See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/355747779

Estimation des provisions pour sinistres à payer

Technical Report · October 2021

CITATIONS READS

0 3,074

1 author:

Ait Hamza Moussa

Faculté des Sciences et Techniques Marrakech
5 PUBLICATIONS 0 CITATIONS

SEE PROFILE

All content following this page was uploaded by Ait Hamza Moussa on 29 October 2021.

The user has requested enhancement of the downloaded file.

 *****************************************************

Organisme d’accueil : SAHAM Assurance

Rapport de stage d’application :

Estimation des provisions pour
sinistres à payer

AIT HAMZA Moussa

Ingénierie en Finance et Actuariat
Année universitaire 2020/2021

Encadré par : SAOUTI Abdelfttah

Estimation des provisions pour
sinistres à payers

AIT HAMZA Moussa

Ingénierie en Finance et Actuariat
Année universitaire 2020/2021
Liste des abréviations :
Abréviation Désignation
IBNR Incured But Not Reported
RBNP Reported But Not Paid
PSAP Provisions pour Sinistres A Payer
MATU Mutuelle d’Assurances des Transporteurs Unis
CIMA Conférence Interafricaine des Marchés d’Assurances
AT Accident de Travail
SP Sinistres Payés
SPC Sinistres Payés Cumulés
SAP Sinistres A Payer
PA Primes Acquises
MCO Moindres Carrés Ordinaires
CM Coût moyen
GLM Modèle linéaire généralisé
i.i.d indépendants identiquement distribués
ACAPS Autorité de Contrôle des Assurances et de la Prévoyance Sociale

1
 INTRODUCTION

La génération de revenu et la production pour les entreprises pratiquant une activité

d’assurance sont très particulières. Quand une société commerciale ordinaire se base sur
le coût de revient exact pour tarifier son produit en le majorant simplement d’une cer-
taine marge de bénéfice, l’assureur, quant à lui, se heurte à l’ignorance totale ou partielle
de la charge qu’entrainera la vente d’un contrat à l’un de ses assurés. Cette incertitude
face au futur, le risque de faire une tarification déficitaire ou encore les conséquences
périlleuses d’une sousestimation des provisions font de l’assurance l’un des domaines les
plus sévèrement réglementés. Ainsi, une compagnie d’assurances est tenue de contrôler en
permanence ses bases tarifaires et d’augmenter ses provisions techniques dès que celles-ci
s’avèrent insuffisantes.

Les provisions techniques recouvrent l’ensemble des charges et paiements à prévoir

en cas d’une éventuelle sinistralité. D’après l’exigence du Ministère des finances, tous les
organismes assureurs doivent constituer des réserves selon un schéma réglementaire uni-
fié. En vue de réunir les données requises à l’ensemble de ces estimations, la tenue d’une
écriture comptable correcte fait également partie des mesures organisationnelles exigées
d’une entreprise d’assurances. Etant des dettes, les provisions techniques sont inscrites au
passif du bilan. Plus encore, elles constituent plus que sa moitié. Ainsi, une petite erreur
d’estimation du montant des provisions entrainerait une considérable variation du résul-
tat de l’entreprise. Par ailleurs, la solvabilité de cette dernière serait autrement appréciée.
Conséquemment, une grande vigilance est fortement préconisée pour ce type de calcul. Les
provisions techniques font naturellement l’objet de plusieurs placements. Par conséquent,
l’entreprise doit assurer à chaque moment une certaine liquidité pour un maximum de
sécurité.

Avant d’aborder notre travail nous avons jugé nécessaire de présenter des informa-
tions générales sur l’organisme d’accueil,Pour récapituler, nous tentons à travers ce projet
de présenter diverses méthodes de provisionnement. Nous focalisons particulièrement nos
efforts sur la simplification des techniques souvent lourdes en formules mathématiques
complexes. L’accent est également mis sur la compréhension de la philosophie se tenant
derrière la construction de chaque modèle. En résumé, notre travail vise à laisser une
trace écrite simplifiée pour l’application de chacune des techniques sélectionnées et à les
accompagner du code R donnant selon chaque méthode le calcul de la réserve finale.

2
 La constitution et l’évaluation des provisions techniques fait l’objet d’une grande
intervention de la part de l’autorité de contrôle des assurances. La réglementation est
précise sur ce point et fournit selon un schéma concis un ensemble de méthodes enchaî-
nées aboutissant à la valeur de la réserve à retenir. Cependant, ce schéma réglementaire
de provisionnement s’inscrit dans un cadre préventif et par conséquent donne lieu à une
surestimation de la provision à constituer.

Notre conception de travail commence par l’introduction des méthodes déterministes

pour calcul du Best Estimate puis la mesure d’incertitude des résultats obtenus à tra-
vers la dimension stochastique ;Il se trouve que la mieux connue et la plus utilisée des
techniques déterministes est Chain Ladder Standard. Cette dernière se base sur quelques
hypothèses faites à propos des éléments sur lesquels elle s’opère. L’algorithme qui va avec
cette technique est certes simple, mais il ne permet pas d’avoir une idée sur l’ampleur de
l’incertitude inhérente à telle ou telle estimation. Ce défaut majeur n’est pas exclusif à
Chain Ladder : il est présent dès qu’on parle de méthode non probabiliste. De ce fait, le
recours aux méthodes stochastiques est impératif.

L’usage des calculs de probabilités pour décrire le comportement des variables réserve
et incréments de paiements relève des compétences de l’actuaire et fait l’objet des tech-
niques stochastiques dédiées au provisionnement. Que l’on soit en présence de méthodes
paramétriques ou non-paramétriques, l’objectif est de cadrer la valeur prédite d’une cer-
taine variable, notamment la réserve, entre les bornes d’un intervalle de confiance. Cela se
fait après calcul de divers types de risques d’estimation. Notons par ailleurs que l’approche
stochastique est reconnue pour être plutôt complète en ce sens qu’elle permet d’obtenir
des informations sur la distribution d’un état futur.

Ainsi, l’objectif de notre travail est de trouver, avec le plus possible de précision,
la valeur estimative de la PSAP. Dans cette optique, une première partie est dédiée à
la présentation des différents éléments de la problématique. La seconde est réservée aux
techniques déterministes, allant des méthodes réglementaires recommandées par l’autorité
de tutelle jusqu’aux méthodes de ratios ou encore les variantes de Chain Ladder. La troi-
sième partie retrace quant à elle les diverses étapes de construction et de mise en œuvre
des modèles stochastiques utilisés.

Finalement, et en guise de récapitulatif, une conclusion générale vient résumer les

principaux résultats et constats établis tout au long du travail.

