Profilage des résiliants et stratégies de rétention dans le domaine de l'assurance emprunteur
Auteur(s) DANIEL-QUEMERE S.
Société Axa France
Année 2024
Confidentiel jusqu'au 23/01/2026

Résumé
Dans le monde financier, l’assurance emprunteur agit comme un bouclier réconfortant pour les emprunteurs, leur apportant une tranquillité relative envers les aléas de la vie. De récentes évolutions réglementaires (Lagarde, Hamon, Bourquin, Lemoine) permettent à ceux-ci de résilier plus facilement leur assurance de prêt. La préoccupation majeure des assureurs est de retenir le maximum de résiliants potentiels. Dans ce cadre, l’objectif de ce mémoire est dans un premier temps d’essayer de profiler au mieux ces résiliants pour permettre de leur proposer des mesures adaptées de rétention et in fine d’évaluer sur le plan économique la répercussion financière de cette rétention pour l’entreprise. L’étude de ce mémoire se base sur les contrats d’assurance emprunteur ayant pris effet entre juin 2014 et mai 2022. Les méthodes choisies pour analyser et prédire les résiliations de ces contrats sont les modèles linéaires généralisés (GLM), les forêts aléatoires et les XGBoost. Sachant que les contrats résiliés sont en déséquilibre par rapport aux contrats non résiliés, les modèles sont entraînés sur différentes bases : l’une sans rééchantillonnage, l’une avec un rééchantillonnage selon la méthode ROSE, et l’une avec un rééchantillonnage aléatoire. Au cours de l’analyse menée, une évaluation a été réalisée sur les divers modèles en se basant sur des métriques de performance de prédiction. Par la suite, l’impact des résiliations prédites sur le chiffre d’affaires a été examiné, tout comme les répercussions potentielles de différentes stratégies de rétention. Pour finir, une réflexion a été entreprise concernant les possibles changements de comportement des assurés face à une nouvelle opportunité, la mise en place de la résiliation à tout moment et sans frais, avec la loi Lemoine en juin 2022, tout en tenant compte du contexte économique en constante évolution. Mots clés : assurance emprunteur, résiliation, modèle linéaire généralisé, forêt aléatoire, XGBoost, chiffre d’affaires, rétention

Abstract
In the financial world, loan insurance acts as a comforting shield for borrowers, giving them relative peace of mind in the face of life’s hazards. Recent regulatory changes (Lagarde, Hamon, Bourquin, Lemoine) make it easier for borrowers to cancel their loan insurance. Insurers’ main concern is to retain as many potential cancellants as possible. In this context, the aim of this dissertation is firstly to try and profile these cancellers as accurately as possible, so as to be able to offer them appropriate retention measures, and secondly to assess the financial impact of this retention for the company. The study in this dissertation is based on loan insurance contracts that took effect between June 2014 and May 2022. The methods chosen to analyze and predict the termination of these contracts are generalized linear models (GLM), random forests and XGBoost. Knowing that terminated contracts are out of balance with unterminated contracts, the models are trained on different bases : one without resampling, one with ROSE resampling, and one with random resampling. In the course of the analysis carried out, an assessment was made of the various models based on predictive performance metrics. Next, the impact of predicted terminations on sales was examined, as were the potential repercussions of different retention strategies. Finally, we looked at possible changes in policyholder behavior in the face of a new opportunity, the introduction of cancellation at any time with the Lemoine law in June 2022, while taking into account the constantly changing economic context. Keywords : loan insurance, termination, generalized linear model, random forest, XGBoost, turnover, retention