Assurance paramétrique : le risque de base, jamais quantifié par Swiss Re ni par l'OCDE

L’assurance paramétrique se présente comme une rupture. Plus de constat de sinistre, plus d’expert. Le paiement est contractuellement prédéterminé par un déclencheur observable (vitesse de vent, magnitude sismique, indice de sécheresse) qui franchit un seuil fixé à l’avance. L’évaluation individuelle de la perte n’est pas la condition principale du versement. 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. C’est la définition que retient l’EIOPA, l’autorité européenne de supervision des assurances, dans ses travaux sur la gestion des risques de catastrophe naturelle : le paiement est « déclenché automatiquement une fois le seuil atteint, indépendamment de la perte subie ». Le mot « automatique » mérite toutefois d’être manié avec prudence, et l’épisode malawite examiné plus loin dans cette analyse montre pourquoi : entre le paramètre et le virement, il y a un modèle, des données d’entrée nationales, une personnalisation locale et, le cas échéant, sa révision. Le déclenchement est prédéterminé par contrat. Il n’est pas pour autant instantané ni à l’abri d’une discussion. Cette déconnexion entre le paramètre et la perte fait la force commerciale du produit : rapidité, simplicité, absence de contentieux. Elle fait aussi sa fragilité actuarielle. L’écart entre ce que le paramètre mesure et ce que l’assuré subit a un nom : le risque de base. La littérature récente montre qu’il est plus difficile à réduire qu’on ne le présente généralement. Elle montre aussi qu’il est plus difficile à mesurer correctement.

La documentation commerciale et institutionnelle rassemblée pour cette analyse partage un point aveugle commun : Swiss Re valorise la rapidité de paiement, l’OCDE documente la croissance des usages, ni l’une ni l’autre ne quantifie le risque de base. J’ai confronté la littérature académique récente, les publications des régulateurs et un cas réel d’échec documenté pour combler précisément ce point aveugle. Mon idée maîtresse en ressort claire : la promesse technologique de rapidité et de simplicité est réelle. Mais, dans les documents rassemblés ici, elle n’a pas été présentée comme le problème actuariel central du produit. Ce problème central, c’est la précision du proxy, et il reste largement non résolu. La recherche la plus récente suggère même que les outils statistiques utilisés pour évaluer cette précision portent un biais structurel. Ce biais pousse à surestimer la précision réelle du produit. Quant à la vraie valeur ajoutée du produit, la donnée la plus solide dont je dispose ne la situe 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 commercialise des produits paramétriques STORM et QUAKE pour l’industrie de la construction. Le réassureur 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. Sa couverture s’étend aussi 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. C’est un document commercial d’un réassureur qui vend le produit qu’il décrit : le registre est promotionnel, pas neutre. L’avantage général de rapidité du paramétrique, lui, est corroboré indépendamment par les régulateurs. Le chiffre précis de quinze à trente jours reste en revanche auto-rapporté par le vendeur, sans audit indépendant que j’aie pu identifier.

L’OCDE documente, dans son rapport 2026 sur la protection financière face aux risques catastrophiques, un usage réel du paramétrique. Le cas est celui du 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. Des observateurs du marché rapportent un regain d’intérêt pour ce type de produit 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. Le paramétrique est particulièrement adapté lorsque le déclencheur observable est étroitement corrélé à une perte homogène et fortement concentrée, comme peut l’être la destruction directe d’une structure par un incendie. Cela peut réduire le risque de base, sans le supprimer. L’OCDE le rappelle d’ailleurs dans le même passage : le risque de base demeure un obstacle potentiel, tout comme la difficulté à confirmer la cause du sinistre. Un déclencheur peut ne pas recouvrir le périmètre exact du dommage, indemniser sans perte réelle, ou ignorer les dégâts de fumée et l’interruption d’activité.

2. La faille structurelle : le risque de base

Mais beaucoup d’usages commerciaux du paramétrique ne présentent pas cette structure de perte concentrée : agriculture, sécheresse souveraine, catastrophes naturelles à intensité variable. C’est là que la promesse technologique rencontre sa limite actuarielle, celle du risque de base. Le risque de base, c’est la probabilité qu’un assuré subisse une perte réelle sans percevoir d’indemnité. C’est aussi, à l’inverse, la probabilité qu’il perçoive une indemnité sans avoir subi de perte.

