Assurance maladie : anticiper la fraude avec l’analytique pour redonner la priorité à la santé

En 2013, la fraude à l’assurance santé était estimée à 356 milliards de dollars aux États-Unis. Seuls 10 % ont été détectés, le plus souvent a posteriori et à l’aide de méthodes coûteuses. Cette véritable saignée financière pourrait être endiguée grâce à l’analyse prédictive, à même de repérer les déclarations frauduleuses en amont des remboursements. Un changement de paradigme qui remettrait la santé au cœur des préoccupations des assureurs, mais qui nécessite le soutien des dirigeants.

D’abord payer l’assuré, puis vérifier la véracité de sa déclaration après coup ; en cas de suspicion, rentrer dans les détails ; enfin, si une fraude est avérée, lui réclamer des comptes. Fastidieuse, voire peu efficiente, cette méthode pour dénicher les tricheurs à l’assurance est encore courante de nos jours. Mais la situation évolue avec l’arrivée sur le marché de nouvelles technologies au service des assureurs. Aetna Inc., l’un des leaders américain de l’assurance maladie, a ainsi adopté une solution qui combine analyse rétrospective et modèles prédictifs pour détecter la fraude au plus tôt et avec une meilleure précision. L’outil est par exemple capable de mettre en évidence une entente illicite entre professionnels de santé ou d’estimer la probabilité d’une déclaration frauduleuse, en s’appuyant sur les liens entre personnes et en comparant avec des situations de fraude avérée répertoriées dans l’historique des données.

Pour la société de conseil Aite Group, automatiser la lutte contre la fraude à l’assurance santé grâce à l’analyse de données représente une opportunité à saisir, permettant aux professionnels du secteur d’économiser de l’argent en mettant fin aux abus, mais aussi de dégager du temps et des moyens pour se recentrer sur leur cœur du métier. Un virage payant qui ne sera pris qu’avec l’appui et l’implication des décideurs.

Lire l’article (en anglais)

 

En complément
un article sur une meilleure détection de la fraude aux allocations familiales grâce au data mining
et une série de recommandations pour un usage du data mining conforme aux exigences de la Cnil

À lire sur Business Analytics Info
« La modélisation prédictive contre la fraude à l’assurance-santé »
et « Les big data redessinent les contours de l’assurance »