1 Chargement des librairies

library(readxl)     # lecture CSV
library(dplyr)
library(tidyr)
library(ggplot2)
library(scales)
library(forcats)
library(psych)
library(knitr)
library(kableExtra)
library(patchwork)   # composer plusieurs ggplots

# Palette maison
pal_bleu <- c("#0D1B2A","#1B4F72","#2E86AB","#5DADE2","#AED6F1")
pal_mix  <- c("#2E86AB","#F4A261","#27AE60","#C0392B","#8E44AD","#F39C12","#1B4F72")

theme_actuariel <- function() {
  theme_minimal(base_size = 13) +
  theme(
    plot.title    = element_text(face = "bold", size = 15, color = "#1B4F72"),
    plot.subtitle = element_text(size = 11, color = "#5D6D7E"),
    plot.caption  = element_text(size = 9,  color = "#95A5A6", hjust = 1),
    axis.title    = element_text(color = "#34495E", face = "bold"),
    panel.grid.major = element_line(color = "#ECF0F1"),
    panel.grid.minor = element_blank(),
    legend.title  = element_text(face = "bold"),
    strip.text    = element_text(face = "bold", color = "#1B4F72")
  )
}

2 Table Contrat

2.1 Chargement des données

contrat <- read_excel("Contrat.xlsx")

Dimensions de la table contrat : 301437 lignes Ă— 40 colonnes.

2.2 Statistiques descriptives

describe(contrat) %>%
  select(n, mean, sd, min, max, skew, kurtosis) %>%
  round(3) %>%
  kbl(caption = "Statistiques descriptives — Table Contrat") %>%
  kable_styling(bootstrap_options = c("striped","hover","condensed"),
                full_width = FALSE, font_size = 12)
Statistiques descriptives — Table Contrat
n mean sd min max skew kurtosis
idxCt 301437 NaN NA Inf -Inf NA NA
idxYear 301437 2021.113 1.427 2019 2023 -0.100 -1.314
vhImmat 301437 NaN NA Inf -Inf NA NA
sitStartDate 301437 NaN NA Inf -Inf NA NA
sitEndDate 301437 NaN NA Inf -Inf NA NA
sitExpo 301437 NaN NA Inf -Inf NA NA
drv1Age 301437 NaN NA Inf -Inf NA NA
drv1Sex 301437 NaN NA Inf -Inf NA NA
drv1DriveLicenceType 301437 NaN NA Inf -Inf NA NA
drv1DriveLicenceAge 301437 NaN NA Inf -Inf NA NA
vhAge 301437 NaN NA Inf -Inf NA NA
ctFrm 301437 NaN NA Inf -Inf NA NA
ctAssBase 301437 1.000 0.000 1 1 NaN NaN
ctAss0km 301437 0.118 0.323 0 1 2.369 3.612
ctAssVHR 301437 0.064 0.244 0 1 3.568 10.734
vhSegment 301437 NaN NA Inf -Inf NA NA
vhMarque 301437 NaN NA Inf -Inf NA NA
vhEnergy 301437 NaN NA Inf -Inf NA NA
vhWeight 301437 1387.546 308.583 600 2793 0.091 -0.263
vhDIN 301437 132.559 47.502 50 300 0.466 -0.229
vhValue 301437 NaN NA Inf -Inf NA NA
vhGroup 301437 14.481 7.020 1 31 0.186 -0.720
vhClass 301437 2.877 0.793 1 5 0.289 -0.193
ctUsage 301437 NaN NA Inf -Inf NA NA
ctKM 301437 NaN NA Inf -Inf NA NA
ctDeduc 301437 289.779 104.144 200 500 0.727 -0.839
claimsAnt 301437 0.396 0.660 0 2 1.410 0.653
ctINSEE 301437 NaN NA Inf -Inf NA NA
id1_AssBase 28581 NaN NA Inf -Inf NA NA
id1_Ass0km 2443 NaN NA Inf -Inf NA NA
id1_AssVHR 965 NaN NA Inf -Inf NA NA
id2_AssBase 1552 NaN NA Inf -Inf NA NA
id2_Ass0km 0 NaN NA Inf -Inf NA NA
id2_AssVHR 0 NaN NA Inf -Inf NA NA
id3_AssBase 68 NaN NA Inf -Inf NA NA
id3_Ass0km 0 NaN NA Inf -Inf NA NA
id3_AssVHR 0 NaN NA Inf -Inf NA NA
COT_AssBase 301437 NaN NA Inf -Inf NA NA
COT_Ass0km 301437 NaN NA Inf -Inf NA NA
COT_AssVHR 301437 NaN NA Inf -Inf NA NA