Ce n’est pas une objection de critique extérieur. Le superviseur européen le décrit lui-même, sans employer le terme : dans le même rapport, l’EIOPA note que pour l’assurance indicielle, « si une catastrophe cause des dommages mais que le seuil paramétrique prédéfini n’est pas atteint, aucune indemnité ne peut être versée ». Elle oppose ce régime à celui de l’assurance indemnitaire, où ce risque n’existe pas. Le point de fragilité est donc identifié par l’institution qui supervise le marché, pas seulement par ses détracteurs.

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. Il est publié en 2025 dans The Geneva Papers on Risk and Insurance. Il est 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. Ils montrent que cette probabilité dépend directement de la corrélation entre l’indice utilisé et l’occurrence réelle de la sécheresse. L’un des cinq coauteurs est salarié d’ARC, l’organisme qui a conçu le produit étudié. C’est un conflit d’intérêt que les auteurs déclarent eux-mêmes explicitement, ce qui est à leur crédit. Cela justifie néanmoins 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. Les auteurs calibrent leurs hypothèses sur la littérature existante. Trois paramètres : une probabilité de sécheresse d’une année sur cinq, un coût de réponse représentant la moitié de la richesse disponible, un chargement de prime de 35 % au-dessus du tarif actuariellement juste. Sous ces hypothèses, la couverture optimale diminue à mesure que le risque de base augmente. Pour un pays disposant déjà d’une capacité opérationnelle à agir sur la base de prévisions, le résultat est plus tranché encore. L’assurance paramétrique n’y est optimale que dans des conditions de risque de base faible et de chargement de prime modéré. Or je ne retrouve pas ces conditions documentées comme la norme dans les déploiements réels.

Les trois paramètres de calibration d'Anand et coauteurs (2025), calibrés sur la littérature existante. Modèle économique stylisé, pas une mesure empirique.

Une deuxième source, indépendante de celle d’Anand et coauteurs, donne la mesure de terrain qui manque au modèle. Jensen, Barrett et Mude publient en 2016, dans l’American Journal of Agricultural Economics, une étude empirique du produit d’assurance indicielle bétail (IBLI) au Kenya. Ils mobilisent huit saisons semestrielles de données de panel auprès de ménages pastoraux, pas un modèle stylisé. Leur premier résultat est favorable au produit : sur les sinistres les plus graves, IBLI réduit l’exposition des ménages au risque covarié de 63 % en moyenne. C’est le chiffre que la promotion du produit retient.

Leur second résultat est celui qui compte, et il va dans l’autre sens. Malgré cette réduction, les assurés conservent en moyenne 72 % de leur risque initial sur ces mêmes sinistres graves. La raison n’est pas que l’indice couvre mal le risque covarié. C’est que ces ménages sont surtout exposés à un risque idiosyncratique, propre à chacun, là où on les croyait frappés par des chocs collectifs. Un indice ne peut pas, par construction, capter ce qui n’arrive qu’à un ménage. Les auteurs en concluent que le produit appelle une évaluation ex post rigoureuse avant toute promotion comme outil de réduction des risques.

Ces 72 % sont le seul ordre de grandeur mesuré sur le terrain dont je dispose pour situer ce que laisse un produit indiciel mature, étudié depuis plusieurs années. Je le retiens comme repère de comparaison, pas comme valeur transposable à un autre produit.

Une précision de périmètre, parce qu’elle conditionne la suite. Cette étude ne réplique pas celle de Stigler et ses coauteurs, présentée plus loin, et l’inverse est vrai aussi. Jensen, Barrett et Mude mesurent le niveau du risque résiduel sur un produit donné. Stigler et ses coauteurs démontrent un biais dans les estimateurs de ce risque. Deux objets distincts, deux littératures distinctes. Aucun des deux résultats ne confirme l’autre, et je ne les traite pas comme deux mesures convergentes du même fait.