3
 TABLE DES MATIÈRES

1 Présentation de l’organisme d’accueil : 1

1.1 Présentation du groupe SAHAM : . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 pôles de SAHAM Group . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Organigramme du groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 les activités du SAHAM Assurance : . . . . . . . . . . . . . . . . . . . . . 3

2 Généralités de l’agence AZZAOUI ( agent général du groupe ) 4

2.1 L’organigramme de l’agence Azzaoui : . . . . . . . . . . . . . . . . . . . . 4
2.1.1 Description de l’organigramme de l’entreprise SAHAM Assurance
AZZAOUI : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3 Les provisions techniques 6

3.1 Définition générale des provisions techniques . . . . . . . . . . . . . . . . . 6
3.2 Exemples de provisions pour les opérations d’assurances Non vie . . . . . . 7
3.2.1 Justification statistique du choix des PSAP . . . . . . . . . . . . . . 8

4 Le Provisionnement en assurance non vie 10

4.1 Présentation des données utilisées : . . . . . . . . . . . . . . . . . . . . . . 11
4.2 Analyse des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

5 Les méthodes déterministes du calcul des réserves 15

5.1 méthode de Chain Ladder . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.1.1 Description de la méthode : . . . . . . . . . . . . . . . . . . . . . . 15
5.1.2 Application au triangle de règlements Auto : . . . . . . . . . . . . . 16
5.1.3 Les critiques de la méthode Chain Ladder : . . . . . . . . . . . . . 17
5.2 Méthode de London Chain . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2.1 Description de la méthode : . . . . . . . . . . . . . . . . . . . . . . 18

4
 5.2.2 Application au triangle de règlements Auto : . . . . . . . . . . . . . 19
5.2.3 Avantages de la méthode London Chain : . . . . . . . . . . . . . . . 20
5.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

6 Le modèle de Mack 24
6.1 Les hypothèses sous-jacentes au modèle . . . . . . . . . . . . . . . . . . . . 24
6.2 Validation des hypothèses : . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6.3 Calcul des provisions par année de survenance : . . . . . . . . . . . . . . . 29

7 Le calcul de provisions par la modélisation GLM 30

7.1 Composition du modèle : . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
7.1.1 La composante aléatoire : . . . . . . . . . . . . . . . . . . . . . . . 30
7.1.2 La composante systématique : . . . . . . . . . . . . . . . . . . . . . 31
7.1.3 Fonction de lien : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
7.2 Application au triangle de règlements Auto : . . . . . . . . . . . . . . . . . 32
7.2.1 Modèle Log-Normal : . . . . . . . . . . . . . . . . . . . . . . . . . . 33

8 Annexe 37
8.1 Triangle supérieur des paiements cumulés
37
8.2 Méthode Chain-Ladder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
8.3 Méthode London-Chain . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

5
 Partie I : Contexte général du
projet

Cette partie a pour but de situer le projet dans son environnement organisationnel
et contextuel. Il présente dans la première partie l’organisme d’accueil, sa structure
et ses activités, tandis que dans la deuxième partie, présente le cadre général du
projet.
 1

PRÉSENTATION DE L’ORGANISME
D’ACCUEIL :

1.1 Présentation du groupe SAHAM :

Le Groupe SAHAM est une holding marocaine opérant dans plusieurs secteurs d’ac-
tivité et investissant dans des structures à fort potentiel de croissance. Créé en 1995, le
Groupe réalise plus de 8 milliards de Dollars de chiffre d’affaires en 2013 et emploie plus
de 5 600 collaborateurs.

Le Groupe a développé des partenariats capitalistiques et commerciaux avec des ac-

teurs de grande renommée tels que Bertelsmann, Mondial Assistance, CEGEDIM, Sanam
Holding, Abraaj Capital, la Société Financière Internationale (SFI) qui sont devenus as-
sociés de certaines entités du Groupe.

Les activités du Groupe s’articulent autour de 4 axes : Assurance, Offshoring, Santé

et Immobilier.

1.1.1 pôles de SAHAM Group

A. SAHAM Finance : SAHAM finance regroupe les activités d’assurance (SAHAM
assurance), d’assistance TPA (SAHAM assistance) et de crédit à la consommation
(Taslif).

B. SAHAM Offshoring : SAHAM est l’un des pionniers du secteur de l’Offshoring

avec la création de Phone Assistance en 1999 et de BPO Insurance en 2011. Le
groupe compte 8 centres de contact et 4000 collaborateurs au Maroc.

C. SAHAM Santé : SAHAM Pharma, filiale du groupe SAHAM, a acquis en mars

2011 le site de fabrication de la société GSK Maroc, filiale du groupe international
GlaxoSmithKline. Cette acquisition a constitué une étape décisive dans la stratégie
de développement de SAHAM dans le secteur de la santé. L’activité établissements

1
 de soins santé est en cours de développement avec la conclusion très récente d’un
partenariat avec un opérateur européen de premier plan.

D. SAHAM Immobilier : Le Groupe SAHAM a choisi de mettre sa rigueur et son

savoir-faire au service de projets immobiliers d’envergure, à travers la création de
SAHAM Immobilier, qui a initié un ensemble de projets immobiliers au Maroc.

E. SAHAM Fondation : Portée par une vision citoyenne, la Fondation SAHAM

créée en 2008 s’engage auprès de populations dans le besoin, pour accélérer le
développement des pays où le Groupe est présent en Afrique et au MoyenOrient.

Figure 1.1 – Les différents pôles de SAHAM Group.

1.2 Organigramme du groupe

Figure 1.2 – Organigramme de SAHAM Assurance.

2
1.3 les activités du SAHAM Assurance :
— Addamane Auto A & C1 : un produit d’assurance automobile destiné à toutes
les personnes possédant un véhicule de tourisme ou de commerce inférieur à 3.5t.

— SECURITA PRO : est une multirisque professionnelle qui a pour objet de ga-
rantir l’Assuré au titre des risques liés à son activité professionnelle.

— RC Chasse : est produits d’assurance qui a pour objet de courir les conséquences
pécuniaires de la responsabilisé civile que l’assuré pourrait encourir suite à la pra-
tique de la chasse.

— Individuelles accidents : ont pour objet de garantir l’assuré contre les consé-
quences réelles et directes de tout accident corporel dont il pourrait être atteint
pendant la durée du contrat.

— Assur’Santé : a pour objet le remboursement d’une partie des frais de soins de

santé engagé par l’assuré ou les membres de sa famille à charge.

— Temporaire décès : produit qui garantit le versement d’un capital aux bénéfi-
ciaires désignés, en cas de décès ou d’invalidé totale de l’assuré.

— RECORE : un produit d’épargne retraite complémentaire qui permet à l’assuré

de constituer une retraite au terme du contrat.

3
 2

GÉNÉRALITÉS DE L’AGENCE AZZAOUI

( AGENT GÉNÉRAL DU GROUPE )

Diriger par Mr.Mohamed AZZAOUI

Intermédiare d’assurance régi par la loi N°17/99
Portant code des assurances décision
Du 25 septembre 2008
N°27,Imm5,Sidi Abbad 5,Angle Avenue Abdelkrim
Khatabi et avenue Prince Moulay Abdellah marrakech
Tel/Fax : 05 24 31 29 29 Tel : 06 61 63 00 03

2.1 L’organigramme de l’agence Azzaoui :

Figure 2.1 – Organigramme de SAHAM Assurance AZZAOUI.

2.1.1 Description de l’organigramme de l’entreprise SAHAM

Assurance AZZAOUI :
3 salariés travaillent au sein de l’entreprise SAHAM Assurance AZZAOUI. Ces per-
sonnes s’occupent des opérations de production, de secrétariat, d’archivage, de compta-
bilité et de sinistre.

4
 ♣ Service de Secrétariat : il a pour missions :
X D’accueillir les clients ;
X Classer les dossiers des clients ;
X Faire des photocopies sur les documents.

♣ Service de Gestion du production : c’est un service très actif au sein de SA-

HAM Assurance AZZAOUI Il a pour objectif de :
X Gérer les souscriptions des affaires nouvelles (automobile, cyclomoteurs, véhicules di-
vers. . . ) ;
X La production des assurances automobile ;
X Renouveler les contrats d’assurances ;
X Envoyer des courriers à la compagnie.

