Assurance paramétrique : la rapidité cache un autre risque

L’assurance paramétrique se présente comme une rupture : plus de constat de sinistre, plus d’expert, un paiement déclenché automatiquement dès qu’un paramètre (vitesse de vent, magnitude sismique, indice de sécheresse) franchit un seuil fixé à l’avance. L’assurance-dommages classique indemnise ce qui a été perdu ; le produit paramétrique paie ce qui a été mesuré, indépendamment de la perte réellement subie. Cette définition, que reprennent conjointement l’EIOPA et l’OCDE dans leurs travaux sur la gestion des risques de catastrophe, dit déjà l’essentiel du sujet : le paiement est déclenché automatiquement une fois le seuil atteint, indépendamment de la perte subie. C’est précisément cette déconnexion entre le paramètre et la perte qui fait la force commerciale du produit (rapidité, simplicité, absence de contentieux) et sa fragilité actuarielle : l’écart entre ce que le paramètre mesure et ce que l’assuré subit a un nom, le risque de base, et la littérature récente montre qu’il est à la fois plus difficile à réduire et plus difficile à mesurer correctement qu’on ne le présente généralement.

Mon idée maîtresse, après avoir confronté la littérature académique récente, les publications des régulateurs et un cas réel d’échec documenté, est la suivante : la promesse technologique de rapidité et de simplicité est réelle et vérifiable, mais elle n’a jamais été le problème actuariel central du produit. Le problème central (la précision du proxy) reste largement non résolu, et la recherche la plus récente suggère même que les outils statistiques utilisés pour évaluer cette précision ont un biais structurel qui pousse à la surestimer. La vraie valeur ajoutée du produit, telle que la donnée la plus solide dont je dispose la mesure, ne se situe d’ailleurs peut-être pas où le marketing du secteur la place.

1. Ce que la technologie tient réellement

Le mécanisme du déclenchement automatique n’est pas une promesse en l’air. Swiss Re Corporate Solutions, qui commercialise des produits paramétriques STORM et QUAKE pour l’industrie de la construction, décrit des délais de paiement de quinze à trente jours après l’événement, contre des mois de procédure d’expertise pour un contrat dommages classique, et une couverture qui s’étend à des pertes qu’une police dommages classique n’indemnise pas : perte de réputation, retard de chantier, surcoûts de matériaux, refus d’accès au site. Je note d’emblée que cette source est un document commercial d’un réassureur qui vend le produit qu’il décrit : le registre est promotionnel, pas neutre ; mais sur ce point précis, la mécanique de paiement rapide sans expertise, l’affirmation est corroborée indépendamment par les régulateurs.

L’OCDE, dans son rapport 2026 sur la protection financière face aux risques catastrophiques, documente un usage réel et croissant du paramétrique pour le risque d’incendie de forêt aux États-Unis : des assureurs du marché E&S en Californie proposent une couverture déclenchée par la localisation du feu, avec un intérêt croissant depuis les incendies de Los Angeles début 2025. Le Chili a même mis en place un cadre réglementaire dédié pour favoriser le développement de ce type de couverture. C’est le cas d’usage le plus solide du produit : quand le péril produit une perte binaire (tout ou rien), le paramètre colle presque parfaitement à la perte réelle, et le risque de base s’effondre presque mécaniquement.

2. La faille structurelle : le risque de base

Mais la majorité des usages commerciaux du paramétrique (agriculture, sécheresse souveraine, catastrophes naturelles à intensité variable) ne présentent pas cette structure binaire. C’est là que la promesse technologique rencontre sa limite actuarielle : le risque de base, c’est-à-dire la probabilité qu’un assuré subisse une perte réelle sans percevoir d’indemnité, ou inversement perçoive une indemnité sans avoir subi de perte.

Le travail le plus rigoureux que j’aie trouvé sur la formalisation de ce risque est l’article d’Anand, Poole-Selters, Spognardi, Bekele et Coughlan de Perez, publié en 2025 dans The Geneva Papers on Risk and Insurance, consacré au produit d’assurance anticipatoire indexée sur prévision d’African Risk Capacity au Malawi et en Zambie. Les auteurs formalisent le risque de base comme la probabilité qu’une sécheresse survienne sans que le paiement paramétrique se déclenche, et montrent que cette probabilité dépend directement de la corrélation entre l’indice utilisé et l’occurrence réelle de la sécheresse. Je précise l’indépendance de cette source : l’un des cinq coauteurs est salarié d’ARC, l’organisme qui a conçu le produit étudié : un conflit d’intérêt que les auteurs déclarent eux-mêmes explicitement, ce qui est à leur crédit, mais qui justifie que je lise leurs conclusions les plus favorables au produit avec une prudence renforcée.

