Le défi
Une compagnie d’assurance montréalaise desservant les marchés du Québec et de l’Ontario a reconnu que la différenciation concurrentielle reposait de plus en plus sur des capacités sophistiquées d’analytique prédictive en matière de tarification, d’évaluation des risques et de gestion des réclamations. L’organisation souhaitait recruter son tout premier chef de la science des données, capable de bâtir une fonction analytique à partir de zéro, en embauchant une équipe et en mettant en place des capacités qui transformeraient en profondeur la façon dont l’entreprise prend ses décisions de souscription et de traitement des réclamations. Le poste exigeait une expertise dans plusieurs domaines : des techniques avancées d’apprentissage automatique et de modélisation statistique applicables au contexte de l’assurance; une compréhension des opérations d’assurance, y compris la souscription, l’actuariat et les réclamations; des connaissances réglementaires, notamment les lignes directrices encadrant la prise de décision algorithmique en assurance; et des compétences en leadership pour bâtir et gérer une équipe technique au sein d’une culture d’assurance traditionnelle. Le défi était amplifié par la concurrence pour les talents en science des données exercée par les entreprises technologiques, qui offrent une rémunération supérieure et des travaux techniquement plus stimulants, ainsi que par la nécessité de trouver une personne capable de vulgariser des concepts analytiques complexes auprès de professionnels de l’assurance sans formation en science des données. De plus, le marché bilingue du Québec exigeait une personne à l’aise dans les environnements d’affaires tant francophones qu’anglophones.
La solution
Lock Search Group a mis en œuvre une stratégie de recherche sur deux marchés, misant sur l’expertise en assurance et les capacités de recrutement technologique de ses bureaux de Montréal et de Toronto. Conscients que les candidats issus de milieux purement technologiques pouvaient manquer de connaissances du domaine de l’assurance, tandis que les analystes en assurance pouvaient manquer d’expertise avancée en apprentissage automatique, nous avons priorisé les candidats ayant su faire le pont entre les deux mondes. Notre recherche ciblait quatre bassins de candidats : des leaders de la science des données chez des assureurs ayant bâti des équipes analytiques et mis en production des modèles; des scientifiques de données issus d’entreprises d’assurtech ayant développé des applications propres à l’assurance; des leaders de l’analytique provenant de services financiers connexes, dont les banques et la gestion de patrimoine, dotés d’une expertise en modélisation transférable; et des scientifiques de données en conseil ayant une expérience de pratique en assurance et cherchant des rôles opérationnels. Notre approche d’évaluation mesurait les candidats sur les compétences techniques en science des données, la connaissance du domaine de l’assurance, la capacité de leadership et de constitution d’équipe, et les habiletés de communication avec des interlocuteurs non techniques. Compte tenu de l’exigence de bilinguisme, nous avons mené une partie des entrevues en français et évalué l’aisance des candidats à évoluer dans l’environnement d’affaires distinct du Québec. Nous avons également évalué la philosophie des candidats en matière d’équité et de transparence algorithmiques, vu l’attention réglementaire croissante portée à l’IA dans la prise de décision en assurance.
Le résultat
Cette recherche en science des données axée sur l’assurance a permis de repérer 38 candidats dont le parcours laissait entrevoir une expertise pertinente. Au terme d’une évaluation exhaustive, comprenant des évaluations techniques en science des données, des tests de connaissance du domaine de l’assurance et des entrevues sur la capacité de leadership, nous avons présenté cinq finalistes représentant différents parcours vers le poste. La candidate retenue était une ancienne scientifique de données principale d’un grand assureur canadien, où elle avait développé les modèles de tarification prédictive et cherchait l’occasion de bâtir une fonction plutôt que de travailler au sein d’une équipe établie. Sa combinaison de compétences techniques avancées, dont l’apprentissage profond et le traitement du langage naturel appliqué à l’analyse des réclamations, son expertise du domaine de l’assurance et sa capacité éprouvée à communiquer avec des professionnels de l’assurance traditionnels la rendaient parfaitement adaptée à ce rôle de leadership en transformation. Sa maîtrise du français et son expérience antérieure du marché québécois de l’assurance répondaient à l’exigence de bilinguisme. Au cours de sa première année, elle a embauché une équipe de quatre scientifiques de données, mis en place un modèle de tarification prédictive qui a amélioré les ratios de sinistralité de 8 %, développé un système de détection de la fraude dans les réclamations et établi un cadre de gouvernance de la prise de décision algorithmique anticipant les exigences réglementaires. Ce placement a démontré la capacité de Lock Search Group à dénicher des talents techniques spécialisés pour des industries traditionnelles en pleine transformation analytique.