L’équipe actuarielle prend des mesures pour identifier les préjugés raciaux dans les prix de l’assurance

Alors que le secteur de l’assurance est aux prises avec d’éventuels préjugés raciaux dans la tarification des produits d’assurance à l’ère de l’intelligence artificielle et de la modélisation, un groupe d’actuaires en assurance dommages a publié deux nouveaux rapports de recherche pour aider le secteur de l’assurance à s’éloigner des effets discriminatoires d’une tarification d’assurance plus élevée pour les Noirs et les autres personnes de couleur.

La Society for Casual Actuaries (CAS) a publié deux nouveau rapport Le 31 mars, pour examiner les méthodes d’identification et de mesure des préjugés raciaux dans la tarification de produits comme l’assurance automobile et l’assurance habitation, à la suite de l’histoire de redlining de l’industrie.

« Nous espérons que cette série servira de leader d’opinion et de modèle pour d’autres groupes et organisations d’assurance dans la promotion de l’équité et du progrès », a déclaré Victor Carter-Bey, PDG de CAS, une organisation internationale. organisation fournir une certification et une formation professionnelle aux actuaires travaillant dans l’évaluation des risques IARD.

Ces quatre facteurs de classement influencent grandement la valorisation

L’un des deux nouveaux articles explore quatre facteurs d’évaluation spécifiques que les décideurs politiques et les régulateurs des assurances ont examiné pour déceler des biais dans la fixation des tarifs d’assurance pour les propriétaires d’habitations et d’automobiles. Ces quatre facteurs de notation d’assurance largement utilisés sont : le score d’assurance basé sur le crédit ; situation géographique; l’accession à la propriété; et les dossiers des véhicules à moteur.

Par exemple, la géographie peut influencer la perte et la gravité de l’accession à la propriété et les coûts de l’automobile, deux facteurs de risque, mais la géographie peut souvent être le résultat de « politiques et pratiques historiques qui ont principalement ciblé les Noirs ».

Selon les recherches citées dans l’article, les Noirs et leurs familles ont été clairement ségrégués, puis mis à l’écart par les banques et les pactes racistes restrictifs dans la première moitié du 20e siècle. Redlining, selon le journal, était le terme utilisé par la Home Owners Loan Corporation dans les années 1930 pour ses cartes à code couleur – les quartiers jugés rouges « indésirables ». La longue et triste histoire de la redlining des communautés noires est décrite et détaillée dans l’article du CAS.

Même aujourd’hui, les modèles sociaux peuvent déterminer où vivent les gens. Les recherches du CAS citées montrent que les demandeurs de logement blancs sont plus susceptibles d’être favorisés par rapport aux minorités lors de l’achat de maisons, de locations et d’appartements.

Les variables peuvent être prédictives mais aussi problématiques

Même si les actuaires peuvent fixer des prix plus élevés dans les villes dotées d’un parc immobilier plus ancien et présentant des risques immobiliers tels que le vieillissement du câblage électrique et des taux de criminalité plus élevés, en réalité, ces variables ne sont pas neutres en termes de race, souligne l’article sur les facteurs qui conduisent à des biais. Des pertes prévues plus élevées entraînant des primes plus élevées sont également en corrélation avec la race et sont le résultat de décennies d’inégalités et d’approches sociétales biaisées de longue date en matière d’espace de vie et d’accession à la propriété, explique CAS.

Il existe également l’impact disproportionné des catastrophes naturelles sur les groupes minoritaires, comme en témoignent ces dernières années les ouragans Katrina et Harvey.

“L’ouragan Katrina a eu un impact durable sur les résidents dont les maisons ont été inondées, sous la forme de cotes de crédit et de taux d’accession à la propriété inférieurs à ceux de leurs voisins non inondés”, a déclaré CAS, citant des recherches extérieures.

Les chercheurs du CAS notent que ces quatre facteurs sont associés à des pertes d’assurance réelles sur de nombreuses années, mais peuvent également être de bons indicateurs de la race et de l’origine ethnique qui peuvent avoir de graves impacts négatifs sur les communautés minoritaires et à faible revenu.