2.3 Valeurs manquantes

# Calcul
miss_df <- data.frame(
  variable   = names(contrat),
  n_manquant = colSums(is.na(contrat)),
  pct        = colSums(is.na(contrat)) / nrow(contrat) * 100
) %>% filter(n_manquant > 0) %>% arrange(desc(pct))

# Graphique
ggplot(miss_df, aes(x = reorder(variable, pct), y = pct, fill = pct)) +
  geom_col(show.legend = FALSE, width = 0.7) +
  geom_text(aes(label = sprintf("%.1f %%", pct)), hjust = -0.15,
            size = 3.5, fontface = "bold", color = "#2C3E50") +
  scale_fill_gradient(low = "#AED6F1", high = "#1B4F72") +
  coord_flip(clip = "off") +
  scale_y_continuous(expand = expansion(mult = c(0, 0.18)),
                     labels = label_percent(scale = 1)) +
  labs(
    title    = "Taux de valeurs manquantes par variable",
    subtitle = "Table Contrat — les colonnes 'id*' sont des NA structurels (absence de sinistre)",
    x = NULL, y = "% de valeurs manquantes",
    caption  = "Source : prjAct2426-detailContrats"
  ) +
  theme_actuariel()

ℹ️ NA structurels — Les colonnes id1_AssBase, id1_Ass0km, id1_AssVHR, id2_*, id3_* contiennent des NA intentionnels : l’absence de valeur signifie simplement qu’aucun sinistre de ce type n’a été déclaré pour ce contrat. Ces colonnes seront recodées en "Non renseigné".

cols_sinistres <- c(
  "id1_AssBase","id1_Ass0km","id1_AssVHR",
  "id2_AssBase","id2_Ass0km","id2_AssVHR",
  "id3_AssBase","id3_Ass0km","id3_AssVHR"
)

contrat[cols_sinistres] <- lapply(
  contrat[cols_sinistres],
  function(x) ifelse(is.na(x), "Non renseigné", x)
)

cat("âś… Valeurs manquantes restantes :", sum(is.na(contrat)))
## âś… Valeurs manquantes restantes : 0

âś… Plus aucune valeur manquante dans la table contrat.

2.4 Doublons

nb_doublons <- sum(duplicated(contrat))
cat("Nombre de doublons :", nb_doublons)
## Nombre de doublons : 0

✅ Aucun doublon détecté dans la table contrat.

2.5 Typage des variables

2.5.1 Dates

contrat <- contrat %>%
  mutate(sitStartDate = as.Date(sitStartDate, format = "%Y-%m-%d"),
         sitEndDate   = as.Date(sitEndDate,   format = "%Y-%m-%d"))

2.5.2 Variables numériques

contrat <- contrat %>%
  mutate(across(c(idxYear, drv1Age, drv1DriveLicenceAge,
                  vhAge, vhValue, COT_AssBase, COT_Ass0km,
                  COT_AssVHR, sitExpo), as.numeric))

2.5.3 Variables catégorielles

contrat <- contrat %>%
  mutate(across(c(drv1Sex, ctAssBase, ctAss0km, ctAssVHR), as.factor))

2.6 DĂ©tection des valeurs extrĂŞmes (IQR)

num_cols <- contrat %>% select(where(is.numeric)) %>% colnames()

outlier_df <- lapply(num_cols, function(col) {
  Q1  <- quantile(contrat[[col]], 0.25, na.rm = TRUE)
  Q3  <- quantile(contrat[[col]], 0.75, na.rm = TRUE)
  IQR_val <- Q3 - Q1
  n_out <- sum(contrat[[col]] < Q1 - 1.5*IQR_val |
               contrat[[col]] > Q3 + 1.5*IQR_val, na.rm = TRUE)
  data.frame(variable        = col,
             n_outliers      = n_out,
             pct_outliers    = round(n_out / nrow(contrat) * 100, 2))
}) %>% bind_rows() %>% arrange(desc(pct_outliers))

