# Audit actuariel : validation de modèles et risque de modèle Sciences actuarielles · Master 2 > Validation conceptuelle et quantitative d'un modèle actuariel, backtesting et risque de modèle. ## Introduction Les assureurs s'appuient sur des modèles pour fixer des primes, évaluer des provisions ou calculer leur capital cible. Un modèle est une simplification : il peut être faux, mal utilisé ou mal implémenté. Ce risque de modèle est l'objet de la validation indépendante. La validation combine plusieurs volets. Le volet conceptuel juge si la structure et les hypothèses sont adaptées à l'usage. Le volet quantitatif teste la performance : backtesting, comparaison à des données hors échantillon, analyses de sensibilité et de stabilité. Le volet technique vérifie l'implémentation (code, paramètres, flux de données) par re-codage ou tests de cas simples. Une validation efficace est proportionnelle à l'importance du modèle, documentée, répétée à intervalles réguliers et suivie d'un plan de remédiation. Elle conclut sur l'adéquation du modèle à son usage, ainsi que sur ses limites connues. ## Objectifs d'apprentissage - Distinguer risque de modèle, de paramètre et d'implémentation - Décrire les trois volets d'une validation de modèle - Concevoir un backtesting adapté à un modèle de risque - Évaluer la sensibilité d'un résultat aux hypothèses clés - Rédiger une conclusion sur l'adéquation à l'usage ## Concepts clés - **Risque de modèle** : Risque de décisions erronées parce que le modèle est mal spécifié, mal calibré, mal implémenté ou utilisé hors de son domaine de validité. - **Validation conceptuelle** : Examen de la logique du modèle : hypothèses, choix de lois, dépendances, simplifications, cohérence avec la littérature et la pratique du marché. - **Validation quantitative** : Tests statistiques et numériques : backtesting, adéquation hors échantillon, stabilité des paramètres, sensibilité aux hypothèses, comparaison à un modèle alternatif. - **Vérification de l'implémentation** : Contrôle du code et des flux de données par re-codage partiel, cas tests aux solutions connues et réconciliation des résultats intermédiaires. - **Gouvernance et remédiation** : Inventaire des modèles, classement par criticité, responsabilités distinctes entre développeur, propriétaire et validateur, et suivi des constats jusqu'à clôture. ## Conclusion La validation de modèles protège l'assureur contre des décisions fondées sur des chiffres trompeurs. Elle repose sur l'indépendance, la proportionnalité et une combinaison de jugement conceptuel, de tests quantitatifs et de contrôle technique. Un modèle validé n'est pas exact : il est reconnu adapté à un usage défini, avec des limites connues et un suivi régulier. ## Cartes ### Qu'est-ce que le risque de modèle ? Le risque de décisions inadaptées dû à un modèle erroné, mal calibré, mal programmé ou mal utilisé. ### Pourquoi le validateur doit-il être indépendant du développeur ? Pour éviter les conflits d'intérêts et garantir un regard critique sur les choix de modélisation. ### En quoi consiste un backtesting ? Comparer les résultats prévus par le modèle aux résultats réellement observés, par exemple le nombre de dépassements d'une VaR. ### Quel est le principe d'un test hors échantillon ? Évaluer le modèle sur des données non utilisées pour le calibrer, afin de détecter un surapprentissage. ### Que mesure une analyse de sensibilité ? L'effet sur le résultat d'une variation contrôlée d'une hypothèse ou d'un paramètre. ### Pourquoi ré-implémenter un calcul simple ? Pour vérifier que le code produit les résultats attendus sur des cas dont la solution est connue. ### Que signifie un modèle utilisé hors de son domaine de validité ? Il est appliqué à des situations (portefeuille, période, produit) pour lesquelles il n'a pas été conçu ni testé. ### Pourquoi la validation doit-elle être proportionnelle ? Parce que l'effort doit suivre l'importance du modèle, c'est-à-dire l'impact financier et réglementaire de ses résultats. ### Que contient un plan de remédiation ? Les actions correctives, les responsables, les échéances et le suivi de chaque constat de validation. ## Glossaire - **Risque de modèle** : Risque de pertes ou de décisions erronées lié à un modèle imparfait ou mal employé. - **Backtesting** : Comparaison systématique entre prévisions et réalisations. - **Test hors échantillon** : Évaluation sur des données non utilisées pour l'estimation. - **Analyse de sensibilité** : Étude de l'effet d'un changement d'hypothèse sur un résultat. - **Domaine de validité** : Ensemble de situations pour lesquelles un modèle est jugé adapté. - **Remédiation** : Ensemble d'actions menées pour corriger un constat de validation. https://ruvy.ch/decks/-P5D-XkL4E7NT0K6vax0