Comme l’a écrit Birny Birnbaum, militante pour l’assurance des consommateurs du Center for Economic Justice au printemps dernier, dans une déclaration au CAS, “il est reconnu que la discrimination historique a des effets durables qui désavantagent ces groupes. En d’autres termes, vous ne pouvez pas asservir une population pendant deux cents ans et ensuite vous attendre à ce que l’héritage de cet asservissement disparaisse du jour au lendemain.”

Corrélation mais pas causalité

Les cotes de crédit sont également controversées car elles sont prédictives de perte mais ne sont pas pertinentes – une perte de crédit ne signifie pas une perte d’actifs – avec cette perte et les assureurs utilisent des modèles de niche qui ne permettent pas aux étrangers de participer. Mais encore une fois, la notation de crédit peut être liée à la race et également refléter des décennies de pratiques de prêt discriminatoires de la part des banques à l’encontre des Noirs, explique CAS.

Dans un premier temps, le groupe actuariel recommande aux actuaires et aux assureurs de réfléchir aux « jugements et modèles de valeur généralement attribués aux assurés axés sur des catégories de risque d’assurance plus élevées ».

De nombreux autres facteurs peuvent influencer le risque d’assurance, affirment les chercheurs, et lorsque les actuaires intègrent des dizaines de ces autres facteurs dans les modèles de tarification, les résultats pour les assurés peuvent être considérablement améliorés. CAS appelle également à une analyse plus approfondie des préjugés sociaux sur les facteurs d’amélioration individuels ainsi que sur les modèles complexes utilisés.

Que signifie une discrimination injuste ?

Le deuxième rapport récemment publié tente de définir ce qu’est la discrimination en matière d’assurance et introduit des termes tels que classe protégée, discrimination injuste, discrimination par procuration, impact disparate, traitement disparate et impact disproportionné.

Bien qu’il s’agisse de termes de notation du secteur de l’assurance qui peuvent révéler des taux différents pour les minorités, les différentes définitions appliquées peuvent entraîner des taux plus élevés pour certains consommateurs. Selon le document, la question de savoir si cela est équitable ou juste est souvent un sujet de débat parmi les assureurs, mais si cela a un impact disparate, les régulateurs et, désormais, de plus en plus, les actuaires s’inquiètent.

Les actuaires, dans le cadre de leur travail auprès des assureurs de biens, vérifient si les tarifs qu’ils facturent aux propriétaires de véhicules sont étayés par la sinistralité pour les différents facteurs de tarification utilisés. Bien qu’ils puissent varier en fonction du risque, la plupart des États américains réglementent leur portée et leur impact afin de ne pas « discriminer injustement » les classes protégées.

Le deuxième article examine si des facteurs individuels ou des combinaisons de ces facteurs tirent leur pouvoir prédictif entièrement ou partiellement de leur corrélation avec un trait interdit ou servent de substitut à ce trait.

« Si tel est le cas, il faut également déterminer si cela entraînerait des taux disproportionnellement plus élevés ou plus bas pour certains groupes au sein de ce groupe protégé », a déclaré le CAS. L’organisation note qu’elle n’a pas le pouvoir de décider dans quelle mesure la corrélation entre les caractéristiques de classement et la race doit être acceptée, mais elle souhaite s’asseoir à la table avec les décideurs politiques pour en discuter.

L’IA pourrait renforcer et amplifier la discrimination raciale en matière de prix

La discrimination dans les modèles d’intelligence artificielle (IA) par le biais de proxys ou d’autres caractéristiques identifiées et sélectionnées par l’apprentissage automatique est la plus grande préoccupation et attention de la part des régulateurs nationaux des assurances et de CAS.

L’IA peut « transmettre ce biais dans les choix faits à partir des prédictions du modèle », souligne le document du CAS sur la discrimination, et avoir un impact sur les taux d’assurance des consommateurs par le biais de biais statistiques et de modélisation mathématique, puisqu’une machine ne sait pas ce qui est injuste. Même si les préjugés humains subjectifs sont supprimés ou ne sont utilisés dans aucune des entrées, ces entrées elles-mêmes peuvent toujours refléter un biais historique.

Le rapport CAS note que ces facteurs « peuvent être intégrés dans des données historiques qui peuvent persister pendant le processus de modélisation et influencer les résultats du modèle.

