Les échantillons aléatoires sont devenus une caractéristique déterminante et souvent débattue de la sélection des risques accélérée en assurance vie individuelle. Bien qu’ils soient souvent perçus comme une source de friction nécessaire dans un processus autrement simplifié, leur véritable valeur est souvent mal comprise. 

Ce livre blanc examine les échantillons aléatoires sous quatre angles : leurs avantages, leurs inconvénients, leurs limites et leur évolution, afin de clarifier leur rôle comme outil de mesure, de mettre en évidence leurs lacunes de manière concrète et d’examiner la façon dont ils peuvent évoluer pour répondre aux besoins changeants de l’industrie. En fin de compte, l’objectif n’est pas d’éliminer les échantillons aléatoires, mais de les intégrer à un processus de sélection des risques plus efficace, fondé sur les données et davantage adapté à la clientèle.

• Les échantillons aléatoires sont un outil de mesure, et non un outil de protection contre les risques
  Plutôt que repérer les mauvais risques, leur objectif principal est de quantifier la déviation de la mortalité et de valider la performance de la sélection des risques accélérée. Lorsqu’ils sont utilisés comme simple mécanisme de contrôle plutôt que comme outil de diagnostic, ils peuvent accroître les coûts et les irritants pour les clients sans fournir de renseignements pertinents.
• La mise en œuvre des échantillons aléatoires est importante
  L’application des échantillons aléatoires seulement aux dossiers acceptés par les moteurs de règles permet d’obtenir une vision plus claire du risque résiduel et une évaluation plus précise de la déviation de la mortalité. Le fait de cibler des assurés plus âgés et des montants d’assurance plus élevés peut améliorer les connaissances sur les segments du portefeuille présentant un potentiel d’incidence importante sur la mortalité. 
• L’objectif est de moderniser les échantillons aléatoires, et non de les éliminer
  Même si les échantillons aléatoires ne sont pas toujours perçus d’un bon œil, l’objectif devrait être de les moderniser et de les repositionner comme un outil parmi d’autres dans une approche élargie de sélection des risques, aux côtés des modèles prédictifs, de la surveillance des conseillers et des révisions ciblées après l’émission.
• L’avenir sera moins invasif et davantage fondé sur les données
  L’accès émergent à des données numériques sur la santé, comme les résultats des analyses en laboratoire et l’historique des ordonnances, donne l’occasion à l’industrie canadienne de l’assurance de moins dépendre des preuves médicales traditionnelles, qui peuvent être lentes à obtenir et intrusives. Ces sources peuvent fournir une vue d’ensemble de l’état de santé d’un proposant, ce qui réduit le recours à des prélèvements sans nuire aux résultats de mortalité.

Les échantillons aléatoires sont fondamentalement un outil de mesure, et non un outil de protection. Contrairement aux échantillons ciblés, qui sont déclenchés par des indicateurs de risque précis, les échantillons aléatoires sont appliqués au hasard à des dossiers qui seraient autrement approuvés au moyen de la sélection des risques accélérée. Leur rôle consiste à fournir un point de comparaison objectif pour évaluer l’efficacité concrète des règles de sélection des risques, des modèles et des sources de données, en particulier en ce qui a trait à la déviation de la mortalité. 

Aux fins du présent livre blanc, nous définissons la déviation de la mortalité comme la détérioration attendue de la mortalité causée par l’élimination des exigences traditionnelles dans le processus de sélection des risques.

Lorsqu’ils sont bien conçus, les échantillons aléatoires fournissent un portrait fidèle du risque résiduel. Les écarts observés dans les résultats, comme des taux plus élevés de surprimes ou de refus parmi les dossiers faisant l’objet d’un échantillonnage aléatoire, peuvent révéler des omissions de déclaration, les limites des modèles ou des lacunes dans les règles de sélection des risques, ce qui permet d’améliorer le programme de façon ciblée. Les programmes commencent souvent par des niveaux d’échantillons aléatoires élevés, qui sont réduits au fil du temps à mesure que la confiance à l’égard de la sélection des risques accélérée augmente. Cette approche peut offrir une valeur de protection grâce à un « effet sentinelle », qui décourage les fausses déclarations en raison de la possibilité d’avoir à faire des prélèvements.

Du point de vue de la mise en œuvre, les assureurs mesurent la déviation de la mortalité de différentes façons et intègrent les échantillons aléatoires à ce processus. 

• Moment de la sélection : Certains assureurs peuvent sélectionner des échantillons aléatoires en fonction d’un pourcentage fixe de propositions d’assurance, tandis que d’autres peuvent retenir un nombre déterminé de dossiers par période de surveillance. Certains assureurs sélectionnent les échantillons aléatoires avant les modèles de triage et d’exclusion, alors que d’autres les sélectionnent par la suite à partir d’un bassin plus restreint de dossiers qui auraient été acceptés sans exigences supplémentaires.  
• Logique de sélection : Certains assureurs peuvent concentrer les échantillons aléatoires chez les proposants plus âgés et pour les montants d’assurance plus élevés, tandis que d’autres appliquent des taux constants selon des catégories prédéfinies d’âge et de montant. 
• Capacité de mesure : Certaines entreprises font le suivi de la déviation de la mortalité au niveau de chaque police, tandis que d’autres l’évaluent à partir de la répartition des catégories de risque à l’échelle du portefeuille. 