# Graphique
ggplot(outlier_df %>% filter(pct_outliers > 0),
       aes(x = reorder(variable, pct_outliers), y = pct_outliers, fill = pct_outliers)) +
  geom_col(width = 0.65, show.legend = FALSE) +
  geom_text(aes(label = paste0(pct_outliers, " %")), hjust = -0.1,
            size = 3.5, color = "#2C3E50", fontface = "bold") +
  scale_fill_gradient(low = "#F9E79F", high = "#C0392B") +
  coord_flip(clip = "off") +
  scale_y_continuous(expand = expansion(mult = c(0, 0.20))) +
  labs(
    title    = "Pourcentage de valeurs extrêmes par variable (méthode IQR)",
    subtitle = "Les outliers ne seront pas supprimés — ils seront analysés dans le Shiny",
    x = NULL, y = "% d'outliers",
    caption  = "MĂ©thode : Q1 - 1.5Ă—IQR  /  Q3 + 1.5Ă—IQR"
  ) +
  theme_actuariel()

⚠️ Certaines variables comme COT_Ass0km présentent des valeurs extrêmes liées à la structure tarifaire (primes élevées pour certains profils). Ces observations sont conservées — elles feront l’objet d’analyses spécifiques dans le tableau de bord interactif.

2.7 Exploration visuelle des variables clés

p1 <- ggplot(contrat, aes(x = drv1Age)) +
  geom_histogram(bins = 40, fill = "#2E86AB", color = "white", alpha = 0.9) +
  geom_vline(xintercept = median(contrat$drv1Age, na.rm=TRUE),
             linetype = "dashed", color = "#F4A261", linewidth = 1) +
  annotate("text", x = median(contrat$drv1Age, na.rm=TRUE)+2,
           y = Inf, label = paste0("MĂ©diane : ", round(median(contrat$drv1Age, na.rm=TRUE),1), " ans"),
           vjust = 2, hjust = 0, size = 3.5, color = "#F4A261") +
  labs(title = "Ă‚ge du conducteur principal",
       subtitle = "Distribution de la population assurée",
       x = "Âge (années)", y = "Effectif") +
  theme_actuariel()

p2 <- ggplot(contrat, aes(x = fct_infreq(ctFrm), fill = ctFrm)) +
  geom_bar(width = 0.65, show.legend = FALSE) +
  geom_text(stat = "count", aes(label = after_stat(count)), vjust = -0.5,
            fontface = "bold", size = 3.5) +
  scale_fill_manual(values = pal_mix) +
  labs(title = "Formule souscrite (ctFrm)",
       subtitle = "RĂ©partition des contrats par formule",
       x = "Formule", y = "Nombre de contrats") +
  theme_actuariel()

p3 <- ggplot(contrat, aes(x = vhAge)) +
  geom_histogram(bins = 35, fill = "#1B4F72", color = "white", alpha = 0.9) +
  geom_vline(xintercept = median(contrat$vhAge, na.rm=TRUE),
             linetype = "dashed", color = "#F4A261", linewidth = 1) +
  labs(title = "Âge du véhicule",
       subtitle = "Ancienneté du parc assuré",
       x = "Âge véhicule (années)", y = "Effectif") +
  theme_actuariel()

p4 <- ggplot(contrat, aes(x = fct_infreq(vhSegment), fill = vhSegment)) +
  geom_bar(width = 0.65, show.legend = FALSE) +
  geom_text(stat = "count", aes(label = after_stat(count)), vjust = -0.5,
            fontface = "bold", size = 3.5) +
  scale_fill_manual(values = pal_bleu) +
  labs(title = "Segment du véhicule",
       x = "Segment", y = "Nombre de contrats") +
  theme_actuariel() +
  theme(axis.text.x = element_text(angle = 15, hjust = 1))

(p1 + p2) / (p3 + p4) +
  plot_annotation(
    title   = "Exploration des variables contrat",
    theme   = theme(plot.title = element_text(size = 17, face = "bold", color = "#0D1B2A"))
  )

3 Table Sinistre

3.1 Chargement

sinistre <- read_excel("sinistre.xlsx")

Dimensions de la table sinistre : 72130 lignes Ă— 8 colonnes.