Or leurs propres résultats ne sont pas particulièrement favorables au produit en tant que mécanisme assurantiel. Sous des hypothèses calibrées sur la littérature existante (probabilité de sécheresse d’une année sur cinq, coût de réponse représentant la moitié de la richesse disponible, chargement de prime de 35 % au-dessus du tarif actuariellement juste), les auteurs montrent que la couverture optimale diminue à mesure que le risque de base augmente, et surtout que pour un pays disposant déjà d’une capacité opérationnelle à agir sur la base de prévisions, l’assurance paramétrique n’est optimale que dans des conditions de risque de base faible et de chargement de prime modéré : des conditions que je ne retrouve pas documentées comme la norme dans les déploiements réels.

3. Le paradoxe des grandes données : pourquoi la précision ne suffit pas

Le secteur promeut aujourd’hui les données satellitaires à haute résolution comme la solution au problème du risque de base : plus de champs observés, des indices plus fins, donc une meilleure corrélation entre paramètre et perte réelle. C’est ici que je trouve la pièce la plus contre-intuitive du dossier.

Stigler, Dey, Hobbs et Lobell, chercheurs à Stanford et à l’université de San Francisco, publient en 2022 un travail méthodologique qui identifie un biais statistique jusque-là passé inaperçu dans la mesure même du risque de base pour l’assurance indicielle agricole. Leur constat : quand le nombre de parcelles observées (N) devient très supérieur au nombre d’années de données disponibles (T), exactement la situation que crée l’usage de données satellitaires récentes, les estimateurs usuels du risque de base fondés sur un R² sont systématiquement biaisés à la baisse. Ce biais conduit à une surestimation systématique de la qualité du produit : les concepteurs de produits paramétriques tendent structurellement à se croire plus précis qu’ils ne le sont. Le biais est d’autant plus fort que les rendements agricoles entre parcelles sont peu corrélés : soit, précisément, dans les systèmes de petites exploitations hétérogènes des pays en développement, qui sont le cœur de cible commercial et humanitaire du produit.

Source : d’après Stigler, Dey, Hobbs & Lobell (2022), arXiv:2209.14611.

Les auteurs calculent qu’avec vingt années de données (un chiffre déjà optimiste pour la plupart des marchés), le biais reste significatif pour les zones à faible corrélation. Il ne devient réellement négligeable qu’à partir d’un historique d’environ cent ans, ce qui n’existe nulle part en pratique. Cette étude est un préprint déposé sur arXiv, non encore publié en revue à comité de lecture à ma date de vérification ; je le signale par souci de traçabilité de son statut, sans que cela affaiblisse la solidité de la démonstration statistique elle-même, qui repose sur une théorie asymptotique explicite et des simulations calibrées sur des données réelles américaines et kenyanes.

Ce que j’en retiens : l’argument marketing selon lequel « plus de données satellitaires » résout mécaniquement le problème du risque de base est trop simple. Davantage de résolution spatiale sans davantage de profondeur temporelle peut, selon cette démonstration, aggraver le biais d’estimation de la qualité du produit plutôt que le corriger.

4. Quand l’écart se matérialise : Malawi, 2016

La théorie du risque de base cesse d’être abstraite quand on regarde ce qui s’est passé au Malawi durant la campagne agricole 2015-2016. Le pays avait souscrit, pour environ cinq millions de dollars de prime, une police de sécheresse auprès d’ARC Ltd. Une sécheresse sévère, aggravée par un épisode El Niño exceptionnel, a conduit le gouvernement à déclarer l’état d’urgence nationale en avril 2016, avec 6,7 millions de Malawiens en insécurité alimentaire. Le modèle paramétrique d’ARC a pourtant initialement conclu qu’aucun paiement n’était justifié. Cette décision a provoqué un tollé, et un accord a finalement été trouvé en novembre pour verser 8 millions de dollars, un paiement effectué seulement en janvier 2017, trop tardif et représentant de fait une perte économique pour le Malawi. Le coût total de la réponse gouvernementale à la sécheresse est estimé à 395 millions de dollars.