Une pratique exemplaire consiste à sélectionner les échantillons aléatoires une fois que toutes les règles et décisions de sélection des risques ont été appliquées, et à les limiter aux dossiers que le moteur de sélection des risques accélérée aurait acceptés. Cela permet aux échantillons aléatoires d’isoler le risque résiduel réel et de fournir une évaluation plus précise de la déviation de la mortalité. 

Les échantillons aléatoires offrent aussi plus de valeur lorsque l’âge à l’émission est plus élevé et que le montant d’assurance est plus important, puisque l’exposition financière est plus grande. Du point de vue des coûts-avantages, des taux d’échantillonnage plus faibles conviennent souvent aux proposants plus jeunes qui demandent un montant d’assurance moins élevé. Cette approche permet de préserver une expérience client plus favorable. 

Le suivi au niveau de chaque police permet d’obtenir des renseignements plus détaillés et une meilleure compréhension de la déviation globale du portefeuille, mais certaines entreprises sont limitées par les défis liés aux technologies et aux processus opérationnels.

Il n’existe pas de taux « idéal » d’échantillons aléatoires. L’objectif est de recueillir suffisamment de données fiables pour quantifier avec confiance la déviation de la mortalité tout en maintenant une expérience client équilibrée. À titre indicatif, environ 5 % des propositions admissibles comportant un montant d’assurance de 500 000 $ ou plus ont fait l’objet d’un échantillonnage aléatoire en 2025¹. Ce pourcentage varie toutefois selon l’assureur, l’âge des proposants et le montant d’assurance demandé.

Ce qui est important, c’est d’obtenir un nombre suffisant de dossiers tarifés avec des exigences traditionnelles complètes afin d’obtenir des renseignements fiables. Les petits échantillons sont plus sensibles à la volatilité et peuvent donner une représentation erronée du rendement. Le nombre d’échantillons requis varie selon le programme, mais quelques centaines à un millier d’échantillons aléatoires par année permettent d’obtenir une évaluation crédible de la déviation de la mortalité et des tendances émergentes. Cependant, il peut être difficile d’atteindre le volume nécessaire pour les blocs d’affaires de plus petite taille, particulièrement aux âges plus élevés et pour les montants d’assurance plus importants. 

En fin de compte, les échantillons aléatoires devraient être calibrés pour fournir des renseignements crédibles, et non simplement pour atteindre un pourcentage cible prédéfini. Cela garantit qu’ils demeurent un mécanisme rigoureux d’évaluation de l’efficacité de la sélection des risques et de soutien à l’amélioration continue.

Commençons par l’évident : les échantillons aléatoires sont impopulaires. Ils compliquent l’expérience client.

Du point de vue du proposant, le fait d’être contraint de suivre un processus de sélection des risques traditionnel après s’être attendu à une décision rapide peut entraîner un sentiment de perturbation et de frustration. L’expérience est intrusive, lente et en décalage avec les attentes modernes. 

Les conseillers vivent cette réalité tout aussi intensément. Les échantillons aléatoires introduisent de l’incertitude dans le processus de vente, allongent les délais de traitement et augmentent le risque d’abandon. Chaque exigence supplémentaire donne au client l’occasion de changer d’idée, d’accepter une offre concurrente ou de renoncer à la souscription. Par conséquent, les échantillons aléatoires sont souvent perçus non pas comme un mécanisme de contrôle, mais comme un obstacle à l’acquisition de clients. 

Du point de vue de l’assureur, les répercussions opérationnelles peuvent rapidement s’accumuler. Les délais s’allongent, le taux de pertes augmente et les conseillers expriment davantage de réticences. Ces effets renforcent l’idée qu’il vaut mieux limiter le recours aux échantillons aléatoires.

Le principal problème ne réside toutefois pas dans l’impopularité des échantillons aléatoires. Il tient plutôt au fait qu’ils sont souvent utilisés à une fin qui n’est pas la leur.

Au fond, les échantillons aléatoires ne sont pas un outil de sélection des risques, mais un outil de mesure. Leur objectif est d’aider les assureurs à évaluer le rendement d’un programme de sélection des risques accélérée au fil du temps et à répondre à des questions aussi difficiles qu’essentielles :

• Les règles de sélection des risques et les modèles prédictifs différencient-ils les risques comme prévu?
• La mortalité observée évolue-t-elle conformément aux attentes?
• Où la déviation de la mortalité se produit-elle et quelles en sont les causes?

Trop souvent, les échantillons aléatoires servent de simple mécanisme de contrôle, un moyen de « revérifier » les décisions prises dans le cadre de la sélection des risques accélérée ou d’offrir un niveau supplémentaire d’assurance. Cependant, dans certains cas, il est difficile de déterminer si les résultats sont réellement utilisés pour améliorer le programme de sélection des risques accélérée. 