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 : la logique promet 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 sont chercheurs à Stanford et à l’université de San Francisco. Ils publient en 2022 un travail méthodologique qui identifie un biais statistique jusque-là passé inaperçu. Ce biais touche la mesure même du risque de base pour l’assurance indicielle agricole. Leur constat est net. Quand le nombre de parcelles observées (N) devient très supérieur au nombre d’années de données disponibles (T), le biais apparaît. Les estimateurs usuels du risque de base, fondés sur un R², sont alors systématiquement biaisés à la baisse. C’est exactement la situation que crée l’usage de données satellitaires récentes. Ce biais conduit alors à surestimer la qualité du produit. Les concepteurs de ces produits indiciels tendent à se croire plus précis qu’ils ne le sont. Ce résultat porte sur l’assurance indicielle agricole, un grand nombre de parcelles et une profondeur temporelle faible, avec des mesures de qualité fondées sur un R² ou une covariance. Les auteurs précisent eux-mêmes que leur démonstration analytique complète vaut pour les mesures linéaires, l’extension aux mesures non linéaires restant une piste de recherche. Le biais est d’autant plus fort que les rendements agricoles entre parcelles sont peu corrélés. C’est précisément le cas dans les systèmes de petites exploitations hétérogènes des pays en développement, le cœur de cible commercial et humanitaire du produit.

Source : tracé à partir du théorème 2 (cas « vanishing spike ») de Stigler, Dey, Hobbs & Lobell (2022), arXiv:2209.14611, où le biais asymptotique vaut 1/(T−1).

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. Dans le cadre asymptotique qu’ils illustrent, il n’apparaît négligeable qu’autour de cent années de données. Les auteurs précisent eux-mêmes qu’un tel historique au niveau de la parcelle est irréaliste. Ils ajoutent que le changement climatique limiterait de toute façon l’utilité d’une série aussi longue. Ce n’est donc pas un standard actuariel à atteindre : leur objectif est de corriger ou de borner statistiquement le biais, pas d’imposer une profondeur d’historique. Cette étude est un préprint déposé sur arXiv, non encore publié en revue à comité de lecture à ma date de vérification. Cela n’affaiblit pas la solidité de la démonstration statistique elle-même. Elle 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.

On peut opposer à ce diagnostic un argument sectoriel raisonnable : la profondeur d’historique des données satellitaires augmente chaque année, et le biais identifié par Stigler et ses coauteurs devrait donc s’atténuer mécaniquement avec le temps. Cet argument ne tient qu’en partie. Le seuil d’environ cent ans reste hors d’atteinte : les meilleurs jeux de données satellitaires actuellement mobilisés pour l’assurance indicielle agricole couvrent au mieux deux à trois décennies. Même en supposant une accumulation continue des séries, l’écart entre l’historique disponible et cet ordre de grandeur ne se referme pas à l’horizon de décision d’un souscripteur ou d’un État assuré aujourd’hui. L’argument du rattrapage par le temps est réel, mais il joue sur un horizon qui dépasse largement celui de toute décision de couverture actuelle.

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 une police de sécheresse auprès d’ARC Ltd, pour environ cinq millions de dollars de prime. Une sécheresse sévère a frappé, aggravée par un épisode El Niño exceptionnel. Le gouvernement a déclaré 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. Le dénouement, lui, se raconte en deux versions incompatibles. Pour ActionAid, un accord a été trouvé en novembre pour verser environ 8 millions de dollars, sous la pression et hors du fonctionnement normal du contrat. ARC donne une autre lecture du même épisode, rapportée en novembre 2016 par la presse spécialisée du transfert de risque. Ses modélisateurs auraient constaté que les agriculteurs malawites étaient passés à un maïs à cycle de quatre-vingt-dix jours, là où le modèle supposait une variété à cent vingt ou cent quarante jours. Après re-paramétrage d’Africa RiskView sur la bonne hypothèse de culture, le seuil aurait été franchi et un paiement de 8,1 millions de dollars déclenché.