Source : d’après ActionAid International (2017) et Anand et al. (2025). Échelle logarithmique.

Je signale la nature de cette source sans détour : ActionAid est une ONG de plaidoyer, engagée dans une critique plus large des instruments de marché promus par le G7 pour le financement du risque de catastrophe dans les pays en développement : ce n’est donc pas une évaluation neutre. Mais les faits bruts qu’elle rapporte (montant de la prime, chronologie de la décision, montant et date du paiement finalement versé, ampleur du coût de réponse) ont été repris sans contradiction par ReliefWeb et PreventionWeb, et l’épisode est cité comme référence empirique du risque de base d’ARC dans la littérature académique, notamment dans la bibliographie de Stigler et ses coauteurs. Je le traite donc comme un fait établi dans ses grandes lignes, tout en réservant mon jugement sur l’interprétation normative qu’en tire ActionAid.

5. Une relecture récente : la valeur ne vient peut-être pas d’où l’on croit

Le résultat le plus intéressant de l’article d’Anand et coauteurs n’est pourtant pas celui que j’attendais en commençant cette analyse. Les auteurs décomposent le bénéfice du produit d’assurance anticipatoire d’ARC en deux composantes distinctes : le mécanisme assurantiel proprement dit (le paiement déclenché par la prévision) et le renforcement de capacité institutionnelle qui accompagne le produit (formation, procédures opérationnelles, coordination interinstitutionnelle). Leur conclusion, obtenue par un modèle économique stylisé calibré sur des entretiens de terrain et une revue d’une cinquantaine de documents opérationnels d’ARC, est que l’essentiel du gain de bien-être provient de la composante de renforcement de capacité, et non du mécanisme assurantiel lui-même. Dans plusieurs scénarios testés, un appui autonome au renforcement de capacité, sans produit d’assurance adossé, produit un gain de bien-être supérieur au produit assurantiel complet, en particulier quand le risque de base ou le chargement de prime sont élevés.

Ma lecture : si la principale valeur documentée d’un produit vendu comme une innovation actuarielle de transfert de risque est en réalité une externalité de capacity building, alors la promesse technologique originelle n’est pas ce qui justifie le produit dans les cas où elle a été le mieux étudiée. C’est un déplacement de la thèse de vente qui mérite d’être nommé explicitement pour un décideur : acheter une couverture paramétrique sécheresse en s’attendant à un remboursement fidèle de la perte, c’est se fier précisément à la dimension du produit la moins bien établie par la recherche disponible.

6. Où le pari technologique tient, où il ne tient pas

En croisant les cas d’usage documentés, une ligne de partage assez nette se dessine. Le produit tient sa promesse quand le péril produit une perte quasi binaire et homogène entre assurés (l’incendie total d’un bâtiment, un vent au-delà d’un seuil destructeur, une magnitude sismique locale) parce que le paramètre et la perte convergent presque par construction ; c’est le registre où l’OCDE documente un usage croissant et où la rapidité de paiement devient un avantage net sans contrepartie actuarielle significative.

Le produit peine à tenir sa promesse quand le péril est diffus, cumulatif et hétérogène entre assurés (sécheresse agricole, rendement de récolte, sinistralité climatique étalée dans le temps) parce que c’est exactement la structure de corrélation faible que Stigler et ses coauteurs identifient comme le terrain où le biais de mesure du risque de base est le plus sévère, et c’est le registre où s’est joué l’échec malawite de 2016.

7. Ce que j’en retiens pour un décideur

Un assureur, un réassureur ou un directeur des risques qui évalue une couverture paramétrique gagnerait à exiger du fournisseur une mesure explicite du risque de base plutôt qu’un chiffre de rapidité de paiement, qui n’est jamais le point de fragilité réel du produit. Il gagnerait aussi à interroger la profondeur temporelle des données ayant servi à calibrer l’indice : un historique court, même couplé à une résolution spatiale impressionnante, est un signal d’alerte plutôt qu’un gage de qualité, d’après la démonstration statistique de Stigler et ses coauteurs.