3.2 Statistiques descriptives

describe(sinistre %>% select(mt_eval, mt_regl)) %>%
  select(n, mean, sd, median, min, max, skew) %>%
  round(2) %>%
  kbl(caption = "Statistiques des montants sinistres") %>%
  kable_styling(bootstrap_options = c("striped","hover"), font_size = 12)
Statistiques des montants sinistres
n mean sd median min max skew
mt_eval* 72130 6653.81 3104.36 5943.5 1 15329 0.31
mt_regl* 72130 3876.93 4029.61 1105.0 1 15486 1.18

3.3 Typage — Dates

sinistre <- sinistre %>%
  mutate(decl_sin = as.Date(decl_sin, format = "%Y-%m-%d"),
         clo_sin  = as.Date(clo_sin,  format = "%Y-%m-%d"),
         gest_sin = as.Date(gest_sin, format = "%Y-%m-%d"),
         surv_sin = as.Date(surv_sin, format = "%Y-%m-%d"))

3.4 Valeurs manquantes

miss_sin <- data.frame(
  variable   = names(sinistre),
  n_manquant = colSums(is.na(sinistre)),
  pct        = round(colSums(is.na(sinistre)) / nrow(sinistre) * 100, 2)
) %>% filter(n_manquant > 0)

miss_sin %>%
  kbl(caption = "Valeurs manquantes — Table Sinistre") %>%
  kable_styling(bootstrap_options = c("striped","hover"), font_size = 12)
Valeurs manquantes — Table Sinistre
variable n_manquant pct
clo_sin clo_sin 39099 54.21

ℹ️ La colonne clo_sin (date de clôture) contient des NA car certains sinistres sont encore ouverts. Pour les sinistres avec plusieurs enregistrements, la date sera propagée via fill().

# Propagation de la date de clĂ´ture
sinistre <- sinistre %>%
  group_by(idx_sin) %>%
  tidyr::fill(clo_sin, .direction = "downup") %>%
  ungroup()

# Garde la date la plus récente si plusieurs dates différentes
sinistre <- sinistre %>%
  group_by(idx_sin) %>%
  mutate(clo_sin = if (n_distinct(clo_sin, na.rm = TRUE) > 1)
                     max(clo_sin, na.rm = TRUE) else clo_sin) %>%
  ungroup()

# Seconde propagation après correction
sinistre <- sinistre %>%
  group_by(idx_sin) %>%
  tidyr::fill(clo_sin, .direction = "downup") %>%
  ungroup()

cat("NA restants dans clo_sin (sinistres non clôturés) :",
    sum(is.na(sinistre$clo_sin)))
## NA restants dans clo_sin (sinistres non clôturés) : 4428
sinistre$sinistre_clos  <- ifelse(is.na(sinistre$clo_sin), "Ouvert", "Clos")
sinistre$delai_cloture  <- as.numeric(sinistre$clo_sin  - sinistre$decl_sin)
sinistre$delai_gestion  <- as.numeric(sinistre$clo_sin  - sinistre$gest_sin)
sinistre$sinistre_clos  <- as.factor(sinistre$sinistre_clos)

3.5 Exploration visuelle des sinistres

p5 <- ggplot(sinistre %>% distinct(idx_sin, .keep_all = TRUE),
             aes(x = gar_sin, fill = gar_sin)) +
  geom_bar(width = 0.6, show.legend = FALSE) +
  geom_text(stat = "count", aes(label = after_stat(count)), vjust = -0.5,
            fontface = "bold", size = 4) +
  scale_fill_manual(values = c("#2E86AB","#F4A261","#27AE60")) +
  labs(title = "Répartition par type de garantie sinistrée",
       x = "Garantie", y = "Nombre de sinistres") +
  theme_actuariel()

p6 <- ggplot(sinistre %>% distinct(idx_sin, .keep_all = TRUE),
             aes(x = sinistre_clos, fill = sinistre_clos)) +
  geom_bar(width = 0.5, show.legend = FALSE) +
  geom_text(stat = "count", aes(label = after_stat(count)), vjust = -0.5,
            fontface = "bold", size = 4) +
  scale_fill_manual(values = c("#27AE60","#C0392B")) +
  labs(title = "Sinistres ouverts vs clôturés",
       x = "Statut", y = "Nombre de sinistres") +
  theme_actuariel()

