle de Cox.
A l’issue de ces différentes études, nous dressons les conclusions suivantes :
- Les facteurs clés de succès du multi-équipement relèvent essentiellement du

ciblage marketing et du processus de vente de l’offre. En effet, nous avons relevé
que les offres qui induisent au multi-équipement (via par exemple des notices
communes, un nom commun, des fiches d’adhésions communes), génèrent plus
de souscriptions multi-équipées. La régression logistique nous a permis de
mettre en exergue les profils d’entreprises les plus enclines à être multi-équipées.
Les résultats de ce modèle pourront être combinés à l’expérience de l’équipe
marketing pour définir le cœur de cible.
- Par ailleurs, nous avons utilisé les ODDS Ratios issus de la régression logistique
pour définir un score de multi-équipement. En effet, par un souci de simplicité et
pour permettre à toutes les personnes susceptibles d’utiliser nos résultats de les
interpréter rapidement, nous avons préféré construire une variable comprise
entre 0 et 1 qui porte la probabilité de multi-équipement. En effet, plus ce score
sera proche de 1, plus l’entreprise serait encline à être multi-équipée.
- Nous avons ensuite analysé l’effet du multi-équipement sur les chutes et les
prestations en santé. Nous avons pu vérifier et quantifier le caractère
« fidélisant » du multi-équipement. Ainsi, nous avons constaté que le risque de
chute est augmenté de 25% lorsque l’affaire n’est pas multi-équipée.
- Nous avons aussi vérifié que le multi-équipement est techniquement rentable. Le

modèle GLM utilisé met en relief, toutes choses étant égales par ailleurs, une
prestation santé inférieure de 12% lorsque l’affaire est multi-équipée.

Ce mémoire s’adresse à différentes directions (directions technique, financière, de

développement commercial et service client). A cet effet, nous avons intégré, le plus
fréquemment possible, des applications concrètes pour illustrer nos résultats et nous
avons réfléchi à différentes recommandations pour apporter des idées sur la mise en
œuvre future.
Ce mémoire peut être complété par une étude de l’impact du multi-équipement sur la
sinistralité en prévoyance.
Lorsque le recul le permettra, il serait intéressant de comparer les conclusions

théoriques de ce mémoire et l’expérience « terrain » afin de dresser un bilan constructif
pour les prochaines évolutions règlementaires.

Bibliographie
KAUFFMANN Mayeul (2009) Aide Mémoire R: Références des fonctions de R les plus courantes.
King William B. Logistic Regression - Coastal Carolina University.
Labit-Hardy Héloise (2012) Modélisation de l'espérance de vie des contrats santé.
Masiello Esterina (2014) Modèles linéaires généralisés - ISFA.
NEJI Sonia and JIGOREL Anne-Hélène La regression Logistique.
Planchet Fréderic (2015) Cours modèles de durée - ISFA.
Planchet Frédéric, Thérond Pierre and Saporta G (2011) Modélisation statistique des phénomènes
de durée: Applications actuarielles. ECONOMICA.
Rakotomalala Ricco (2014) Pratique de la Regression logistique.
Wajnberg Eric (2011) Introduction au Modèle Linéaire Généralisé - Université de Nice-Sophia-

Antipolis.
SITES WEB
Documentation juridique: http://www.legifrance.gouv.fr/
Réglementation fiscale et sociale: http://www.urssaf.fr/
Site de la Sécurité Sociale : http://www.securite-sociale.fr/
Site du centre technique des institutions de prévoyance : http://www.ctip.asso.fr/
Association pour la promotion de l’assurance : http://www.apac-asso.fr/

Annexes
I. Lettre d’accompagnement courtier édition de février 2006 :

II. Fiche Produit ANI :

III. Sommaire du guide du savoir Faire :

Langue

Mémoire Meriem RAITI - IA

Transféré par

Informations du document

Description :

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Mémoire Meriem RAITI - IA

Titre original :

Transféré par

Description :

Droits d'auteur :

Mémoire présenté le :

pour l’obtention du Diplôme Universitaire d’actuariat de l’ISFA

Par : Meriem RAITI

Les signataires s’engagent à respecter la confidentialité indiquée ci-dessus

Secrétariat : Mme Christine DRIGUZZI Signature du candidat

Bibliothèque : Mme Patricia BARTOLO

Ce mémoire vise à apporter un appui technique aux différents intervenants dans ce

Mots Clés : Multi-équipement, ANI, santé et prévoyance collectives, régression logistique,

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 1

April Entreprise Prévoyance (AEP) launched an in-depth study steered by five

Furthermore, we modelled the multi-equipment probabilities of each business

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 2

Tout d’abord, je tiens à exprimer ma profonde reconnaissance à Mme Fabienne BRERO,

Je remercie aussi Monsieur Xavier MILLAUD et Madame Esterina MASIELLO, chercheurs

Je remercie Karim BOUBAKRI, chargé d’études actuarielles au sein du service technique

Je remercie aussi Madame Françoise LOUBERSSAC, Directeur Général et Monsieur Julien

Finalement, je remercie toute ma famille et particulièrement mon frère Zakaria, et mon

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 3

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 4

2.1. Hypothèse sous-jacente au modèle ...................................................................................................... 48

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 5

3.3.1. Test de nullité globale des coefficients .......................................................................................... 81

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 6

Dans un contexte très concurrentiel et un marché extrêmement agressif où les marges

 Une vente groupée est généralement accompagnée de remises, ce qui augmente

Dans ce mémoire, nous aspirons à apporter une analyse technique du multi-équipement,

Nous orienterons notre réflexion autour des trois axes suivants :

La sinistralité : Les affaires multi-équipées ont-elles une meilleure sinistralité ?

La fidélisation : Le multi-équipement a-t-il réellement un impact sur les durées

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 7

Partie I. Contexte du mémoire

Créé en 1988, APRIL est un groupe international de services d’assurances multi-

Le modèle APRIL peut être résumé en quatre étapes :

Assurer : La prise de risques

Concevoir : Imaginer et construire les garanties et services associés

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 8

Gérer : Une relation de confiance avec les clients assurés et les

Distribuer : Rendre accessible des offres innovantes au plus grand nombre

APRIL Entreprise Prévoyance

Le succès d’AEP repose essentiellement sur l’animation et l’accompagnement du réseau

o Un réseau de distribution de plus de 4 000 assureurs-conseils, qui ont

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 9

2. Spécificités d’April Entreprise Prévoyance

2.1. Un marché collectif à dimension fiscale et sociale importante

Les avantages de la complémentaire Santé/Prévoyance collective

 Que gagne l’état ?

La complémentaire santé contribue fortement au financement de la solidarité nationale

1. La contribution de l’employeur, tout comme la part salariale, est soumise à la

3. La part patronale de la cotisation santé des entreprises de plus de 10 salariés est

La complémentaire prévoyance permet aux salariés de maintenir leurs revenus en cas

 Que gagnent les entreprises ?

Exonération fiscale et sociale : Les contributions des employeurs au financement de

Analyse technique du multi-équipement dans le cadre d’une stratégie Post-ANI 10

 Que gagnent les salariés ?

Un rapport Qualité/Prix optimal : Le caractère collectif permet de mutualiser le risque

La portabilité des droits en cas de départ de l’entreprise et loi Evin :

2.2. Un cadre règlementaire mouvant et impactant

La Convention Nationale des Cadres du 14 mars 1947

L’article 7 de ladite convention prévoit le financement d’un régime de prévoyance à

Cependant, il existe une jurisprudence dans le cadre de la CCN immobilier, où la Cour

Cette obligation a créé une réelle opportunité dans le marché de la prévoyance