Audit actuariel : qualité des données et analyse des écarts

Sciences actuarielles · Master 1

Contrôles de qualité des données et analyse de la variation des résultats d'un exercice à l'autre.

Introduction

Même le meilleur modèle donne de mauvais résultats avec de mauvaises données. L'auditeur actuariel commence donc par évaluer l'exhaustivité, l'exactitude et la cohérence des données qui alimentent les calculs : effectifs, sommes assurées, primes, sinistres, salaires assurés ou rentes en cours.

Une fois les données jugées fiables, il s'intéresse à la dynamique des résultats. L'analyse des écarts, ou analysis of change, décompose la variation d'un indicateur (provision, engagement, fonds propres) entre deux dates en causes élémentaires : écoulement du temps, nouveaux contrats, sinistralité réelle, changement d'hypothèses, évolution des marchés.

Une variation inexpliquée ou un résidu important signale une faiblesse dans les données, le modèle ou les contrôles. C'est un outil de détection autant que d'explication.

Objectifs d'apprentissage

Lister les dimensions de la qualité des données
Concevoir des contrôles d'exhaustivité et de cohérence
Réaliser une réconciliation entre sources
Décomposer une variation de résultat en causes élémentaires
Interpréter un résidu inexpliqué

Concepts clés

Dimensions de la qualité: Exhaustivité (tout est présent), exactitude (valeurs correctes), cohérence (entre sources), actualité (données à jour) et unicité (pas de doublons).
Contrôles types: Totaux de contrôle, tests de plausibilité (âges, dates, montants négatifs), détection de doublons, comparaison à la période précédente et rapprochement avec la comptabilité.
Réconciliation: Mise en concordance de deux sources, par exemple l'effectif de la gestion des assurés et celui du calcul actuariel, avec explication de chaque différence.
Analyse des écarts: Décomposition de la variation entre t0 et t1 en effets successifs : intérêt, nouvelles affaires, sinistres réels contre attendus, changement d'hypothèses, effets de marché.
Résidu et signal d'alerte: La part non expliquée de la variation doit rester faible. Un résidu élevé révèle souvent une erreur de données, de modèle ou de processus.

Conclusion

La confiance dans les chiffres actuariels repose sur la qualité des données et sur la capacité à expliquer leur évolution. Les contrôles d'exhaustivité, de plausibilité et de réconciliation sécurisent le point de départ.

L'analyse des écarts donne ensuite une lecture causale de la variation des résultats. Son résidu est un indicateur précieux : bien interprété, il oriente l'auditeur vers les vraies faiblesses.

Cartes

Que signifie l'exhaustivité des données ?: Que toutes les unités concernées (contrats, assurés, sinistres) figurent bien dans la base.
Que contrôle un test de plausibilité ?: Que les valeurs sont crédibles, par exemple un âge compris entre 0 et 120 ans ou une date de naissance antérieure à la date d'entrée.
Pourquoi rechercher des doublons ?: Parce qu'ils faussent les effectifs, les primes et les sinistres, et peuvent doubler certains engagements.
Qu'est-ce qu'une réconciliation ?: La comparaison de deux sources de données avec explication de chaque écart.
Qu'est-ce que l'analyse des écarts ?: La décomposition de la variation d'un résultat entre deux dates en effets élémentaires.
Que représente le résidu d'une analyse des écarts ?: La part de variation que les effets identifiés n'expliquent pas.
Citez deux effets typiques d'une analyse des écarts des provisions.: L'écoulement du temps avec intérêt, et le changement d'hypothèses (taux, mortalité, cadences).
Comment distinguer effet d'expérience et effet d'hypothèse ?: L'effet d'expérience compare réel et attendu sur la période ; l'effet d'hypothèse mesure le changement de base de calcul.
Pourquoi documenter les anomalies de données ?: Pour tracer leur traitement, apprécier leur matérialité et permettre la correction à la source.

Glossaire

Exhaustivité: Présence de toutes les observations pertinentes dans une base.
Test de plausibilité: Contrôle qui vérifie qu'une donnée est vraisemblable.
Réconciliation: Rapprochement de sources de données pour expliquer leurs différences.
Analysis of change: Décomposition de l'évolution d'un résultat en effets successifs.
Effet d'expérience: Écart entre événements réels et événements attendus par les hypothèses.
Matérialité: Seuil au-delà duquel un écart ou une erreur est jugé significatif.