p7 <- sinistre %>%
  filter(!is.na(delai_cloture), delai_cloture >= 0, delai_cloture <= 730) %>%
  distinct(idx_sin, .keep_all = TRUE) %>%
  ggplot(aes(x = delai_cloture)) +
  geom_histogram(bins = 40, fill = "#8E44AD", color = "white", alpha = 0.9) +
  geom_vline(aes(xintercept = median(delai_cloture, na.rm = TRUE)),
             linetype = "dashed", color = "#F4A261", linewidth = 1) +
  labs(title = "Délai de clôture (déclaration → clôture)",
       subtitle = "En jours — sinistres clos uniquement (≤ 730 j)",
       x = "DĂ©lai (jours)", y = "Effectif") +
  theme_actuariel()

p8 <- sinistre %>%
  # Conversion sécurisée en numérique
  mutate(mt_eval = as.numeric(as.character(mt_eval))) %>% 
  # On enlève les NA potentiels générés par la conversion ou déjà présents
  filter(!is.na(mt_eval), mt_eval > 0) %>% 
  # Calcul du quantile sur une colonne propre
  filter(mt_eval < quantile(mt_eval, 0.99, na.rm = TRUE)) %>% 
  distinct(idx_sin, .keep_all = TRUE) %>% 
  ggplot(aes(x = mt_eval)) +
  geom_histogram(bins = 40, fill = "#E74C3C", color = "white", alpha = 0.9) +
  scale_x_continuous(labels = scales::label_comma(big.mark = " ", suffix = " €")) +
  labs(title = "Distribution du montant évalué (mt_eval)",
       subtitle = "Hors valeurs extrĂŞmes (> P99)",
       x = "Montant évalué (€)", y = "Effectif") +
  theme_actuariel()

(p5 + p6) / (p7 + p8) +
  plot_annotation(
    title   = "Exploration des variables sinistres",
    theme   = theme(plot.title = element_text(size = 17, face = "bold", color = "#0D1B2A"))
  )

4 Jointure Contrat Ă— Sinistre

4.1 Contrats avec sinistres (contrat_sinistre)

contrat_long <- contrat %>%
  pivot_longer(
    cols      = all_of(cols_sinistres),
    names_to  = "type_sinistre",
    values_to = "idx_sin"
  ) %>%
  filter(idx_sin != "Non renseigné")

contrat_sinistre <- contrat_long %>%
  inner_join(sinistre, by = "idx_sin")

Table contrat_sinistre : 58377 lignes — soit 22757 contrats distincts ayant déclaré au moins un sinistre.

4.2 Contrats sans sinistres (contrat_sans_sinistre)

contrat_sans_sinistre <- contrat %>%
  select(-starts_with(c("id1_","id2_","id3_")))

4.3 Vue consolidée : sinistralité par formule

contrat_sinistre %>%
  distinct(idxCt, ctFrm, gar_sin) %>%
  count(ctFrm, gar_sin) %>%
  ggplot(aes(x = ctFrm, y = n, fill = gar_sin)) +
  geom_col(position = "dodge", width = 0.65) +
  geom_text(aes(label = n), position = position_dodge(0.65), vjust = -0.5,
            size = 3.5, fontface = "bold") +
  scale_fill_manual(values = c("#2E86AB","#F4A261","#27AE60"),
                    name = "Garantie") +
  labs(
    title    = "Nombre de sinistres par formule et par garantie",
    subtitle = "Contrats avec au moins un sinistre",
    x = "Formule", y = "Nombre de sinistres",
    caption  = "Source : jointure contrat Ă— sinistre"
  ) +
  theme_actuariel()

5 Export des données pour le Shiny

library(readr)
write_csv(contrat_sans_sinistre, "contrat_sans_sinistre.csv")
write_csv(sinistre,              "sinistre_clean.csv")
write_csv(contrat_sinistre,      "contrat_sinistre.csv")
cat("✅ Fichiers exportés avec succès.\n")
## ✅ Fichiers exportés avec succès.

✅ 3 fichiers exportés :

  • contrat_sans_sinistre.csv — tous les contrats, sans les colonnes d’identifiants de sinistres
  • sinistre_clean.csv — table sinistre nettoyĂ©e avec variables calculĂ©es
  • contrat_sinistre.csv — jointure complète contrat Ă— sinistre (contrats sinistrĂ©s uniquement)