Deux détails de cette version, pourtant favorable à ARC, rapprochent les deux récits plus qu’ils ne les opposent. Le réexamen ne part pas du modèle : il part de la contestation par le gouvernement malawite de la conclusion initiale, et de sa demande de réévaluation. Et le paiement intervient au titre d’une police amendée, pas du contrat signé au départ. Le désaccord ne porte donc ni sur les montants, ni sur le fait que le contrat initial n’a pas payé, ni sur le fait qu’il ait fallu une contestation pour rouvrir le dossier. Il porte sur la nature de l’épisode : échec intrinsèque du modèle pour l’une des parties, erreur de calibration locale corrigée pour l’autre. Je ne peux pas trancher à partir des documents publics dont je dispose. La version d’ARC est recoupée par deux relais de presse indépendants (la presse spécialisée du transfert de risque en novembre 2016, et Reuters via VOA News en mai 2017), mais pas par un document technique d’ARC lui-même. Le paiement n’a été effectué qu’en janvier 2017, trop tardif, et il représente 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.

1. 2015-2016Campagne agricole : le Malawi souscrit une police de sécheresse auprès d'ARC Ltd, pour environ cinq millions de dollars de primeActionAid
2. Avril 2016État d'urgence nationale déclaré, 6,7 millions de Malawiens en insécurité alimentaire
3. Nov. 2016Après une conclusion initiale de non-déclenchement par le modèle d'ARC, accord trouvé pour verser environ 8 millions de dollars selon ActionAid ; ARC décrit de son côté un re-paramétrage d'Africa RiskView sur la bonne variété de maïs, ayant fait franchir le seuil au titre d'une police amendée, pour 8,1 millions de dollarsVersions disputées
4. Janv. 2017Paiement effectué, trop tardif ; le coût total de la réponse gouvernementale à la sécheresse est estimé à 395 millions de dollars

D'après ActionAid International (2017), Anand et coauteurs (2025) et Artemis (2016) pour la version d'ARC. Le dénouement de novembre 2016 est disputé entre les deux parties, et cette analyse ne tranche pas entre les deux versions.

Source : d’après ActionAid International (2017), Artemis (2016) et Anand et al. (2025). Échelle logarithmique.

ActionAid est une ONG de plaidoyer. Elle est 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. Ce qui me permet malgré tout de traiter les faits bruts comme établis n’est pas leur reprise par des plateformes de republication : héberger le rapport d’ActionAid n’est pas le corroborer, c’est la même source à une seconde adresse. C’est qu’ARC, partie adverse et seule à avoir intérêt à les contester, ne les conteste pas. Le montant de la prime, le non-déclenchement initial du modèle, le montant final de 8,1 millions et sa date figurent dans les deux versions. Le contradicteur le mieux placé confirme les faits et ne discute que leur lecture : c’est le meilleur appui dont je dispose, et il vaut mieux qu’une republication.

Je réserve donc mon jugement sur la seule interprétation normative, sans étendre cette réserve aux faits eux-mêmes. L’épisode est par ailleurs cité comme référence empirique du risque de base d’ARC dans la littérature académique, notamment dans la bibliographie de Stigler et ses coauteurs.

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. La première est le mécanisme assurantiel proprement dit : le paiement déclenché par la prévision. La seconde est le renforcement de capacité institutionnelle qui accompagne le produit : formation, procédures opérationnelles, coordination interinstitutionnelle. Leur conclusion s’appuie sur un modèle économique stylisé, calibré sur des entretiens de terrain et une revue d’une cinquantaine de documents opérationnels d’ARC. Dans ce modèle, l’essentiel du gain de bien-être modélisé provient de la composante de renforcement de capacité, pas du mécanisme de financement assurantiel lui-même. Dans plusieurs scénarios testés, un appui autonome au renforcement de capacité, sans produit d’assurance adossé, produit même un gain de bien-être supérieur au produit assurantiel complet. C’est particulièrement vrai quand le risque de base ou le chargement de prime sont élevés.

