La survenue d’événements peu probables entraîne des coûts importants pour les sociétés. Parmi les entreprises étudiées au sein de notre programme de recherche unique, quatre sociétés sur cinq ont été touchées, au cours de la décennie passée, par un ou plusieurs facteurs d’imprévisibilité et ont subi d’importantes conséquences, les événements économiques ayant l’impact le plus lourd.
En dépit de l’imprévisibilité croissante et de la pression des parties prenantes pour résister aux périodes de volatilité, de nombreuses entreprises demeurent mal préparées aux événements imprévisibles. Moins d’un tiers
20%
des entreprises couvertes par l’Indice d’Imprévisibilité de QBE ne sont pas bien préparées à l’arrivée d’un éventuel événement imprévisible en 2019
des sociétés (29 %) ont mis en place des plans de gestion des risques pour des événements imprévisibles, tandis que seules 17 % affirment réaliser des tests de résistance. Dans l’ensemble, 20 % des entreprises couvertes par l’Indice d’Imprévisibilité de QBE ne sont pas bien préparées à l’arrivée d’un éventuel événement imprévisible en 2019.
La survenue d’événements peu probables entraîne des coûts importants pour les sociétés. Parmi les entreprises étudiées au sein de notre programme de recherche unique, quatre sociétés sur cinq ont été touchées, au cours de la décennie passée, par un ou plusieurs facteurs d’imprévisibilité et ont subi d’importantes conséquences, les événements économiques ayant l’impact le plus lourd.
En dépit de l’imprévisibilité croissante et de la pression des parties prenantes pour résister aux périodes de volatilité, de nombreuses entreprises demeurent mal préparées aux événements imprévisibles. Moins d’un tiers des sociétés (29 %) ont mis en place des plans de gestion des risques pour des événements imprévisibles, tandis que seules 17 % affirment réaliser des tests de résistance. Dans l’ensemble, 20 % des entreprises couvertes par l’Indice d’Imprévisibilité de QBE ne sont pas bien préparées à l’arrivée d’un éventuel événement imprévisible en 2019.
20%
des entreprises couvertes par l’Indice d’Imprévisibilité de QBE ne sont pas bien préparées à l’arrivée d’un éventuel événement imprévisible en 2019
À l’ère du numérique, nous générons des quantités de données astronomiques. De nos jours, plus de la moitié de la population mondiale (4,4 milliards de personnes) fait usage d’Internet. De plus, avec l’introduction de véhicules autonomes, de robots et d’appareils connectés, la
9,3
milliards de dollars de financement par capital-risque pour les sociétés d’IA américaines en 2018
quantité de données augmente et leur périmètre s’élargit. Selon Gartner, particuliers et entreprises utiliseront près de 25 milliards d’appareils Internet des Objets (IdO) d’ici à 2021 (contre 14 milliards à l’heure actuelle). Ces appareils fourniront une multitude de données dans des domaines variés, comme la santé, les habitudes des consommateurs, la production industrielle ou encore le transport et la logistique.
Si de telles données sont inutiles pour qui ne sait pas les exploiter, l’intelligence artificielle (IA) et l’apprentissage automatique – de plus en plus abordable pour les
entreprises – améliorent en permanence notre capacité à analyser les données et à les convertir en décisions. Les données ainsi que les technologies comme l’IA donnent déjà lieu à des investissements énormes ; selon CB Insights, le financement de sociétés d’IA par capital-risque a atteint 9,3 milliards de dollars en 2018, soit une hausse de 72 % par rapport à l’année précédente.
À l’ère du numérique, nous générons des quantités de données astronomiques. De nos jours, plus de la moitié de la population mondiale (4,4 milliards de personnes) fait usage d’Internet. De plus, avec l’introduction de véhicules autonomes, de robots et d’appareils connectés, la quantité de données augmente et leur périmètre s’élargit. Selon Gartner, particuliers et entreprises utiliseront près de 25 milliards d’appareils Internet des Objets (IdO) d’ici à 2021 (contre 14 milliards à l’heure actuelle). Ces appareils fourniront une multitude de données dans des domaines variés, comme la santé, les habitudes des consommateurs, la production industrielle ou encore le transport et la logistique.
Si de telles données sont inutiles pour qui ne sait pas les exploiter, l’intelligence artificielle (IA) et l’apprentissage automatique – de plus en plus abordable pour les entreprises – améliorent en permanence notre capacité à analyser les données et à les convertir en décisions. Les données ainsi que les technologies comme l’IA donnent déjà lieu à des investissements énormes ; selon CB Insights, le financement de sociétés d’IA par capital-risque a atteint 9,3 milliards de dollars en 2018, soit une hausse de 72 % par rapport à l’année précédente.
9,3
milliards de dollars de financement par capital-risque pour les sociétés d’IA américaines en 2018
Si les sociétés ont peu d’influence sur les risques politiques, sociaux ou économiques, les outils de gestion des risques par les données constituent un marché émergent permettant d’apporter un éclairage nouveau sur ces risques, par exemple en prédisant des scénarios climatiques ou économiques. Avec les nouvelles technologies, les entreprises seront de plus en plus à même de constituer leurs propres bases de données – sur leurs actifs, chaînes logistiques ou clients – et de les comparer avec ces scénarios. Ainsi,
elles pourront se faire une idée des conséquences potentielles de certains événements ou tendances sur leur activité.
