Lutte contre la fraude : de l’intention à la réalité

Lutte contre la fraude : de l’intention à la réalité
De g à d : Jean Yves Guérin, consultant senior assurance santé, et Christophe d’Armancourt, directeur marketing produits, au sein de Cegedim Insurance Solutions

Dans un contexte où l’amélioration du rapport primes sur sinistres est devenue un enjeu majeur pour les assureurs maladie complémentaires (AMC), la lutte contre la fraude est un levier à explorer. En effet, la littérature sur le sujet annonce des taux de facturation frauduleuse allant de 3% à 7%. La tribune de Jean Yves Guérin, consultant senior assurance santé, et Christophe d’Armancourt, directeur marketing produits, au sein de Cegedim Insurance Solutions

Longtemps, l’image du fraudeur a été associée à l’assuré. Cette vision a atteint son apogée en 2011, lors du discours de Bordeaux prononcé par le président de la République de l’époque, désignant une catégorie d’assurés bénéficiant du système. Depuis, les chiffres publiés par le régime général ont permis de dresser une photographie plus précise de l’origine de la fraude. Dans 75% des cas, la fraude détectée a pour origine un professionnel ou un établissement de santé. La fraude des assurés représente quant à elle moins d’un tiers des prestations frauduleuses.


Les contrôles a posteriori permettent de constater des irrégularités mais pas de les éviter

Le premier réflexe en matière de fraude est de mettre en place un système d’analyse des factures déjà payées. Il s’agit de détecter des comportements atypiques de la part des professionnels de santé ou des bénéficiaires afin de récupérer les sommes indues, de renforcer les contrôles, de modifier les garanties (introduction de limites). Cela permet de comprendre les comportements douteux mais la récupération a posteriori des sommes détectées représente un coût important en temps et en ressources. Il s’agit de récupérer une multitude de petites sommes éparses, ce qui ne permet pas un réel retour sur investissement. Dès lors, les systèmes de détection tendent à se positionner avant paiement.

L’optique, un segment adapté aux contrôles a priori


Pour déterminer si un segment est à traiter en priorité, il convient de se poser quatre questions : Quel est son poids financier pour les AMC ? Quel sont les moyens d’action a priori (conventionnement, portail de PEC, contrôle des factures) ? A-t-on des informations détaillées sur les prestations à payer ? L’usage du tiers-payant est-il important ? L’optique est sans doute le segment répondant le mieux à ces critères. C’est le deuxième poste de dépenses des AMC qui en sont les principaux financeurs. Il est éligible à l’intégralité du panel de contrôles a priori. De plus, les informations qui transitent dans les demandes de prises en charges permettent de mettre en œuvre des contrôles très précis. L’hôpital, l’audioprothèse et le dentaire sont aussi des segments qui se démarquent et méritent d’être adressés en matière de lutte contre la fraude par les organismes complémentaires.

Un cadre juridique à intégrer

Il n’est pas envisageable de lutter contre la fraude sans se pencher sur les textes juridiques qui encadrent les pratiques en la matière. L’autorisation unique 39 de la CNIL donne des orientations pour le domaine de l’assurance, dont l’interdiction de prendre des décisions automatiques ayant un impact juridique pour des personnes. Par exemple, la décision de déconventionner un opticien ne peut pas être prise par un traitement informatique. De plus, avant sanction, la personne doit être en mesure de savoir ce qui lui est reproché et être en mesure de se défendre.
Dès cette année, le RGPD (Règlement Général sur la Protection des Données) impose de prévenir les personnes des traitements mis en place et de recueillir leur accord si ces derniers ont pour objet de faire du profilage. Pour le RGPD, essayer de détecter la fiabilité d’une personne s’apparente à du profilage. Il est donc obligatoire de prévenir les professionnels de santé de l’existence de traitements liés à la détection de fraudes.

Comment mesurer l’effet d’actions visant à éviter la fraude ?

Un système qui permet d’éviter les fraudes n’échappe pas à la nécessité de justifier de son efficacité financière. Dès lors, se posent des questions complexes. Combien évite-t-on de fraudes lorsque l’on déconventionne un professionnel de santé ? Quel est l’impact réel lorsque l’on bloque une prise en charge ? Pour mettre en place des réponses crédibles, il ne faut jamais considérer qu’une dépense évitée l’est totalement ou définitivement. Les dépenses que générait un professionnel ne disparaissent pas dès qu’on le déconventionne ; elles se reportent en partie sur d’autres professionnels ou elles reviennent par l’assuré. Il y a une économie mais elle est partielle. Cela nécessite d’utiliser des méthodes de mesures crédibles pour estimer les dépenses évitées a priori.

Quelle place pour l’humain, le big data et le machine learning ?

Pour détecter la fraude, le big data est un outil majeur car il permet de mettre en lumière des atypismes liés à la facturation. Toutefois, certains atypismes détectés par les machines trouvent des explications logiques. Ainsi, les éléments mis en évidence par le big data méritent d’être confirmés par des experts métier. Concernant la répartition des tâches entre machines et gestionnaires, une prestation litigieuse détectée automatiquement peut nécessiter, avant d’être rejetée, une expertise humaine, une demande de pièces complémentaires, etc. Rappelons aussi qu’il est interdit de prendre de manière automatique une décision ayant un impact juridique pour une personne.
Si le big data intervient dès les premières phases d’un projet de détection de la fraude, le machine learning trouve également son efficacité une fois le projet en production. En effet, l’apprentissage passe par l’analyse de cas réels de fraude afin de dépasser la pertinence des algorithmes initiaux ; ceci permet de mieux cerner la signature de tel ou tel comportement abusif.

La nécessité de miser sur des compétences multiples  

Pour conclure, un AMC souhaitant travailler sur la fraude devra se reposer sur des compétences multiples. Tout d’abord une forte compétence métier pour analyser la pertinence et la qualité des données. Il lui faudra aussi s’entourer de Data Scientists qui, à partir de sources d’informations multiples, feront remonter les atypismes et les corrélations. Une équipe de gestionnaires « fraude » sera indispensable pour mener des études complémentaires aux détections automatiques. Elle permettra aussi de traiter avec les professionnels de santé ou les assurés. S’appuyer sur des compétences juridiques sera indispensable car les marges de manœuvre qu’offre la législation sont réduites en matière d’utilisation des données. Enfin l’appel à la compétence des spécialistes de l’intelligence artificielle et du machine learning augmentera considérablement l’efficacité des règles initiales une fois qu’elles auront détecté suffisamment de cas frauduleux avérés.
En réunissant toutes les compétences nécessaires, la lutte contre la fraude permet un retour sur investissement significatif dont l’importance reste liée à l’engagement et au volontarisme de l’organisme qui la met en œuvre.

Emploi

SAS COHEN CORPORATE ASSURANCES

Commerciaux Sédentaires H/F

Postuler

ASSURANCES TOUSSAINT-PAJOT-SEVIN

AGENT GÉNÉRAL ASSOCIÉ H/F

Postuler

+ de 10 000 postes
vous attendent

Accéder aux offres d'emploi

APPELS D'OFFRES

Marché de service d'assurances (5 lots)

Val d'Oise Habitat

01 octobre

95 - VAL D'OISE HABITAT

Proposé par   Marchés Online

Commentaires

Lutte contre la fraude : de l’intention à la réalité

Merci de confirmer que vous n’êtes pas un robot

Votre e-mail ne sera pas publié