SCOR a conduit pour la deuxième année consécutive un challenge « Datathon » en partenariat avec l’Ecole Polytechnique avec la particularité d’avoir été étendu à d’autres écoles (ESCP, ESSEC, Centrale Supelec, Telecom, HEC). Fort des 70 étudiants mobilisés tout au long de la compétition, le challenge a été un véritable succès, avec une excellente dynamique de bout en bout.

Le sujet portait sur la maitrise des grands risques, et plus précisément sur la prédiction de la prime assurée. Pour ce faire, des données relatives au portefeuille d’exposition de SCOR, ainsi qu’un historique de sinistralité ont été mis à disposition, afin de permettre aux étudiants de créer des modèles de prédiction en se basant sur les nouvelles technologies que sont la Data Science et l’Intelligence Artificielle. Les étudiants ont été par ailleurs encouragés à faire montre de créativité en incorporant toute donnée externe qu’ils jugeaient pertinente pour alimenter leur modélisation (indicateurs macroéconomiques par pays, indicateurs financiers…), opportunité que les trois meilleurs groupes ont su bien exploiter. Les modélisations les plus performantes sont celles qui ont tiré le meilleur parti de ces données complémentaires, ouvrant le champ à de nouvelles pistes pour SCOR afin d’enrichir nos propres modèles.

Les données sont un atout clé. SCOR attache une attention considérable aussi bien à la qualité des données manipulées qu’aux modélisations sous-jacentes. En alignement avec les objectifs de Quantum Leap, cette conviction conduit SCOR à explorer et s’appuyer sur des technologies de marché telles que Deepkube (développée par Berexia), permettant d’accélérer le travail de qualification de la donnée, d’évaluation de sa qualité, et de transformation en vue d’alimenter nos modèles.

Autre trait saillant de cette seconde édition, le projet vainqueur était porté par une équipe pluridisciplinaire regroupant des étudiants de différentes écoles. On y trouve une parfaite illustration de la difficulté de la modélisation des risques, dans laquelle une appréhension univoque des données ne parvient pas à saisir la complexité de la réalité.

Riche en enseignements, cette expérience a par ailleurs permis de réaffirmer la volonté de SCOR de maintenir de telles initiatives en collaboration avec le corps académique de l’Ecole Polytechnique. L’initiative sera ainsi reconduite l’année prochaine.