Une autre tendance notable est la rapide croissance des données prédictives et des technologies d’analyse, qui aident les sociétés à générer et à analyser leurs propres données de risques. La technologie donne lieu à des opportunités de gestion des risques par les données ; en regroupant des données concernant les risques, mais également en fournissant la
possibilité d’agir au plus tôt et de prendre des mesures préventives, pour préserver un équipement onéreux comme pour éviter un risque de blessure. Grâce aux données et aux techniques d’analyse prédictive avancées, on peut donner l’alerte en cas de besoin et intervenir bien plus tôt que ce qui aurait été possible traditionnellement.
Chris Gill, Responsable Risk Solutions au sein de QBE, explique : « La technologie actuelle permet une connaissance des
risques en temps réel. Avec des capteurs, traceurs et appareils de surveillance de plus en plus abordables et faciles à connecter à Internet, il est de plus en plus simple de récolter des données en temps réel. De plus, l’IA et l’apprentissage automatique sont capables de traiter des quantités incroyables de données à une vitesse bien supérieure à celle de l’analyse humaine. Ils peuvent ainsi rapidement établir des tendances et repérer des anomalies. »
Si les sociétés ont peu d’influence sur les risques politiques, sociaux ou économiques, les outils de gestion des risques par les données constituent un marché émergent permettant d’apporter un éclairage nouveau sur ces risques, par exemple en prédisant des scénarios climatiques ou économiques. Avec les nouvelles technologies, les entreprises seront de plus en plus à même de constituer leurs propres bases de données – sur leurs actifs, chaînes logistiques ou clients – et de les comparer avec ces scénarios. Ainsi,
elles pourront se faire une idée des conséquences potentielles de certains événements ou tendances sur leur activité.
Une autre tendance notable est la rapide croissance des données prédictives et des technologies d’analyse, qui aident les sociétés à générer et à analyser leurs propres données de risques. La technologie donne lieu à des opportunités de gestion des risques par les données ; en regroupant des données concernant les risques, mais également en fournissant la
possibilité d’agir au plus tôt et de prendre des mesures préventives, pour préserver un équipement onéreux comme pour éviter un risque de blessure. Grâce aux données et aux techniques d’analyse prédictive avancées, on peut donner l’alerte en cas de besoin et intervenir bien plus tôt que ce qui aurait été possible traditionnellement.
Chris Gill, Responsable Risk Solutions au sein de QBE, explique : « La technologie actuelle permet une connaissance des risques en temps réel. Avec des capteurs, traceurs et appareils de surveillance de plus en plus abordables et faciles à connecter à Internet, il est de plus en plus simple de récolter des données en temps réel. De plus, l’IA et l’apprentissage automatique sont capables de traiter des quantités incroyables de données à une vitesse bien supérieure à celle de l’analyse humaine. Ils peuvent ainsi rapidement établir des tendances et repérer des anomalies. »
Au cours des deux dernières années, QBE ainsi que sa filiale de capital-risque technologique QBE Ventures ont collaboré avec de nombreuses sociétés d’insurtech. Ainsi, QBE travaille avec Cytora pour prédire, à travers l’utilisation d’IA, de données open source et de nos propres données de souscription, les résultats de portefeuilles et de comptes individuels. Plus récemment, nous nous sommes associés avec Jupiter, qui analyse et prédit les risques climatiques jusqu’à 50 ans dans le futur.
Les start-up faciliteront la simulation et la prédiction des risques et aideront les entreprises à collecter des données et à créer bases de données, scénarios et modèles. Un nombre croissant de
Les startups faciliteront la simulation et la prévision des risques.
fournisseurs externes se focalisent sur les risques et l’assurance. Ainsi, ZASTI, une plateforme technologique basée sur le cloud, fait usage de l’analyse prédictive pour fournir des informations préventives dans les domaines de l’incendie, des événements dans la chaîne logistique, de la météo ou encore de la défaillance de machines. De son côté, Geospatial Insight combine les images de satellites et de drones avec l’apprentissage automatique pour proposer analyses de risques et contrôles d’actifs aux entreprises et aux assureurs.
Au cours des deux dernières années, QBE ainsi que sa filiale de capital-risque technologique QBE Ventures ont collaboré avec de nombreuses sociétés d’insurtech. Ainsi, QBE travaille avec Cytora pour prédire, à travers l’utilisation d’IA, de données open source et de nos propres données de souscription, les résultats de portefeuilles et de comptes individuels. Plus récemment, nous nous sommes associés avec Jupiter, qui analyse et prédit les risques climatiques jusqu’à 50 ans dans le futur.