Pour les périls à perte binaire et homogène (catastrophe naturelle à seuil clair, incendie total, paramètre météorologique unique), le produit se rapproche le plus de sa promesse et mérite d’être considéré à parité avec l’assurance dommages classique sur le seul critère de la vitesse de règlement. Pour les périls diffus et hétérogènes entre assurés (agriculture, sécheresse, cumul climatique), le risque de base doit être budgété comme un coût structurel du produit et non comme un défaut résiduel corrigible par plus de données, et la composante de renforcement de capacité éventuellement associée mérite d’être évaluée et négociée séparément de la composante assurantielle, puisque c’est elle qui, selon la source la plus robuste dont je dispose, porte l’essentiel du bénéfice observé.

Enfin, toute documentation commerciale émanant d’un réassureur ou d’un courtier sur ce sujet doit être lue en sachant qu’elle valorise structurellement la rapidité et la simplicité, rarement l’économie du risque de base : ce n’est pas un vice de la source, c’est sa fonction, mais cela impose de la croiser systématiquement avec une source indépendante avant toute décision de couverture.

8. Implications à trois horizons

À court terme (zéro à douze mois), la vigilance porte sur la lecture de la fiche technique de tout produit paramétrique déjà en portefeuille ou en cours de souscription : la profondeur d’historique de l’indice et le taux de corrélation annoncé entre paramètre et perte historique sont les deux chiffres à faire certifier, pas le délai de règlement.

À moyen terme (un à trois ans), la question stratégique porte sur la segmentation du portefeuille de couverture catastrophe entre les périls à structure binaire, où le paramétrique peut prendre une part croissante sans dégradation actuarielle significative, et les périls diffus, où il devrait rester un complément de liquidité rapide plutôt qu’un substitut à l’indemnisation classique.

À long terme (au-delà de trois ans), l’enjeu est méthodologique et sectoriel : la correction du biais de mesure identifié par Stigler et ses coauteurs n’existe pas encore comme standard de marché. Un acteur qui investirait tôt dans une méthodologie de correction (ou qui l’exigerait contractuellement de ses fournisseurs d’indices) disposerait d’un avantage informationnel réel sur la tarification du risque de base, à un moment où le marché continue très largement à le sous-estimer par construction statistique.

Application par profil de décision

Profil	Ce que cette analyse implique	Enjeu	Réversibilité
Assureur ou réassureur souscripteur (péril à perte binaire)	Le produit tient sa promesse quand la perte est quasi binaire ; la couverture peut être élargie à parité avec l’assurance classique sans discussion supplémentaire sur le risque de base.	Faible	Réversible
Assureur ou réassureur souscripteur (péril diffus et hétérogène)	Le risque de base est structurellement sous-estimé par les méthodes usuelles fondées sur un R² ; la profondeur d’historique des données doit être exigée avant toute tarification.	Modéré	Partiellement réversible
État ou organisme souverain assuré (couverture sécheresse type ARC)	L’épisode malawite de 2016 montre que l’échec du modèle peut coïncider avec une urgence alimentaire nationale ; la valeur documentée du produit tient surtout au renforcement de capacité associé, pas au mécanisme assurantiel lui-même.	Critique	Partiellement réversible
Courtier ou conseil en gestion des risques recommandant le produit	La documentation commerciale valorise structurellement la rapidité de règlement, rarement l’économie du risque de base ; la recommandation doit être étayée par une mesure indépendante avant transmission au client.	Modéré	Réversible

---

Anand, V., Poole-Selters, L., Spognardi, A. G., Bekele, B. T., Coughlan de Perez, E. (2025). When does forecast-based insurance benefit? An economic analysis of drought risk anticipatory insurance. The Geneva Papers on Risk and Insurance, DOI 10.1057/s41288-025-00355-2. Conflit d’intérêt déclaré. pmc.ncbi.nlm.nih.gov

Stigler, M., Dey, A., Hobbs, A., Lobell, D. (2022). With big data come big problems: pitfalls in measuring basis risk for crop index insurance. Preprint arXiv:2209.14611. arxiv.org

ActionAid International (2017). The wrong model for resilience: How G7-backed drought insurance failed Malawi, and what we must learn from it. Source de plaidoyer, faits corroborés par ReliefWeb et PreventionWeb. actionaid.org

OCDE (2026). Financial Protection Against Catastrophic Risks. Direction des affaires financières et des entreprises. oecd.org

EIOPA / OCDE (2021). Towards a European system for natural catastrophe risk management. eiopa.europa.eu

Swiss Re Corporate Solutions. What parametric insurance can do for the construction industry. Source commerciale. corporatesolutions.swissre.com