♣ Service de comptabilité, finance et recouverement :

X comptabiliser et régulariser les actes de commerce effectués en les enregistrant dans la
caisse et le cahier de la comptabilité ;
X calculer les gains de l’agence, ses propres recettes et ce qu’elle doit payer à la compagnie
d’assurance.

♣ Service de Sinistre :
X la réception des déclarations des sinistres .
X traitement et la gestion des dossiers sinistrés .
X vérification des déclarations.
X identification de la démarche à suivre pour réparer les dommages subis par l’assuré.

♣ Service d’Archivage :
X classer les dossiers ;
X achever les dossiers.

5
 3

LES PROVISIONS TECHNIQUES

3.1 Définition générale des provisions techniques

Les provisions techniques est la désignation du montant que l’assureur doit mettre de
côté en vue de faire face aux charges éventuelles de la sinistralité. Elles servent également
à anticiper les prestations que l’assureur doit verser aux bénéficiaires suivant les termes
du contrat. De façon générale, il s’agit de la somme affectée par l’entreprise d’assurances
à la couverture d’une charge ou d’une perte virtuelle, future ou éventuelle relative à son
engagement envers les assurés.

Le terme technique permet de faire la distinction des autres provisions comme les
provisions pour risques et charges ou encore les provisions pour dépréciation.

Très vaguement, pour le cas de l’assurance de personnes à déroulement court ou bien

pour le cas de l’assurance non-vie, les provisions sont tributaires du décalage possible
entre la survenance du fait dommageable, générateur du paiement de l’indemnité et le rè-
glement effectif de cette indemnité. Nous avons donc deux types principaux de provisions :

— Provisions pour sinistres connus ; reportés mais pas encore payés (RBNP).

— Provisions pour sinistres inconnus ; survenus mais pas encore déclarés qu’on nomme
tardifs (IBNR).

Ainsi, L’évaluation des provisions doit être suffisante et prudente, en tenant compte
de l’ensemble des frais qui peuvent découler des garanties données. En pratique, cette
évaluation doit être en moyenne supérieure au coût final des sinistres et l’appréciation
définitive ne peut bien entendu être vérifiée qu’a posteriori, une fois tous les sinistres
réglés et les contrats arrivés à échéance.

6
3.2 Exemples de provisions pour les opérations d’as-
surances Non vie
Du fait que les provisions techniques constituent environ 80 % et plus du passif des en-
treprises d’assurance et de réassurance, leur calcul avec le maximum de précision présente
un enjeu majeur pour la compagnie. Le code des assurances prescrit, aux sociétés d’assu-
rances non vie, la tenue de plusieurs types de provisions techniques ; les plus essentielles
sont :
— La provision pour sinistres à payer (PSAP) : représente la valeur estimée des
dépenses d’indemnisation et des frais nécessaires au règlement de tous les sinistres
survenus et non payés ou non encore totalement payés.

— La provision pour primes non acquises (PPNA) : permet d’évaluer la part

des primes à acquérir entre la date de l’inventaire et l’échéance des primes parmi
les primes émises.

— La provision pour risque en cours (PREC) : représente la part des garanties

couvertes par l’assureur entre la date d’inventaire et l’échéance de la prime pour
ce qui n’est pas couvert au titre de la provision pour primes non acquises.

— La provision pour risques croissants (PRC) : est une provision pour les
risques de maladie et d’invalidité, dont l’indemnisation est susceptible d’augmen-
ter avec le temps.

— La provision pour égalisation : est destinée à faire face aux fluctuations de

sinistralité exceptionnelles (catastrophes naturelles, risques nucléaires, risques spa-
tiaux, responsabilité civile dus à la pollution, attentats et crédit).

— La réserve de capitalisation (RC) : est destinée à lisser les résultats financiers

des placements obligataires à taux fixe en cas de variation des taux. Les plus-
values réalisées en cas de cession d’obligations lui sont affectées. Les moins-values
réalisées lui sont imputées. La réserve de capitalisation fait partie des éléments
constitutifs de la marge de solvabilité.

— Les provisions pour risque d’exigibilité (PRE) : provision destinée à faire

face aux engagements dans le cas de moins-value latente de l’ensemble des actifs
non obligataires.

— Provisions pour appareils de prothèse : C’est le montant destiné à indemniser

l’assuré en cas d’achat ou même de renouvellement d’appareils de prothèse.

Nous allons nous focaliser dans ce rapport, sur l’évaluation des Provisions pour Si-
nistres A Payer (PSAP), qui constituent la part la plus importante des provisions tech-
niques des sociétés d’assurance . Et ce, en utilisant des méthodes réglementaires, déter-
ministes puis stochastiques.

7
3.2.1 Justification statistique du choix des PSAP
Pour justifier le choix des PSAP, nous avons pensé à comparer le volume de chacune
des provisions constituées par la MATU pour la période s’étalant de l’année 2014 à l’année
2016.

Figure 3.1 – : Les provisions techniques par type pour la période 2014-2016.

Pour mieux illustrer notre comparaison, nous passons par un graphe représentatif des
montants de ces provisions et ce, pour chacune des trois années :

Figure 3.2 – : Histogramme des provisions techniques par type pour la période 2014-
2016.

Le graphe ci-dessus montre d’une manière triviale la prédominance des provisions

pour sinistres à payer sur le reste des provisions. En effet, le montant des PSAP à lui
seul représente environ 90%. Le reste des provisions sont clairement négligeables devant
le volume des PSAP.
Le diagramme en secteur de la moyenne sur les années 2014-2016 des montants des
provisions, nous confirme l’idée déjà établie sur l’importance cruciale des PSAP. Ainsi,
ces dernières détiennent environ 90% du montant global des provisions de tout le marché.
Le reste des provisions techniques sont infinitésimales et, groupées ensemble, n’arrivent
qu’à 10% du total.
Ainsi, vu leur importance, nous consacrons notre projet à l’étude des PSAP.

8
Figure 3.3 – : le diagramme en secteur des provisions par type pour la période 2014-2016.

9
 4

LE PROVISIONNEMENT EN
ASSURANCE NON VIE

Avant de commencer l’étude des méthodes de provisionnement, il est important d’avoir

une idée sur le provisionnement en assurance non vie. Rappelons que le cycle de produc-
tion en assurance est inversé, c’est pourquoi il est important de constituer à tout moment
des provisions afin de régler les sinistres.

La spécificité de l’assurance est l’inversion du cycle de production. Lors de la sous-

cription d’une police d’assurance, l’assureur promet à l’assuré une indemnisation en cas
de réalisation d’un sinistre et ceci moyennant une prime qu’il reçoit soit mensuellement
ou annuellement. Cette prime est versée d’abord par l’assuré et si toutefois un sinistre
survient pendant la période d’exposition (de couverture de sinistre) alors l’assureur s’oc-
cupe du règlement du sinistre survenu. L’indemnisation suit tout un processus et passe
par des étapes comme l’indique le schéma ci-dessous :

Figure 4.1 – : Dynamique de la vie d’un sinistre.