Les start-up faciliteront la simulation et la prédiction des risques et aideront les entreprises à collecter des données et à créer bases de données, scénarios et modèles. Un nombre croissant de fournisseurs externes se focalisent sur les risques et l’assurance. Ainsi, ZASTI, une plateforme technologique basée sur le cloud, fait usage de l’analyse prédictive pour fournir des informations préventives dans les domaines de l’incendie, des événements dans la chaîne logistique, de la météo ou encore de la défaillance de machines. De son côté, Geospatial Insight combine les images de satellites et de drones avec l’apprentissage automatique pour proposer analyses de risques et contrôles d’actifs aux entreprises et aux assureurs.
Les startups faciliteront la simulation et la prévision des risques.
La gestion des risques par les données n’en est encore qu’à ses débuts et à ce jour, bien des technologies n’ont pas encore fait leurs preuves sur des cas réels. Néanmoins, il est évident que les données joueront un rôle crucial pour aider les entreprises à intégrer l’imprévisibilité – avec ses points positifs comme négatifs – dans la gestion de leurs risques commerciaux.
Pour permettre de planifier des stratégies ou de prendre des décisions, les données devront être
fiables. Aussi, il est encourageant que plus de la moitié des entreprises interrogées pour notre Indice (51 %) estiment que la qualité des données internes comme externes a augmenté au cours des cinq dernières années. Quelque 42 % jugent ainsi que la disponibilité des données a augmenté, 36 % affirment la même chose concernant leur fiabilité et un tiers déclarent qu’il existe aujourd’hui plus de données permettant de créer des modèles.*
Le principal défi à relever pour adopter l’analyse de données est de
La gestion des risques par les données n’en est encore qu’à ses débuts et à ce jour, bien des technologies n’ont pas encore fait leurs preuves sur des cas réels. Néanmoins, il est évident que les données joueront un rôle crucial pour aider les entreprises à intégrer l’imprévisibilité – avec ses points positifs comme négatifs – dans la gestion de leurs risques commerciaux.
Pour permettre de planifier des stratégies ou de prendre des décisions, les données devront être fiables. Aussi, il est encourageant que plus de la moitié des entreprises interrogées pour notre Indice (51 %) estiment que la qualité des données internes comme externes a augmenté au cours des cinq dernières années. Quelque 42 % jugent ainsi que la disponibilité des données a augmenté, 36 % affirment la même chose concernant leur fiabilité et un tiers déclarent qu’il existe aujourd’hui plus de données permettant de créer des modèles.*
Le principal défi à relever pour adopter l’analyse de données est de
mettre en place la bonne mentalité culturelle. Bien que l’utilisation de données soit parfaitement naturelle pour les entreprises actives dans le domaine de la technologie, les secteurs reposant sur des modèles plus traditionnels auront beaucoup à apprendre.
Dans un premier temps, les organisations doivent identifier les secteurs concernés par l’incertitude et comprendre de quelles informations ils ont besoin. Ils pourront ainsi déterminer si de meilleures données et connaissances feront effectivement une différence dans leur stratégie commerciale, leurs résultats et leur gestion des risques. Il est important de déterminer les secteurs d’une entreprise qui bénéficieront
réellement de meilleures informations, afin d’y concentrer les efforts et les investissements.
Pour anticiper des événements imprévus, l’analyse de données passées a évidemment une utilité limitée. Pour cette raison, l’étude de scénarios hypothétiques doit être utilisée pour combler le manque. Dans la chaîne de valeur de l’assurance, chaque acteur dispose d’un sous-ensemble de données (sur les actifs, les clients, les sinistres). Le réel atout des données est de regrouper toutes les informations détenues par les clients, les courtiers et les assureurs. Voilà ce qui nous aidera à mieux prédire l’avenir et, au bout du compte, à exploiter l’analyse prédictive pour gérer les risques et prendre de meilleures décisions.
mettre en place la bonne mentalité culturelle. Bien que l’utilisation de données soit parfaitement naturelle pour les entreprises actives dans le domaine de la technologie, les secteurs reposant sur des modèles plus traditionnels auront beaucoup à apprendre.
Dans un premier temps, les organisations doivent identifier les secteurs concernés par l’incertitude et comprendre de quelles informations ils ont besoin. Ils pourront ainsi déterminer si de meilleures données et connaissances feront effectivement une différence dans leur stratégie commerciale, leurs résultats et leur gestion des risques. Il est important de déterminer les secteurs d’une entreprise qui bénéficieront réellement de meilleures informations, afin d’y concentrer les efforts et les investissements.
Pour anticiper des événements imprévus, l’analyse de données passées a évidemment une utilité limitée. Pour cette raison, l’étude de scénarios hypothétiques doit être utilisée pour combler le manque. Dans la chaîne de valeur de l’assurance, chaque acteur dispose d’un sous-ensemble de données (sur les actifs, les clients, les sinistres). Le réel atout des données est de regrouper toutes les informations détenues par les clients, les courtiers et les assureurs. Voilà ce qui nous aidera à mieux prédire l’avenir et, au bout du compte, à exploiter l’analyse prédictive pour gérer les risques et prendre de meilleures décisions.
Abonnez-vous pour être informé des futurs articles issus de la série sur l’imprévisibilité et des autres rapports, informations ou réflexions de QBE.