Certains assureurs ont recours aux échantillons aléatoires sans disposer de modèles d’analytique en place ni d’un mécanisme de rétroaction clairement défini permettant de convertir les résultats en modifications des règles, en amélioration des modèles ou en surveillance de la distribution. En l’absence d’un mécanisme établi pour tirer des enseignements et agir en conséquence, les échantillons aléatoires ajoutent des contraintes sans produire de renseignements exploitables. Les assureurs peuvent recueillir des données, mais ils ne parviennent pas à dégager les signaux comportementaux importants, comme la façon dont les proposants suivent les règles, la manière dont les conseillers réagissent au processus ou la façon dont le risque se distingue réellement lorsque toutes les preuves requises sont obtenues.

Le résultat est un paradoxe inconfortable : les échantillons aléatoires imposent des coûts réels aux proposants, aux conseillers et aux équipes opérationnelles, sans produire toute la valeur actuarielle et de sélection des risques qu’ils sont en mesure d’offrir. Voilà le véritable problème. Nous acceptons les inconvénients sans tirer pleinement parti des connaissances que les échantillons aléatoires sont censés fournir.

Une meilleure approche existe, et elle ne consiste pas à supprimer les échantillons aléatoires.

L’objectif devrait être de les moderniser et de les repositionner comme un outil parmi d’autres dans une approche élargie de sélection des risques, aux côtés des modèles prédictifs, de la surveillance des conseillers et des examens ciblés après l’émission. Lorsqu’ils sont utilisés de façon réfléchie, les échantillons aléatoires peuvent accomplir ce qu’aucun modèle ne peut à lui seul : offrir une vision claire du rendement réel de la sélection des risques.

Pour ce faire, il faudra modifier leur conception et les données utilisées.

• Premièrement, les échantillons aléatoires doivent être spécialement conçus pour évaluer les règles et les modèles de sélection des risques, et non pas simplement pour reproduire le processus traditionnel de sélection des risques sur un sous-ensemble de dossiers approuvés au moyen de la sélection des risques accélérée. Cela signifie qu’il faut définir ce qui constitue un résultat satisfaisant et comprendre comment les apprentissages serviront à améliorer le programme de sélection des risques accélérée, qu’il s’agisse de peaufiner les modèles prédictifs, de répondre aux préoccupations des conseillers ou d’améliorer les questions de la proposition d’assurance. 
• Deuxièmement, les échantillons aléatoires ne devraient pas être utilisés de façon isolée. Ils sont plus efficaces lorsqu’ils sont combinés à des outils complémentaires, notamment :
  • Analyse prédictive, par exemple pour évaluer la probabilité qu’un proposant soit fumeur, qu’il présente une fausse déclaration de son indice de masse corporelle (IMC) ou qu’il omette de divulguer certains problèmes de santé, afin de repérer les propositions qui justifient des preuves de sélection des risques supplémentaires; 
  • Surveillance du comportement des conseillers, y compris le suivi des taux de non-divulgation, afin de déterminer les aspects des pratiques de distribution qui pourraient nécessiter un examen plus approfondi; 
  • Suivi après l’émission de la police, réalisé notamment à l’aide des rapports du médecin traitant (RMT). Cette pratique est peu répandue au Canada, mais elle a démontré d’excellents résultats aux États-Unis.

Enfin, l’expérience elle-même est sur le point de changer en profondeur. Jusqu’à maintenant, les échantillons aléatoires étaient généralement associés à des exigences médicales intrusives, comme les examens en personne et les prélèvements, qui ralentissent le processus. Ce paradigme commence à changer. Les dossiers médicaux numériques, comme les données de laboratoire clinique et l’historique des ordonnances, sont de plus en plus accessibles au Canada. Dans de nombreux cas, ces données chevauchent les renseignements obtenus par l’intermédiaire des analyses traditionnelles demandées par les assureurs et peuvent parfois offrir un portrait plus complet des antécédents médicaux d’un proposant.

Cette évolution crée une occasion prometteuse de repenser les échantillons aléatoires en remplaçant, s’il y a lieu, une partie des exigences traditionnelles en matière de preuves par des données numériques. Le résultat est avantageux pour toutes les parties : une évaluation améliorée du risque et un processus de sélection des risques plus rapide, plus fluide et mieux adapté à la clientèle. 

Nous approfondirons cette idée dans un prochain livre blanc portant sur la façon dont les dossiers de santé numériques peuvent réduire le recours aux analyses invasives demandées par les assureurs grâce à l’utilisation de renseignements médicaux équivalents déjà disponibles, le cas échéant. D’autres renseignements à ce sujet vous seront communiqués sous peu.

À mesure que la sélection des risques évolue, le rôle des échantillons aléatoires doit aussi évoluer. En optant pour des approches moins invasives, les assureurs peuvent préserver la valeur des échantillons aléatoires comme outil de mesure tout en favorisant une expérience client plus rapide et plus fluide. Utilisés de façon réfléchie, les échantillons aléatoires demeurent l’un des rares mécanismes dont disposent les assureurs pour véritablement comprendre le rendement de leurs programmes de sélection des risques accélérée — et cette capacité d’analyse mérite d’être préservée.