On peut remarquer sur cette figure qu’il y’a quatre étapes qui définissent la dynamique
d’un sinistre. En effet, après la survenance d’un sinistre pendant la période de couverture,
l’assuré déclare à l’assureur qui effectue à son tour des règlements. Une fois que tous les
règlements ont été effectués, l’assureur peut clôturer ce sinistre. Les règlements futurs sont
estimés par la compagnie d’assurance à partir de plusieurs critères et méthodes de provi-
sionnement. Ces estimations concernent non seulement les sinistres survenus et déclarés
à la compagnie mais aussi les sinistres survenus et non déclarés à la date de l’inventaire.
Les sinistres survenus non déclarés sont appelés les tardifs ou sinistres Incurred But Not
Reported (IBNR).

10
 Pour faire face aux différents sinistres, les assureurs estiment donc des provisions qui
tiennent compte de l’inversion du cycle de production.

4.1 Présentation des données utilisées :

Les données sont représentées sous forme de triangle qui reflète la dynamique de li-
quidation des sinistres. Dans ce mémoire, les données utilisées sont confidentielles, c’est
pourquoi nous ne précisons pas la filiale choisie, les années de sinistres et de développe-
ment.

Ainsi l’étude effectuée porte sur un triangle de règlements d’historique comptables issu
de la branche automobile de l’une des filiales de SAHAM Finances dans la zone CIMA.

Les données utilisées sont annuelles et les notations utilisées sont les suivantes :

— i : l’indice des années de survenance i=1, . . . n

— j : l’indice des années de développement

— Yi,j : les paiements non cumulés des sinistres survenus l’année i , en i+j-1 années
de développement.

— Ci,j : les paiements cumulés des sinistres survenus l’année i, en j années de déve-
loppement.
k=j
X
Ci,j = Yi,1 + Yi,2 + Yi,3 + ... + Yi,j = Yi,k (4.1)
k=1
Le triangle contenant les paiements cumulés se présente sous la forme ci-dessous :

Figure 4.2 – : Triangle des paiements cumulés.

L’objectif est d’estimer la partie inférieure du triangle de liquidation à partir des in-
formations que nous disposons dans la partie supérieure. Les Ci,j sont les valeurs estimées
des règlements cumulés.

11
 Figure 4.3 – : Table des paiements cumulés estimés.

Après l’estimation des Ybi,j et Cbi,j , on peut déterminer les provisions pour chaque
année de sinistre notées :

i,n+2−i + Yi,n+3−i + ... + Yi,n = Ci,n − Ci,n+1−i

b = Yb
R b b b (4.2)
i

La réserve totale s’obtient à partir de l’expression :

n
X n
X
b =
R b =
Ri (Cbi,n − Ci,n+1−i ) (4.3)
i=2 i=2

4.2 Analyse des données

Dans cette section, nous allons observer la manière dont varie le montant des règle-
ments des sinistres en fonction du temps écoulé depuis la survenance des sinistres en
question. Cet écart temporel ou délai de règlement est exprimé en année.

Dans le but de simplifier l’exploitation de notre base de données, nous n’avons gardé
que les SP. Ainsi, sur une même ligne, nous retrouvons le montant des paiements de si-
nistres par année de survenance commune répartis selon un délai de paiement croissant
de 0 à 7 années.

Figure 4.4 – : Table des paiements cumulés .

12
 Le diagramme ci-dessous est la représentation graphique simultanée d’une multitude
de courbes. Chacune d’elles se réfère à une année de survenance. Ainsi, nous retrouvons
sur l’ordonnée le montant des paiements de sinistres cumulé et sur l’abscisse le délai de
règlement correspondant.

Figure 4.5 – : le montant des paiements de sinistres cumulé en fonction de délai de

règlement .

Il est ainsi clair que le cumul des paiements s’accroit de façon spectaculaire durant
les trois premières années. Les paiements qui se font par la suite sont moins volumineux ;
cela se voit à la petite pente que prend la courbe une fois la 3ème année dépassée.

13
 Partie II : Calculs non
stochastiques des PSAP

Cette partie traite une multitude de méthodes déterministes et d’inventaires pour

le calcul de provisions, elle regroupe un ensemble de méthodes non stochastiques,
explicite leur principe de base et présente le résultat de chacune de ces méthodes.

14
 5

LES MÉTHODES DÉTERMINISTES DU

CALCUL DES RÉSERVES

Les méthodes déterministes reposent sur la stabilité du délai qui s’écoule entre la
survenance d’un sinistre et les règlements. Ces méthodes s’avèrent plus pratiques dans
l’estimation de la charge finale lorsque les hypothèses suivantes sont vérifiées :

— Absence de changement de structure du portefeuille

— Absence de l’inflation. . .

5.1 méthode de Chain Ladder

5.1.1 Description de la méthode :

Les méthodes Chain Ladder font partie des méthodes déterministes les plus connues
et les plus répandues dans le calcul des provisions. Particulièrement simples et directes,
ces méthodes ne requièrent qu’une base de données triangulaire, éventuellement le triangle
de liquidation.Il s’agit de considérer que l’évolution des charges cumulées d’une année à
une autre reste semblable pour toutes les années de survenance. Cette évolution est ca-
ractérisée par un facteur multiplicatif propre à chaque année de développement.
Tout au long de cette section, on reste fidèle aux notations suivantes :

— I est l’indice de l’année de survenance.

— J est l’indice du délai de déroulement.

— Ci,j est le le montant des paiements cumulé jusqu’en l’année de développement j

des sinistres survenus en l’année d’accident i.

— N est l’indice de l’exercice dont on cherche la provision. Puisque nos indices com-
mencent avec un zéro, nous travaillons donc sur n+1 années.

15
 Considérons le facteur de développement individuel :
Ci,j+1
λj = ∀i, j = 1, ..., n (5.1)
Ci, j
La méthode de Chain Ladder repose sur l’hypothèse d’indépendance des facteurs de dé-
veloppement λj des années de survenance.

Disposant d’un triangle de n années et en considérant les coefficients de passage d’une

année à une autre commun pour les années de survenance, l’estimateur du facteur de
développement est donné par :
Pn−j
Ci,j+1
λ
c
j = Pi=1
n−j j = 1, ..., n (5.2)
i=1 Ci,j

Ces facteurs nous permettent d’estimer par la suite :

— Les charges ultimes par exercice :
j−1
Y
Ci,j = Ci,n+1−i × λ
c
j (5.3)
j=n+1−i

pour i ∈ {2, ..., n} et j ∈ {n + 2 − i, ..., n}

— Connaissant ces charges futures, on détermine le montant de provision pour l’année
de survenance i par la relation :

R b −C
b =C (5.4)
i i,n i,n+1−i

pour i ∈ {2, ..., n}

— Le montant total de réserve sera donc estimé comme suit :
n
X n
X
b =
R b =
Ri (Cbi,n − Ci,n+1−i ) (5.5)
i=2 i=2

5.1.2 Application au triangle de règlements Auto :

Nous présentons dans la table suivante le triangle des règlements cumulés, utilisés
pour estimer la réserve :

Les coefficients de développement se présentent ainsi :

16
 Suite à une application directe des formules précédentes, on complète les éléments
manquants du tableau pour aboutir aux valeurs des réserves annuelles et à l’estimation
de la valeur globale :

Figure 5.1 – : Table de règlements estimés par la méthode de Chain Ladder .

Après l’estimation des règlements futurs, on détermine les réserves par année de sur-
venance comme mentionné précédemment :

i PSAP
0 0
1 39896,45143
2 82832,10812
3 120931,4584
4 152741,5399
5 166313,9824
6 320511,4987
7 660910,2666
TOTAL 1544137,306

Figure 5.2 – : Provisions de Chain Ladder par année de survenance .