Ma lecture est la suivante. Ce produit est vendu comme une innovation actuarielle de transfert de risque. Mais dans le seul cas où sa valeur a été modélisée finement, un produit souverain d’assurance anticipatoire, l’essentiel du gain vient d’une externalité de renforcement de capacité. La promesse technologique originelle n’est donc pas ce qui justifie le produit dans ce cas précis. Je souligne la limite de portée : ce résultat ne se transpose pas automatiquement à un propriétaire californien couvert contre l’incendie, à une usine couverte contre le vent, à un chantier ou à une couverture séisme. Le renforcement de capacité n’est même pas nécessairement présent dans ces produits. C’est un déplacement de la thèse de vente qui mérite d’être nommé explicitement pour un décideur souverain ou institutionnel. Acheter une couverture paramétrique sécheresse en s’attendant à un remboursement fidèle de la perte revient à se fier à une seule dimension du produit. C’est précisément la dimension 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 se rapproche le plus de sa promesse quand le péril produit une perte fortement concentrée et homogène entre assurés. Trois exemples : l’incendie total d’un bâtiment, un vent au-delà d’un seuil destructeur, une magnitude sismique locale. Le paramètre et la perte convergent alors étroitement, sans se confondre. C’est le registre où l’OCDE documente un usage croissant. C’est aussi celui où la rapidité de paiement pèse le plus lourd dans la balance. Cela ne dispense pas de comparer le reste des termes du contrat.

Le produit peine à tenir sa promesse quand le péril est diffus, cumulatif et hétérogène entre assurés. Trois exemples : sécheresse agricole, rendement de récolte, sinistralité climatique étalée dans le temps. C’est la structure de corrélation faible qui rend le biais d’estimation le plus sévère dans les cas étudiés par Stigler et ses coauteurs, sur l’assurance indicielle agricole.

Je distingue ici deux problèmes qu’on confond souvent. Le premier est général : le risque de base existe dans tout produit paramétrique, quel que soit le péril. Le second est particulier : c’est le biais statistique d’évaluation de ce risque de base, documenté sur des indices agricoles à forte dimension spatiale et faible profondeur d’historique. On ne peut pas en déduire que le marché paramétrique catastrophe dans son ensemble sous-estime son risque de base. Un produit séisme calibré sur un réseau sismologique, une magnitude, une distance et une courbe de paiement n’a pas nécessairement la même structure statistique qu’un indice de rendement agricole.

C’est aussi le registre où s’est joué l’épisode malawite de 2016, et celui où Jensen, Barrett et Mude mesurent au Kenya les 72 % de risque initial que conservent les assurés d’un produit indiciel mature. L’épisode malawite ne relève d’ailleurs pas du seul risque de base. Dans un produit paramétrique, la qualité du déclencheur dépend non seulement de sa corrélation théorique avec la perte, mais aussi des données, du modèle et de sa calibration locale. Ces quatre registres se cumulent et ne se corrigent pas de la même façon.

Ces deux constats se résument en une grille à deux axes que j’appellerai ici la grille de convergence paramètre-perte. D’un côté, le caractère concentré ou gradué de la perte assurée. De l’autre, son homogénéité ou son hétérogénéité entre assurés. Plus la perte est concentrée et homogène, plus le paramètre et la perte convergent et plus le risque de base se réduit. Plus la perte est graduée et hétérogène, plus le risque de base devient un coût structurel, indépendamment de la résolution des données utilisées pour calibrer l’indice. Cette grille est une lecture que je propose pour ordonner les cas, pas un résultat démontré par les sources citées. C’est elle, plutôt que la rapidité de paiement, qui devrait gouverner la décision de structuration d’un produit paramétrique.

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. Ce chiffre compte plus qu’une promesse de rapidité de paiement, qui n’est pas, dans les documents rassemblés ici, le point de fragilité mis en avant. Il gagnerait aussi à interroger la profondeur temporelle des données ayant servi à calibrer l’indice. Un historique court est un signal d’alerte plutôt qu’un gage de qualité, même couplé à une résolution spatiale impressionnante. C’est ce que montre la démonstration statistique de Stigler et ses coauteurs.

Reste la question que personne ne pose : une fois le chiffre obtenu, à quoi le comparer ? Je n’ai pas de norme de marché à proposer, elle n’existe pas. J’ai un seul point de comparaison mesuré sur le terrain, et c’est celui de Jensen, Barrett et Mude. Sur un produit indiciel mature, déployé et étudié pendant huit saisons, les assurés conservent 72 % de leur risque initial sur les sinistres les plus graves. Ce n’est pas un seuil à atteindre, et ce chiffre ne se transpose pas tel quel à un autre péril. C’est un ordre de grandeur qui permet de tenir deux raisonnements simples.

