Détection de la fraude:Accident Benefits en Ontario

AAIARD, 2 novembre 2012

Charles Dugas, Directeur Principal, Aviva Canada

En collaboration avec

Sujana Allam, Nathalie Charbonneau, Esaie Djossou, Benjamin M. Donais, Shengli Huang, Maxime Lafleur-Forcier, Jin Lee, Noémie Pey, Shu Zhang.

Juillet 2011 L’ “Ontario Auto Insurance Anti-Fraud

Task Force” (AFTF) est mise sur pied

Décembre 2011Rapport intérimaire de l’AFTF

Confidential Page 3

Le Symptôme

Source: Ontario Auto Insurance Anti-Fraud Task Force – Interim Reporthttp://www.fin.gov.on.ca/en/autoinsurance/interim-report.html

Confidential Page 4

Le Symptôme

Confidential Page 5

Le Symptôme

Confidential Page 6

Le Symptôme

Confidential Page 7

Fraude ou abus ?

Dommages matériels: pare-choc égratigné

Dommages corporels: plus de 100 formulaires soumis par 2 accidentés (214 929$)

Confidential Page 8

Types de fraude

Portrait des différents types de fraudes

Organisée• Plusieurs participants, chacun joue un rôle• Accidents planifiés ou qui n’ont jamais eu lieu• Les accidentés ne sont pas les organisateurs• Peut inclure des professionnels et autres « facilitateurs »• Peut inclure le vol d’identité de professionnels

Préméditée• Un membre du système facture des traitements superflus ou inexistants• Le membre travaille au dépend des accidentés ou de concert avec eux• La fraude ne relève pas d’un large réseau organisé

Opportuniste• Gonflement des réclamations par un accidenté

Juin 2012

Le rapport KPMG

Confidential Page 10

• Basé sur des diverses sources d’information

• N’est pas une analyse statistique

Conclusion principale: entre 770 millions $ et 1,6 milliard $ p.a. i.e., 9% et 18% primes totales en Ontario.

Solutions analytiques pour l’identification de la fraude

1.Approche robuste et efficace selon les démonstrations de faisabilité (POC) étudiées

2.La capacité de détection augmente significativement lorsque les données de plusieurs assureurs, plusieurs lignes d’affaires et plusieurs années sont utilisées

3.Le partage des données entre assureurs pose un problème au niveau de la confidentialité

4.Les solutions analytiques sont beaucoup utilisées aux É.-U. et au R.-U.

KPMG mandaté par le BAC (IBC)

Confidential Page 11

Raisons en faveur d’une solution analytique (SAS)

1) Automatisation: règles (red flags), réseaux, rapports. 2) Trier (rank) avec l’analyse prédictive (méthodes supervisées)3) Détection d’anomalies, de tendances (méthodes non supervisées)4) Accélérer la détection => réduire la durée de la fraude5) Intégration de différentes bases de données6) Améliorer le service à la clientèle7) Dissuasion

Confidential Page 12

5 (+/- bonnes) excuses pour s’en passer (SAS)

(3) Pas assez de données

(4) Les données en mauvais état

(5) Les données sont trop dispersées

(2) Nos ajusteurs et enquêteurs sont débordés

(1) Tout est sur papier et rédigé à la main

Confidential Page 13

Défis au niveau de la qualité des données

Parmi les principales sources de problèmes

1)Erreurs au niveau de l’entrée de données

2)Processus mal structurés

3)Standards inexistants (dates, adresses, etc.)

Défis

1)Propriété des données (data ownership)

2)Standards de qualité variables

3)Les outils de nettoyage automatisé

4)Responsabilisation des unités d’affaires (vs IT)

5)Développer une approche proactive

Confidential Page 14

Défis au niveau de l’analyse prédictive

(1) Définir la cible

(2) Classes débalancées

(3) Exploitation vs exploration

Confidential Page 15

Un processus dynamique

Stratégie simple: arrêt brusque

Évolution: « Swoop & Squat »

Confidential Page 16

Défis au niveau de l’analyse prédictive

(4) Reproduire l’image (profil) d’une réclamation dans le passé nécessite de travailler la transactionnelle

#CLM Dt Loss Dt Trans COLL AB

54321 2012-03-01 2012-03-15 500$

54321 2012-03-01 2012-03-23 2500$

54321 2012-03-01 2012-04-10 125$

54321 2012-03-01 2012-05-02 300$

54321 2012-03-01 2012-05-20 125$

54321 2012-03-01 2012-06-12 … …

Après 1 mois

Après 3 mois

À Dt Loss, AB=0…

Confidential Page 17

Défis au niveau de l’analyse prédictive

(5) L’acceptation

Juillet 2012

Mise à jour:Anti-Fraud Task Force

Status Update

Confidential Page 19

Sondage des consommateurs

1. 8/10 croient que la fraude est fréquente ou occasionnelle

2. 6/10 croient que la fraude influence (influential or very influential) les primes d’assurance

3. 64%-77% d’approbation pour 6 initiatives anti-fraude proposées

Confidential Page 20

Initiatives récentes du gouvernement

Dans le budget 2012:1. Engagement à collaborer avec l’AFTF et à suivre les

recommandations du rapport intérimaire

2. Proposition d’amendements afin que le surintendant de FSCO puisse imposer des amendes pour contravention aux lois et règles.

3. Plan de modernisation de FSCO• Revue du système de règlement des différends• Renforcement de l’autorité du surintendant par rapport au

« Unfair or Deceptive Acts or Practices »

Confidential Page 21

HCAI (Health Claims for Auto Insurance)

1. Professional Credential Tracker• permet de réduire le risque de vol d’identité• les professionnels peuvent voir quelles cliniques utilisent leur

identité • Deux phases test complétées

2. Création d’un numéro d’identification personnel (à l’étude)

3. Rapports mensuels clinique – assureur (implanté)

Confidential Page 22

Autres développements

1. Partenariat entre FSCO et WSIB (Workplace Safety and Insurance Board)

2. Consortium Detica (ou IFG)

3. Formation des forces policières (p.ex. Identifying Staged Collisions, Traffic Officers Course)

4. Recherche financée par l’ATFT• KPMG: estimation de l’étendue de la fr• Deloitte: étude d’autres juridictions (AL, BC, FL, MA, NY, UK)• Willie Handler & Associates: enregistrement et réglementation

des cliniques (http://williehandler.blogspot.ca)

15 Octobre 2012