La réserve totale obtenue par Chain Ladder est :

P SAPT OT AL = 1544137

5.1.3 Les critiques de la méthode Chain Ladder :

La méthode de Chain Ladder repose sur des hypothèses qui ne sont pas toujours réa-
listes dans la pratique. Le principe selon lequel le cumul d’une année de développement
est proportionnel à celui de l’année précédente doit être semblable pour toutes les années

17
de sinistres. Ce principe ne tient pas compte au cours du temps de l’évolution probable
dans le déroulement des règlements de sinistres. Par exemple, en cas de changement de
management au niveau de la gestion des sinistres visant à optimiser le rythme de règle-
ments des sinistres.

Par ailleurs, l’instabilité de la prévision des charges finales pour les années récentes est
inquiétante. Notons que la charge finale de la dernière année du triangle est le résultat du
produit de j estimations des facteurs de développement λ b , j ∈ 0, . . . , J . Cette analyse
j
montre une forte sensibilité à la première valeur.

5.2 Méthode de London Chain

5.2.1 Description de la méthode :

Introduite par Benjamin et Eagles [1986], la méthode de London Chain est une géné-
ralisation de la méthode de Chain Ladder.

En effet, les hypothèses de la méthode de Chain Ladder sont reprises mais cette
méthode repose sur une réalité moins contraignante entre les états Ci,j , Ci,j+1 . Ce modèle
suppose, contrairement à Chain Ladder, que les points (Ci,j+1 , Ci,j ) sont sensiblement
alignés autour d’une droite qui ne passe pas obligatoirement par l’origine. Cela signifie
que la dynamique des Ci,j+1 est de la forme suivante :

Ci,j+1 = λj × Ci,j + αj ∀i = 1, ..., n, et j = 1, ..., n − 1 (5.6)

Cette relation s’assimile à une relation de régression linéaire simple où :

— λj : est le paramètre de la régression linéaire simple.

— αj : est la constante de régression.

L’estimation porte sur (2n-2) paramètres donc deux fois plus de paramètres que dans
la méthode de Chain Ladder. Le modèle London Chain étant sous forme linéaire, nous
estimons ses paramètres par la méthode des moindres carrés.
n−j
(Ci,j+1 − λj × Ci,j − αj )2 }
X
(λj b j ) = Argmin{
b ,α (5.7)
i=1

On cherche à déterminer pour tout j :

1 Pn−j
i=1 (Ci,j ∗ Ci,j+1 ) − C̄j ∗ C̄j+1
c = n−j
λ (5.8)
j
1 Pn−j 2 (j)2
i=1 C̄i,j − C̄j
n−j
Où
(j) 1 n−j
X
C̄j = Ci,j (5.9)
n − j i=1

(j) 1 n−j
X
C̄j+1 = Ci,j+1 (5.10)
n − j i=1

18
En fin les αj et λj sont estimés comme suit :
(j) (j)
b j = C̄j+1 − C̄j ∗ λ
α b
j (5.11)

et :
b = cov(colonnej, colonnej + 1)
λ j (5.12)
var(colonnej)

5.2.2 Application au triangle de règlements Auto :

En estimant les paramètres du modèle, nous obtenons les résultats suivants :

j lambda alpha
1 1.64 -19116
2 0.995 45365
3 1.047 -5819
4 1.005 5206
5 0.98 17761
6 1,5399 −205738
7 1 0

Figure 5.3 – : Estimation des paramètres de London Chain .

Ces paramètres permettent d’estimer les règlements futurs notés :

b ×C
Cbi,j+1 = λ b +α b j ∀i = 1, ..., n, et j = 1, ..., n − 1 (5.13)
j i,j

Figure 5.4 – : Table des règlements estimés par London Chain .

Connaissant les règlements estimés, nous pouvons déterminer les provisions par année
de survenance :

19
 i PSAP
0 0
1 97417, 66667
2 1, 75 × 105
3 3, 02 × 105
4 3, 93 × 105
5 3, 74 × 105
6 6, 57 × 105
7 1, 01 × 106
TOTAL 3008582, 231

Figure 5.5 – : Provisions de London Chain par année de survenance .

La réserve totale obtenue par la méthode de London Pivot est :

P SAPT OT AL = 3008582, 231

On remarque que la réserve de London Chain est plus élevée que celle obtenue par
la méthode de Chain Ladder. Nous parlons en général d’une méthode prudente. Néanmoins
même si l’hypothèse fondamentale de cette méthode est vérifiée, nous faisons attention
au risque de sur provisionnement.

5.2.3 Avantages de la méthode London Chain :

La méthode London Chain prend en compte à la fois une tendance multiplicative et une
autre additive ce qui fait qu’elle est plus élaborée et plus souple que la méthode de Chain
Ladder. De plus, cette méthode suppose l’alignement des points (Ci,j ,Ci,j+1) mais
relâche l’hypothèse du passage de la droite de régression par l’origine. Le relâchement de
cette contrainte peut être validé à l’aide d’un test de significativité portant sur le facteur
incrémental.

La formulation de ce test est donnée par :


H : αj = 0
0
(5.14)
H1 : αj 6= 0

En supposant la normalité des résidus j , on peut montrer que :

σj2 σj2 C̄j2

b j ∼ N (αj ,
α + ) (5.15)
I − j (I − j − 1)Sc2j

5.3 Conclusion
Le large recours et l’universalité des méthodes de Chain Ladder se justifient
uniquement par leur simplicité de mise en oeuvre. En effet, Chain Ladder doit sa
popularité dans le monde de l’actuariat à sa capacité de manipulation des données
triangulaires rien qu’en faisant appel à une régression linéaire simple.

20
 Par ailleurs, bon nombre de méthodes déterministes font de la régression linéaire un
pilier majeur. Ainsi, ces méthodes supposent que les éléments du triangle de liquidation
revêtent une certaine régularité, chose qui est nuancée dans le monde réel. En effet,
plus la branche étudiée est à déroulement lent, plus il devient très difficile d’affir-
mer de telles hypothèses et de baser ses calculs sur des régressions simples. Cela peut
engendrer de grands risques de paramétrisation entrainant des estimations moins robustes.

De ce fait, quoi que simples, les méthodes déterministes présentent plusieurs

inconvénients qui limitent leur performance. En voici quelques uns :

• Elles ne sont habilitées à détecter les irrégularités potentielles du triangle étudié ;

• Elles rendent impossible toute prise en compte d’un changement de jurisdprudence,
une inflation non-constante, une innovation quant à la gestion de la sinistralité... ;
• Elles ne permettent pas la modélisation par une loi de probabilité pour la provision
globale.
Ces problèmes et bien d’autres poussent l’actuaire à chercher une méthodologie plus
rigoureuse. C’est pourquoi et afin de bien cerner les incertitudes inhérentes à la procédure
de provisionnement, il est nécessaire d’avoir recours aux méthodes stochastiques. En effet,
ces dernières permettent, en plus d’une modélisation probabiliste de la réserve ultime, de
quantifier la marge d’erreur existante pour chaque estimation faite.

21
 Partie III : Les méthodes
stochastiques pour le calcul des
provisions

Cette section est dédiée aux méthodes stochastiques pour le calcul de la PSAP.
Elle est subdivisée en deux chapitres, chacun traitant d’un modèle stochastique à
part.