Pour cette raison, des recherches sont menées au sein de l’industrie des accidents, des universitaires et des régulateurs sur l’équité des modèles et sur une approche proposée qui ajoute d’autres composants au modèle pour éliminer les biais, tandis que les scientifiques en données d’IA recherchent comment créer des méthodes pour détecter et atténuer les biais.

L’Association nationale des commissaires aux assurances (NAIC), réunie cette semaine à Kansas City, a exploré plus en profondeur les préjugés, l’IA, l’apprentissage automatique et les impacts disparates au cours des dernières années par le biais de son comité spécial sur l’assurance et la race. Le groupe étudie les problèmes de longue date et actuels du traitement injuste, de la discrimination par procuration et des impacts disparates, et formule des recommandations sur les changements statutaires et réglementaires, ainsi qu’explore les préjugés dans l’apprentissage automatique, lors d’une discussion programmée. 6 avril.

Certains États et entreprises agissent

Au moins un État axé sur des résultats équitables pour les classes protégées a refusé les demandes de tarification des assureurs en raison d’un manque d’informations de modélisation. Le Connecticut a embauché un data scientist. Attendez-vous à davantage en fonction des ressources des États alors que la NAIC accélère sa détection des biais dans l’apprentissage automatique et la manière d’atténuer les mauvais résultats – c’est-à-dire des prix injustement plus élevés – pour les consommateurs.

Et, tandis que la Californie a interdit l’utilisation des scores d’assurance pour fixer les tarifs des dommages matériels des consommateurs, plusieurs autres États importants ont des lois qui interdisent certains facteurs tels que les scores d’assurance basés sur le crédit dans la fixation des tarifs, et s’appuient plutôt sur les dossiers de conduite, les kilomètres parcourus et les années d’immatriculation. Ces États sont le Maryland, l’État de Washington et l’Oregon, indique le rapport du CAS.

Alors que le commissaire aux assurances de l’État de Washington, Mike Kreidler, le plus ancien commissaire aux assurances de l’État, a émis une ordonnance d’urgence interdisant les cotes de crédit pendant trois ans en 2021, cette ordonnance a également été annulée l’année dernière. Kreidler, qui a servi pendant deux décennies, travaille actuellement sur une règle permanente pour remplacer l’ordonnance d’urgence refusée, a noté le CAS.

CAS a identifié un certain nombre de sociétés telles que Root Insurance et Boucleun technicien en assurance qui travaille également sur la façon de fixer les tarifs d’assurance automobile. Root Insurance a annoncé en 2020 qu’elle cesserait d’utiliser les scores d’assurance basés sur le crédit d’ici 2025 et a appelé les autres assureurs à faire de même.

En savoir plus

CAS a publié deux autres rapports de recherche sur la race et l’assurance début mars alors qu’elle développe sa réflexion sur les causes et les effets de la tarification de l’assurance sur les consommateurs. Ces rapports sont Méthodes de quantification des effets discriminatoires à l’égard des groupes protégés en assuranceEt Approches pour lutter contre les préjugés raciaux dans les services financiers : leçons pour le secteur de l’assurance.

Le Comité du NAIC sur Course et assurance Il y a également beaucoup de travail prévu et à venir, et les archives sont vastes. commentaire des activistes de l’industrie et des consommateurs sur cette question.

La NAIC a déclaré avoir formé une équipe pour examiner les modèles de taux utilisant l’analyse prédictive avec trois actuaires actuels, dont l’un est également un spécialiste des données comportementales. L’organisation de normalisation a déclaré que même s’il n’existe aucun outil national utilisé par les régulateurs pour évaluer les biais algorithmiques entre les modes, que ce soit en entrée ou en sortie, de tels développements sont en cours d’évaluation par divers États et seront discutés par le comité de l’innovation, de la cybersécurité et des technologies émergentes de la NAIC.

Cependant, “les régulateurs recherchent des variables injustement discriminatoires, et lorsque la relation entre cette variable et le risque n’est pas claire, ils peuvent exiger de l’entreprise qu’elle fournisse des informations supplémentaires pour clarifier”, a déclaré la NAIC. investir.