Solvabilité 2 et la qualité des données : un mariage de raison !

Pour une société d'assurance (ou de réassurance), la notion de solvabilité correspond à sa capacité à respecter ses engagements financiers contractualisés avec ses clients à court, moyen et long termes. 

 

Cette notion s’apprécie au regard des garanties offertes aux clients d'une part (passif) et des moyens financiers dont dispose la compagnie pour y faire face d'autre part ; ces moyens financiers peuvent par exemple prendre la forme de fonds propres et d'actifs mobiliers (actif). La directive européenne Solvabilité 2 (Solvency II en anglais ou S2) vise à encadrer le niveau de solvabilité des sociétés d’assurance au travers de règles.

Après plusieurs décalages, l’entrée en vigueur de cette directive est planifiée pour janvier 2015. Néanmoins, l’année 2014 est extrêmement importante car c’est en ce moment que se joue l’homologation par l’Autorité de Contrôle Prudentiel et de Résolution (ACPR)  des modèles, de l’interprétation et de la mise en pratique des règles S2 par les sociétés d’assurance.

Outre les règles portant sur le calcul du niveau de solvabilité, le régulateur porte une attention particulière aux données utilisées et attend des livrables précis prouvant la rigueur portée aux données. En clair, les sociétés d’assurance vont devoir prouver qu’elles maîtrisent leur système d’information et leurs données en disposant d’une organisation,  de processus et d’outils dédiés.

 

L’objectif du  législateur est de forcer les compagnies à prouver que leurs données utilisées dans le cadre de S2 sont appropriées, complètes et exactes. En dépit de ces quelques principes structurants, la définition des moyens à mettre en œuvre est à la charge des sociétés ; elles doivent en effet mettre en place une gouvernance dédiée, des outils adaptés à leur organisation et définir leurs propres règles de contrôle des données. D’une manière générale, cette réponse doit être itérative, constante dans le temps et composée des 3 étapes suivantes :

1. L’identification des besoins en termes de données

Cette étape vise à alimenter un dictionnaire des données utilisées dans les processus S2 (de l’ordre de 200 données pour branche de produits) incluant la description des linéages de bout en bout des données (mappings et règles de transformation allant des applications de gestion jusqu’à l’alimentation des modèles internes).

2. La vérification des 3 critères de qualité et donc du caractère approprié, de la complétude et de l’exactitude de celles-ci
Cette étape consiste d’une part à définir les contrôles permettant de valider les critères et d’autre part à les exécuter régulièrement. Un reporting récurrent des résultats des contrôles et le recensement des phénomènes de non qualité doivent ensuite être produits.

3. La résolution de tout problème identifié
Un recensement et un suivi des actions de remédiation pour chaque phénomène de non qualité doit être fait par la gouvernance Qualité de données (QDD).

 

Un niveau insuffisant de qualité des données sera susceptible d’entraîner des réserves quant à l’approbation du modèle interne voire le recours à des sanctions financières (constitution d’un capital add-on). Une mauvaise gestion des données pourrait également engendrer un risque quant à la réputation et à l’image auprès des investisseurs et des assurés causé par un défaut de confiance.

Les chantiers à mener sont d’envergures. En effet, ils impactent une grande partie des SI (applications de gestion, synthèses, moteurs, …) et de nombreux acteurs (Direction des risques, Directions de marchés, Inventaires, DSI, …). De plus, pour les compagnies européennes, le régulateur demande une réponse globale au niveau Groupe ce qui nécessite une plus grande coordination des efforts. Ces chantiers font également ressortir des enjeux politiques complexes, comme par exemple, la relation avec les partenaires et les délégataires externes qui doivent pleinement jouer un rôle en tant que fournisseurs de données.

Malgré un processus long chez certains acteurs, ces pressions réglementaires et exigences de contrôle ont permis aux sociétés d’assurance de prendre conscience de la valeur des données. Des organisations dédiées commencent à émerger et la notion de certification de la qualité des données a fait son apparition. Habituellement confiée à la DSI, la gestion de la qualité des données est désormais devenue un enjeu d’entreprise regroupant de multiples compétences et interlocuteurs au sein de cette gestion.

 

Fort de ses expériences ainsi que de savoir-faire et bonnes pratiques développés dans le domaine des systèmes de synthèse, BI consulting met en œuvre chez de grands acteurs du marché une démarche pragmatique et spécifique pour traiter le sujet de la qualité des données. Appliquée à des problématiques réglementaires telles que S2, cette démarche vise à transformer la contrainte initiale en opportunité de création de valeur.

Pour en savoir plus sur notre offre Qualité de données et métadonnées, c'est ici .

Dany M.