Chaque chapitre est fidèle à une certaine logique dans la construction du modèle.
En effet, les hypothèses de base viennent en premier lieu, la construction du modèle
et l’estimation de ces paramètres vient ensuite permettre le calcul de la provision
ultime et des risques d’estimation qui s’y rapportent. La phase finale est sans doute
la validation du modèle par la vérification du degré de la véracité des hypothèses
énoncées au tout début de la modélisation.

Le premier chapitre de cette partie se rattache au modèle de Mack. Le second

explicite l’application des modèles linéaires généralisés à la problématique du
provisionnement.

22
 INTRODUCTION

Le recours aux techniques stochastiques pour le calcul des provisions en

assurance est très recommandé. Ces méthodes requièrent une application de notions
probabilistes et statistiques avancées. De ce fait, elles relèvent des compétences de
l’actuaire.

L’adoption des modèles stochastiques en tant qu’outil efficace d’estimation de la

réserve pour sinistre vient en réponse aux normes modernes d’évaluation du patrimoine
d’une compagnie d’assurances. C’est dans ce sens qu’on parle du principe du « best
estimate » des engagements techniques. . .

Les techniques probabilistes viennent certainement pallier à quelques lacunes

présentes dans l’application des méthodes déterministes. En effet, l’usage des méthodes
de calcul à caractère stochastique permet entre autres de quantifier quelques erreurs de
prédiction, d’estimer plusieurs paramètres de provisionnement appropriés au type d’in-
terprétation que l’on veut établir. . . Le plus important est qu’une méthode stochastique
donne généralement une explication logique des procédés des techniques déterministes.

Un modèle stochastique suppose que la variable à modéliser possède un élément

aléatoire. Dans cette partie, nous présentons deux 2 autres modèles usuels à savoir :
Le modèle de Mack et les modèles GLM qui permettent non seulement l’obtention des
provisions mais aussi de déterminer le degré d’incertitude correspondant à la réserve. Ce
qui peut s’avérer une information capitale pour les stratégies financières de la compagnie.

23
 6
LE MODÈLE DE MACK

De manière très simple, le modèle de Mack n’est autre que le formalisme pro-
babiliste qui justifie la technique déterministe Chain Ladder Standard. L’élaboration de
ce modèle est plus ou moins récente ; elle remonte à l’année 1993. Elle est tributaire du
grand souci des chercheurs de fournir un modèle stochastique dont les résultats coïncident
avec ceux de la méthode de Chain Ladder.

6.1 Les hypothèses sous-jacentes au modèle

Le modèle de Mack repose sur quelques hypothèses de départ. Elles sont au nombre de
trois et peuvent être présentées ainsi :

• H1 : Hypothèse sur l’indépendance entre les lignes du triangle de liquidation. Ainsi,

Ci,j est indépendant de Ci0 ,j pour i 6= i0 . Cette hypothèse peut être remise en
question, notamment en cas d’un grand changement dans la gestion des sinistres
d’une année à une autre. . .
• H2 : Le processus (Ci,j )j>0 est markovien. On introduit les facteurs de développement
déjà vus dans la méthode de Chain Ladder Standard λj et on a, pour chaque j=0,. . . ,
n-1 un λj tel que pour tout i allant de 0 à n :

E(Ci,j+1 /Hi,j ) = λj × Ci,j (6.1)

Hi,j étant le vecteur des éléments du triangle des paiements pour une année d’origine
i à gauche de Ci,j+1 ou encore Hi,j = (Ci,0 , ..., Ci,j )
• H3 : Hypothèse relative à la volatilité des données. Le modèle suppose que pour une
année d’origine définie nous avons, pour tout j = 0, . . . , n − 1 on a un σj2 tel que :

V (Ci,j+1 /Hi,j ) = σj2 × Ci,j (6.2)

6.2 Validation des hypothèses :

H1 ) :

La validation de H1 peut se faire graphiquement en utilisant les résidus. Ces

résidus ne sont autres que les différences entre les règlements connus à postériori et leurs

24
estimations. Ainsi, les résidus obtenus ne doivent pas être corrélés.

Un autre moyen plus connu est le test d’indépendance. Dans la suite, nous allons
exécuter les étapes à effectuer pour la réalisation de ce test.
a) La première étape consiste à déterminer les facteurs de développement individuels :
Ci,j+1
λj = et les facteurs médians ∀i, j = 1. . . .n
Ci,j

Figure 6.1 – : facteurs de développement individuels et facteurs médians .

b) On remplace dans l’étape suivante par 1 tous les facteurs de développement

individuels supérieurs ou égaux à la médiane et par 0 sinon. On obtient le triangle
suivant :

Figure 6.2 – : Identification et Remplacement des facteurs de développement .

c) Pour chaque année de développement j, on détermine βj et γj tels que :

βj :Nombre doccurence de 0 pour lannée j
γj :Nombre doccurence de 1 pour lannéej
d) En fin, on définit une variable noté : θj = min(βj , γj ).

D’après Mack, Cette variable suit asymptotiquement une loi binomiale de

paramètres nj = βj + γj et p = 0.5.

L’espérance et la variance de cette variable s’écrivent :

nj (nj − 1)! nj
E(θj ) = −( ) nj (6.3)
2 (mj !)(nj − 1 − mj )! 2

nj − 1 (nj − 1)! nj − 1
V (θj ) = nj ( )−( )nj nj + E(θj ) + E(θj )2 (6.4)
4 (mj !)(nj − 1 − mj )! 2

25
 nj − 1
A noter que : mj = .
2
Les résultats obtenus sont regroupés dans le tableau suivant :

i βj γj θj nj mj E(θ) V (θ)
0 3 4 3 7 3 3.39 1.74
1 2 4 2 6 2.5 2.81 1.46
2 2 3 2 5 2 2.19 1.15
3 0 4 0 4 1.5 1.5 0.75
4 1 2 1 3 1 0.75 0.1875
5 1 1 1 2 0.5 0 -0.5

Figure 6.3 – : Provisions de London Chain par année de survenance.

Nous ne testons pas les θj de manière séparée. On considère plutôt une variable tel que :

Pn−1
θ= j=2 θj = 9

Avec :

E(θ) = n−1
P
E(θj ) = 10.64
Pj=2
n−1
V (θ) = j=2 V (θj ) = 4.79

On suppose que θ suit une distribution normale, on peut écrire l’intervalle de confiance
de θ comme suit :
q
IC(θ) = [E(θ) ± V (θ)] = [8, 45; 12, 83] (6.5)

En se plaçant à un niveau de confiance de 95%, nous remarquons que θ ∈ IC donc nous

ne rejetons pas l’hypothèse d’indépendance des années d’origine.

H2 ) :

Cette hypothèse porte sur la linéarité entre les paiements cumulés. Il s’agit
donc de vérifier si les points (Ci,j , Ci,j+1 ) sont sensiblement alignés sur une droite
passant par l’origine. Pour cela, nous avons considéré Y = Ci,j+1 , X = Ci,j et ensuite
calculé les coefficients de détermination afin de mieux apprécier la qualité de l’ajustement.

26
 Figure 6.4 – : représentation des couples (Ci,j , Ci,j+1 ).

A partir de ces graphes, nous constatons que les points (Ci,j , Ci,j+1 ), i =
0, ..., n − j − 1, j = 0, ..., n − 1 sont alignés sur une même droite et c’est seulement pour
la première année de développement que certains points se détachent de la droite de
régression. De plus, ces droites passent quasiment par l’origine pour toutes les années de
développement.

