Root
tarification et segmentation du risque a partir de la telematique smartphone
Root fait du comportement de conduite mesure par smartphone la variable principale de sa tarification auto ; en 2025 l'assureur app-first publie une croissance de 29% de son chiffre d'affaires et 40,3 millions de dollars de resultat net.
L'essentiel
- Tarification auto fondee sur la conduite reelle mesuree par les capteurs du smartphone (test drive 2 a 4 semaines).
- Modeles ML in-house de scoring de risque, reentraines sur l'historique de sinistres.
- Croissance du chiffre d'affaires +29% et resultat net 40,3 M$ en 2025 (contre 30,9 M en 2024).
- Preuve A, statut confirme.
Objectif
Fixer un prix plus juste que la tarification classique en mesurant la conduite reelle, ecarter les segments les plus risques et gagner en rentabilite technique sur un portefeuille auto.
Le déploiement
Root fait de la conduite reelle sa variable de tarification principale. A l'ouverture d'un devis, l'application propose un test drive de deux a quatre semaines pendant lequel les capteurs du smartphone mesurent le freinage, la regularite, les virages, l'heure de conduite et l'attention au volant. Ces donnees alimentent un modele de machine learning qui estime le risque individuel et fixe le prix, la ou un assureur classique s'appuie surtout sur l'age, le code postal ou le score de credit. Root decrit cette mesure comme le predicteur le plus puissant des sinistres et la variable qui pese le plus dans son modele de souscription. La segmentation sert aussi a ecarter un groupe de conducteurs juge trop risque, jusqu'a deux fois plus expose aux accidents que la cible moyenne. En 2025, la societe publie des resultats annuels records avec 29% de croissance du chiffre d'affaires et environ 40 millions de dollars de resultat net (40,3 millions contre 30,9 millions en 2024), signe que le modele pilote par la donnee tient sa promesse economique.
Résultats Preuve A
Resultats financiers 2025 publies par Root, Inc. (communique de resultats et rapport annuel Form 10-K depose aupres de la SEC). La description du modele telematique et de la segmentation vient du 10-K, source primaire non interpretee.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- outil Application mobile Root (captation telematique) Test drive de deux a quatre semaines : les capteurs du smartphone mesurent freinage, regularite, virages, heure de conduite et attention au volant.
- outil Modeles ML de scoring et de tarification Root Machine learning in-house qui estime le risque individuel a partir de la conduite mesuree et fixe le prix ; variable la plus lourde du modele de souscription.
- infra Donnees de sinistres Root Historique des sinistres (issue, cout) qui nourrit le reentrainement continu des modeles de risque.
Comment ça tourne, concrètement
Pour les équipes ops-
1Test drive telematique client et IA
Le prospect roule deux a quatre semaines avec l'app qui mesure sa conduite via les capteurs du smartphone.
-
2Scoring et tarification IA
Le modele de machine learning estime le risque individuel et calcule un prix personnalise.
-
3Segmentation et selection IA et actuariat
La segmentation ecarte les profils juges trop risques et cible les conducteurs prudents avec un tarif competitif.
-
4Suivi et reajustement equipe data
Les issues de sinistres nourrissent le reentrainement des modeles et l'ajustement des tarifs.
Le comportement de conduite mesure (freinage, regularite, attention, heure). Si la captation capteur se degrade ou n'est pas representative, le scoring et donc le prix perdent en fiabilite.
Comment vos clients perçoivent ce type d'usage
Études sourcéesC'est la famille la moins acceptee : 68% des Americains jugent inacceptable un score financier personnel calcule par algorithme et 67% l'analyse video automatisee d'entretiens d'embauche (Pew Research, 2018). La demande d'explication et de recours est massive : 83% veulent savoir quelles donnees l'IA utilise et 91% veulent pouvoir corriger des donnees erronees (Consumer Reports, 2024). A l'echelle mondiale, seuls 46% se disent prets a faire confiance aux systemes d'IA et 70% jugent une regulation necessaire (KPMG / Universite de Melbourne, 2025).
Conditions d'acceptation
- Transparence sur les donnees utilisees : 83% des Americains la reclament (Consumer Reports 2024)
- Droit de correction des donnees erronees : 91% le demandent (Consumer Reports 2024)
- Explication de la logique de decision : 44% des consommateurs sont plus enclins a utiliser un agent IA si sa logique est clairement expliquee (Salesforce 2024)
- L'acceptabilite depend du contexte de la decision : 50% des Americains jugent equitable un score de risque criminel pour la liberation conditionnelle, contre 32% pour un score financier applique aux consommateurs (Pew Research 2018)
Lignes rouges
- La decision opaque et sans recours sur l'emploi, le credit ou le logement : 45% tres mal a l'aise pour l'embauche, 39% pour le pret, 39% pour le logement (Consumer Reports 2024)
- Le scoring des personnes a partir de donnees comportementales : 68% le jugent inacceptable pour les offres financieres (Pew Research 2018)
Sources : Pew Research Center 2018 · Consumer Reports 2024 · KPMG / Universite de Melbourne 2025 · Salesforce 2024
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- Donnees telematiques de conduite (capteurs mobiles ou boitier)
- Historique de sinistres avec issue et cout
- Consentement explicite a la captation
Prérequis orga
- Agrement d'assureur ou de MGA
- Fonction actuarielle pour valider les modeles
- Cadre de conformite pour la decision automatisee et le profilage (RGPD, AI Act)
Stack possible
- Plateforme et SDK telematique custom (voie Root)
- SDK telematique tiers + modele de scoring interne
- solutions insurtech de tarification comportementale
Le plan, étape par étape
- Étape 1Cadrer avec l'actuariat et la conformite : variables autorisees, consentement a la captation, regime de la decision automatisee (RGPD art. 22 en UE).Livrable : Dossier de conformite et perimetre de variables valide.
- Étape 2Mettre en place la captation telematique (SDK tiers ou maison) sur un programme volontaire pay-how-you-drive.Livrable : Application qui collecte des trajets fiables sur un segment pilote.
- Étape 3Entrainer le modele de scoring sur conduite + historique de sinistres et le backtester avec l'actuariat.Livrable : Modele valide avec lift predictif documente face aux variables classiques.
- Étape 4Lancer la tarification comportementale en option (rabais au bon conducteur) et passer l'homologation reglementaire du produit.Livrable : Produit pilote approuve et commercialise.
- Étape 5Monter progressivement le poids de la variable telematique dans la tarification principale, en suivant le ratio combine.Livrable : Portefeuille tarife par la conduite avec suivi de rentabilite technique.
Première étape : Lancer un programme telematique optionnel (pay-how-you-drive) sur un segment volontaire avant d'en faire la variable de tarification principale.
Le même pattern, prouvé dans d'autres industries
Sources
- S1 Root, Inc. Announces 2025 Fourth Quarter and Full Year Results Primaire archive à générer
- S2 What is telematics technology - Root Insurance Primaire archive à générer
- S3 Root, Inc. Files Annual Report (Form 10-K) - telematics-driven auto insurance model Primaire archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.