Luca Schnettler est un jeune entrepreneur installé à Londres. Il a fondé Healthy Health, une startup dédiée à modéliser les risques santé. Il a été interviewé cet été par Nigel Walsh dans le podcast 11.fs, et j’ai eu la chance de pouvoir lui parler par téléphone par la suite pour en savoir plus sur sa solution.
Dans la foulée de l’intérêt suscité par mon article sur les modèles prédictifs de la DREES, voici quelques points clés à retenir.
Modéliser les risques santé
Healthy Health s’appuie sur de l’analyse big data pour déterminer, par le biais d’une catégorisation en profils, les risques santé des individus. Pour cela, 3 étapes sont nécessaires:
Collecter des données
- Luca a mis en place des partenariats avec des assurances britanniques pour accéder à un corpus de données de départ (il revendique 100millions de données utilisateurs)
- Les modèles sont en constante amélioration sur la base des données mises à disposition par les clients/assurés/utilisateurs de l’application.
- A minima, les données nécessaires sont le nombre de pas et la distance parcourue
- Aucune limite n’est imposée à la collecte de données par la startup. C’est souvent l’assuré qui décide ce qu’il choisit de partager.
- Les objets connectés de santé (wearables) permettent d’imaginer de nombreuses possibilités de collectes de données.
- Healthy Health bénéficie d’un historique de données suffisant pour assurer la fiabilité de ses analyses. Pour donner un exemple concret (certes faussé car c’est le fondateur!), Health Health dispose d’un historique de données collectées toutes les 5 minutes depuis 4 ans pour Luca…
- Les mises à jour sont en temps réel
- Plus le périmètre et l’historique de données sont importants, meilleur est le modèle.
Modéliser les risques
- L’entreprise utilise le bigdata et des algorithmes pour
- Définir des risques: par exemple, quel risque d’hospitalisation ou ré-hospitalisation à moyen terme.
- Identifier les éléments favorisant ces risques: les personnes de telle région et marchant moins de 5000 pas par jour et dormant moins de 6h par nuit sont susceptibles d’être touchés par ce risque.
- Définir des profils d’individu et catégoriser les personnes: Sur la base des critères identifiés ci-dessus, il est alors possible d’affecter tout utilisateur dans une ou plusieurs catégories de risques.
Définir des plans de prévention pour les assurés
Une fois que l’on identifie un risque potentiel pour un utilisateur, il est possible de passer à l’action. Plus précisément, il s’agit de choisir ce que l’on va faire avec ce que l’on a trouvé.
Healthy Health propose alors des plan de prévention. En effet, si un individu est susceptible de présenter un risque de santé et que l’on sait quels sont les leviers capables de réduire ces risques, il est possible de l’inciter à modifier son mode de vie.
Côté assureurs, il est également possible d’affecter des critères de tarification spécifiques pour chaque profil de risque.
Perspectives
- GDPR: dans la perspective de l’arrivée de cette nouvelle réglementation, Luca n’a pas d’inquiétude, car:
- Ses données de départ sont multiples et anonymiser et lui ont permis de déterminer ses modèles
- Les données collectées en temps réel et au fil de l’eau le sont uniquement suite à l’acceptation données par les utilisateurs dans l’application.
- Note: il est évident que la question de la confidentialité des données en France est un tantinet plus sensible qu’au Royaume-Uni. Toutefois, la CNIL, et demain GDPR laissent toutefois des portes ouvertes qu’il peut être intéressant d’exploiter.
- Médecins: Dans les pistes d’évolution, Healthy Health envisage de pouvoir donner accès au corps médical pour améliorer les modèles. Par exemple, ils pourraient apporter des éléments complémentaires au profil d’un individu issus de son dossier médical.
- La solution B2B est prête à déployer et pourrait s’adapter aux données des assurés français! Avis aux intéressés, je pourrai vous mettre en relation pour travailler sur ces sujets avec Luca.
Mon avis
Comme je l’ai déjà évoqué, modéliser les risques santé et, plus généralement, la définition de profils de risques posent des problèmes quant à la “normalisation” des individus. En effet, peut-on considérer légitime de catégoriser quelqu’un dans une seule case? De plus, cela suppose que le passé détermine à lui seul l’intégralité des événements futurs, ce qui est pour le moins risqué! Par conséquent, il est hors de question d’utiliser ce type de solutions seules. En revanche, c’est un outil assez puissant pour améliorer les analyses de portefeuille et la tarification des risques en santé, prévoyance ou en vie.