H3 ) :

Pour cette dernière hypothèse, il suffit d’observer si les points (Ci,j , ri,j ), i =
0, ., n − j − 1 suivent une tendance spécifique. Si ce n’est pas le cas, nous diront qu’elle
est vérifiée.
Ci,j+1 − λj Ci,j
Ces résidus sont déterminés par la formule suivante : ri,j = q
Ci,j
Représentons graphiquement les couples (Ci,j , ri,j ), i = {0, ., n − j − 1} :

27
Figure 6.5 – : représentation des points (Ci,j , ri,j ).

28
D’après les graphes ci-dessus, on remarque qu’aucune tendance spécifique n’est observée
et ceci pour toutes les années de développement. Par conséquent l’hypothèse H3 vérifiée.

6.3 Calcul des provisions par année de survenance :

Rappelons que le modèle de Mack est la méthode stochastique relative à la méthode de
Chain Ladder. Les réserves obtenues sont identiques d’où :

P SAPT OT AL = 3008582, 23

29
 7
LE CALCUL DE PROVISIONS PAR LA
MODÉLISATION GLM

La modélisation GLM consiste à chercher une loi paramétrique suivie par les
règlements. Nous supposons dans l’application de ce modèle l’indépendance des paiements
annuels non cumulés Yi,j ainsi que leur appartenance à la famille exponentielle.

7.1 Composition du modèle :

Les modèles GLM sont formés de trois composantes principales dont : une composante
aléatoire, une composante systématique et une fonction de lien notée g.

7.1.1 La composante aléatoire :

Elle est représentée par les paiements non cumulés Yi,j , 0 ≤ i, j ≤ n − 1. La densité
associée à ces paiements est :

Yi,j ∗ θi,j − b(θi,j )

f (Yi,j /θi,j ; φ) = exp ( − c(Yi,j , φ)) (7.1)
φ
ωi,j

θi,j : Un paramètre réel appelé paramètre naturel

φ : Paramètre de dispersion
ωi,j : Une pondération donnée
b et c : des fonctions spécifiques de la distribution avec b ∈ C2 à valeurs dans R et c à
valeurs dans R2 .

30
Exemples de familles exponentielles :
Distribution θ(µ) b(θ) a(ϕ0 )
Normale µ b(θ) σ2
Poisson log(µ) eθ 1
1 1
Gamma − − log(−θ)
µ ϑ
Figure 7.1 – : Exemples de familles exponentielles.

On exprime l’espérance et la variance par les formules :

E(Yi,j ) = b0 (θi,j ) (7.2)

et :
φ
V ar(Yi,j ) = b00 (θi,j ). (7.3)
ωi,j

7.1.2 La composante systématique :

Dans le cas du provisionnement, cette composante s’écrit :

ηi,j = µ + βj + αi

— βj : Paramètre lié à la j ème année de développement.

— αi : Paramètre lié à la ième année de survenance.

— µ : la moyenne générale.
(α0 , . . . , αn−1 ) et (β0 , . . . , βn−1 ) sont respectivement les effets lignes et colonnes du modèle
à estimer.

7.1.3 Fonction de lien :

La fonction de lien comme son nom l’indique est celle qui fait le lien entre la composante
aléatoire et la composante systématique.

g(µi,j ) = ηi,j

Après avoir défini ces trois composantes, nous écrivons :


µi,j

 = g −1 (ηi,j )
E(Yi,j ) = µi,j (7.4)



V(Yi,j ) = φV (µi,j )
Le choix de la fonction de lien n’est pas arbitraire. En effet, la fonction choisie doit
nous assurer que les valeurs obtenues par le modèle sont de même nature que les valeurs
d’origine.

31
Exemples de fonction de lien :

7.2 Application au triangle de règlements Auto :

Rappelons que le modèle GLM est appliqué au triangle initial .

0 1 2 3 4 5 6 7
an sur 1 192130 137414 32242 14021 5119 10268 5485 27076
an sur 2 260780 167399 52963 20448 6615 4959 71342
an sur 3 327916 107605 47496 14651 12925 10340
an sur 4 395136 223894 34140 10715 7291
an sur 5 457964 239622 30775 40454
an sur 6 367871 255598 60747
an sur 7 548962 78519
an sur 8 578654

Figure 7.2 – : Triangle de règlements décumulés.

Les i et j années de développent et de survenance sont considérées comme des va-

riables explicatives. Ainsi les règlements non cumulés, les années de développement et
de survenance représentent la base de données utilisée pour l’application de ce modèle.

32
 règlement i j
192 130 1 1
260 780 2 1
327 916 3 1
395 136 4 1
457 964 5 1
367 871 6 1
548 962 7 1
578 654 8 1
137 414 1 2
167 399 2 2
107 605 3 2
223 894 4 2
239 622 5 2
255 598 6 2
378 519 7 2

Figure 7.3 – : extrait de la base de données utilisée pour la modélisation GLM.

Les lois à utiliser pour cette modélisation étant de la famille exponentielle, nous faisons
usage dans premier temps de la régression poissonienne de Hachemeister et Stanard et
par la suite des modèles gamma et log-normal.

7.2.1 Modèle Log-Normal :

Le tableau suivant contient les règlements futurs obtenus par la régression Log-normale :
0 1 2 3 4 5 6 7
an sur 1 192130 137414 32242 14021 5119 10268 5485 27076
an sur 2 260780 167399 52963 20448 6615 4959 71342 373481
an sur 3 327916 107605 47496 14651 12925 10340 88420 85289
an sur 4 395136 223894 34140 10715 7291 28317 40241 38816
an sur 5 457964 239622 30775 40454 12769 12945 18397 17745
an sur 6 367871 255598 60747 9529 13896 14088 20020 19312
an sur 7 548962 78519 27089 24956 36395 36396 52433 50577
an sur 8 578654 49824 47510 43769 63831 64710 91960 88704

Figure 7.4 – : Règlements futurs par la régression Log-normale.

Les provisions annuelles obtenues par cette régression sont alors :

33
 i PSAP
0 0
1 374481
2 173708
3 107373
4 61856
5 76845
6 228347
7 450307
TOTAL 1472919

Figure 7.5 – : Provisions annuelles par la régression Log-normale .

D’où la réserve totale :

P SAPT OT AL = 1472919

34
 CONCLUSION GÉNÉRALE

Le monde des assurances au Maroc est une économique en plein essor. C’est une
industrie en phase de métamorphose appuyée par l’ACAPS d’en faire un secteur libéralisé
parfaitement capable de s’auto-maintenir face aux dilemmes et aux turbulences de la
mondialisation des marchés financiers. Ainsi, La tutelle du secteur oeuvre à normaliser
la réglementation marocaine en la matière avec les exigences internationales.

L’actuariat et la statistique sont un univers parfait où règnent les lois de

probabilités et triomphent les mathématiques appliquées. Cependant, la réalité des
choses s’écarte considérablement par des suppositions sous-jacentes au recours à ces deux
piliers scientifiques, qui connait tant de bouleversements conjoncturels particulièrement
dans un marché peu mature comme la nôtre.