Le premier : un fournisseur qui annonce un risque résiduel très inférieur, sur un péril lui aussi diffus et hétérogène, doit pouvoir expliquer ce que sa structure de perte a de différent. Si l’explication tient à la finesse de ses données plutôt qu’à la nature du péril, c’est précisément le raisonnement que Stigler et ses coauteurs invalident.

Le second : un fournisseur qui produit un chiffre issu d’un R² calculé sur beaucoup de sites et peu d’années annonce, si leur démonstration tient, une borne optimiste plutôt qu’une valeur. Ce chiffre se lit alors comme un plafond de qualité, pas comme une mesure. Et un fournisseur incapable de produire le moindre chiffre a répondu, lui aussi.

Pour les périls à perte concentrée et homogène (catastrophe naturelle à seuil clair, incendie total, paramètre météorologique unique), le produit se rapproche le plus de sa promesse. Il y est particulièrement prometteur, sans que la comparaison complète des termes du contrat avec l’assurance dommages classique ait été établie ici. Cette comparaison suppose de mettre en regard prime, franchise, limite, exclusions, risque de base, frais d’expertise, coût du capital et traitement des pertes indirectes. La vitesse de règlement n’en est qu’un critère. 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. Ce n’est pas un défaut résiduel corrigible par plus de données. La composante de renforcement de capacité éventuellement associée mérite, elle, d’être évaluée et négociée séparément de la composante assurantielle. C’est elle qui, dans le produit souverain modélisé par Anand et coauteurs, porte l’essentiel du bénéfice modélisé. Ce résultat vaut pour ce type de produit, pas pour l’assurance paramétrique en général.

Enfin, toute documentation commerciale émanant d’un réassureur ou d’un courtier sur ce sujet doit être lue avec un filtre. 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. Cela vaut pour tout produit déjà en portefeuille ou en cours de souscription. Deux chiffres sont à faire certifier en priorité : la profondeur d’historique de l’indice et le taux de corrélation paramètre-perte historique annoncé. Le délai de règlement annoncé, lui, reste une donnée du vendeur. Il n’est pas le point de fragilité du produit, ce qui ne le rend pas vérifié pour autant.

À moyen terme (un à trois ans), la question stratégique porte sur la segmentation du portefeuille de couverture catastrophe. Pour les périls à perte concentrée et homogène, le paramétrique peut prendre une part croissante, à condition que la comparaison des termes du contrat soit faite au cas par cas. Pour les périls diffus, il devrait rester un complément de liquidité rapide, pas un substitut à l’indemnisation classique.

À long terme (au-delà de trois ans), l’enjeu est méthodologique et sectoriel. Les auteurs proposent des corrections statistiques du biais qu’ils identifient, mais celles-ci n’existent pas encore comme standard de marché. Un acteur qui investirait tôt dans une méthodologie de correction en tirerait un avantage informationnel réel sur la tarification du risque de base. Il pourrait aussi l’exiger contractuellement de ses fournisseurs d’indices. Là où l’historique est court et les sites observés nombreux, les méthodes usuelles conduisent en effet à sous-estimer ce risque.

Application par profil de décision

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

Jensen, N. D., Barrett, C. B., Mude, A. G. (2016). Index Insurance Quality and Basis Risk: Evidence from Northern Kenya. American Journal of Agricultural Economics, 98(5), 1450-1469, DOI 10.1093/ajae/aaw046. Étude empirique sur données de panel, sans lien avec les autres sources de cet article ; deux de ses trois auteurs ont conçu le produit IBLI qu’elle évalue et le troisième signe depuis l’institution qui porte le pilote, ce qui appelle la même prudence renforcée que pour Anand et ses coauteurs. doi.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. Les faits bruts qu’elle rapporte ne sont pas contestés par ARC. actionaid.org

Artemis (17 novembre 2016). African Risk Capacity in $8m parametric insurance payout to Malawi. Presse spécialisée du transfert de risque, relayant la version d’ARC sur le re-paramétrage d’Africa RiskView et la police amendée. artemis.bm

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

EIOPA. Towards a European system for natural catastrophe risk management. The possible role of European solutions in reducing the impact of natural catastrophes stemming from climate change. Autorité européenne des assurances et des pensions professionnelles. Source de supervision, indépendante des vendeurs du produit. eiopa.europa.eu

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