La problématique de provisionnement se retrouve indéniablement au coeur des

sciences actuarielles. Notre projet se limite à la modélisation statistique et à l’application
de techniques qui dédie à la constitution des provisions pour sinistres, accompagnées d’un
certain nombre de lectures directes ou profondes des chiffres qui s’y rapportent. Il est
montré cependant que la nature de l’activité des assureurs veut que le provisionnement
soit plus un problème de stratégie et de planification qu’un problème de modélisation
mathématique.

Bien entendu, notre travail a suivi un certain enchainement logique dans le

choix des méthodes à utiliser. Le commencement était l’application des recommandations
réglementaires en matière de constitution des PSAP. Ce premier contact chiffré avec les
données nous a permis d’avoir une idée première sur la grandeur de la réserve à mettre
de côté par la société d’assurance afin d’honorer ses engagements techniques relatifs au
portefeuille RC. Il est contestable que l’évaluation issue de cette méthode d’inventaire
normalisée est fortement surestimée. Cela s’insère dans le cadre de la protection des
droits des assurés.

Les méthodes déterministes ont un aspect plutôt comptable. Elles n’impliquent

pas une connaissance avancée des mathématiques et des probabilités. Celles-ci ne
nécessitent que des données triangulaires requises ainsi bien que l’application machinale
de l’algorithmique approprié à la méthode en vigueur.

La technique de Chain Ladderest avérée spécialement adaptée aux données.

en ce qui Concerne la méthode de London Chain, l’hypothèse de régression établie ne

35
s’avère pas très bien ajustée à la nature de nos données.

De ce fait, cela a engendré effectivement bon nombre d’anomalies au niveau du

triangle inférieur des paiements cumulés. Cette raison nous a dissuadées de ne pas tenir
compte des résultats obtenus par cette technique.
Le besoin pressant d’avoir une idée précise de la qualité des estimations faites nous a
poussées à recourir aux modèles stochastiques.

Le modèle de Mack fut spécialement adéquat et ses hypothèses s’ajustent parfai-

tement à nos données. En effet, cette « stochastisation » de la méthode de Chain Ladder
Standard nous a permis d’avancer en matière d’appréciation du risque d’estimation.

La modélisation GLM fut également satisfaisante dans la mesure où l’on a été

assez libre dans le choix de la loi qui sied le mieux aux incréments de règlements dont
nous disposons.

Au stade final de l’étude, on se trouve confronté au grand nombre des résultats

issus des différentes méthodes. Quoi que nous puissions éliminer quelques-unes à cause de
l’inadéquation de leurs hypothèses de base, et malgré tous les efforts fournis pour cerner
au mieux la vraie valeur de la réserve finale à constituer et à mettre de côté, l’évaluation
exacte n’est sue que suite à sa réalisation. Le provisionnement est donc un art mystérieux
dépendant de chaque firme, de son expérience et de sa vision stratégique.

36
 8
ANNEXE

Codes R :
###################################################

8.1 Triangle supérieur des paiements cumulés

###################################################

an 0 = c(192130,329544,361786,375807,380925,391194,396679,423755)
an 1 = c(260780,428179,481142,501590,508205,513164,584506,NA)
an 2 = c(327916,435521,483017,497668,510593,520933,NA,NA)
an 3 = c(395136,619030,653170,663885,671177,NA,NA,NA)
an 4 = c(457964,697585,728361,768815,NA,NA,NA,NA)
an 5 = c(367871,623469,684217,NA,NA,NA,NA,NA)
an 6 = c(548962,927481,NA,NA,NA,NA,NA,NA)
an 7 = c(578654,NA,NA,NA,NA,NA,NA,NA)
triangle=rbind(an 0,an 1,an 2,an 3,an 4,an 5,an 6,an 7)
View(triangle)

8.2 Méthode Chain-Ladder

CL=function(triangle){
###################################################
CALCUL DU D-TRIANGLE (autre méthode de Chain lader)
###################################################
n=dim(triangle)[1]
Dtriangle=matrix(rep(0,n*n),nrow=n)
Dtriangle[,1]=1
for(j in 1 :(n-1)){
for(i in 1 :(n-j)){

37
Dtriangle[i,j+1]=triangle[i,j+1]/triangle[i,j]
}
}

###################################################
CALCUL FACTEURS DE DEVELOPPEMENT
###################################################
lambda=rep(1,n)
for(k in 2 :n){
lambda[k]=sum(triangle[1 :(n+1-k),k])/sum(triangle[1 :(n+1-k),k-1])
}

###################################################
CALCUL TRIANGLE INFERIEUR
###################################################
Mcumulé=triangle
for(j in 1 :(n-1)){
for(i in (n+1-j) :n){
Mcumulé[i,j+1]=Mcumulé[i,j]*lambda[j+1]
}
}

###################################################
CALCUL PROVISIONS CL
###################################################
provCL=0
for(i in 2 :n){
provCL[i]=Mcumulé[i,n]-Mcumulé[i,(n+1-i)]
}
return(list(Dtriangle=Dtriangle,lambda=lambda,Mcumulé=Mcumulé,provCL=sum(provCL)))
}
n=dim(triangle)[1]
n
provCL=CL(triangle)
View(provCL)
provCL[["provCL"]]

8.3 Méthode London-Chain

#NECESSITE L’IMPLEMENTATION DU PROGRAMME CL

LC=function(triangle){
n=dim(triangle)[1]
lambda=0
beta=0
for(j in 0 :(n-2)){
Cjbar0=mean(triangle[1 :(n-j-1),j+1])
Cjbar1=mean(triangle[1 :(n-j-1),j+2])
num=mean(triangle[1 :(n-j-1),j+1]*triangle[1 :(n-j-1),j+2])-Cjbar0*Cjbar1

38
denom=mean(triangle[1 :(n-j-1),j+1]ˆ 2)-Cjbar0ˆ 2 lambda[j+1]=num/denom
beta[j+1]=Cjbar1-lambda[j+1]*Cjbar0
}
lambda[n-1]=Cjbar1/Cjbar0
beta[n-1]=0
Mcumulé=triangle
for(j in 1 :(n-1)){
for(i in (n+1-j) :n){
Mcumulé[i,j+1]=Mcumulé[i,j]*lambda[j]+beta[j]
}
}
provLC=0
for(i in 2 :n){
provLC[i]=Mcumulé[i,n]-Mcumulé[i,(n+1-i)]
}
return(list(lambdaLC=lambda,betaLC=beta,Mcumulé=Mcumulé,provLC=sum(provLC)))
}
provLC=LC(triangle)
View(provLC)

39
 BIBLIOGRAPHIES

• Ouvrages :
X WÜTHRICH M., MERZ M., LYSENKO N., Uncertainty of the claims deve-
lopment result in the Chain Ladder method, Scandinavian Actuarial Journal, 2008

X A. Charpentier et F. Bucchini (2004) Actuariat de l’assurance dommages EN-

SAE

X Christian Partrat, Provisionnement technique en assurance non vie : Perspec-

tives actuarielles modernes, Edition Economica, 2007

X M. DENUIT, A.CHARPENTIER [2005] Mathématiques de l’assurance nonvie,

Tarification et provisionnement, Tome 2. Economica.

• Sites internet :
X Site de la FMSAR (Fédération Marocaine des Sociétés d’Assurance et de Ré-
assurance) : http ://www.fmsar.org.ma/

X Site de Ressources actuarielles : http ://www.ressources-actuarielles.net/

X Site de l’INSEA : https ://www.actuarialab.net/

40
View publication stats