Avec un ratio combiné économique de 113%, le portefeuille de polices ouragan mexicain étudié dans ce mémoire est déficitaire et les coûts de réassurance et du capital pèsent lourdement sur sa rentabilité. Dans ce contexte, il a été décidé d’effectuer une recomposition du portefeuille, c’est-à-dire de ne pas renouveler certaines polices dans le but d’optimiser le ratio combiné économique du portefeuille. Le portefeuille est modélisé à l’aide d’un modèle CAT ouragan, considéré comme complexe et consommateur en temps de calcul. L’utilisation actuelle de ce modèle est adaptée aux besoins du Risk Management – pour quantifier les besoins en capital – mais pas de la souscription : en raison des temps de calcul, il est impossible de lancer un grand nombre de fois le modèle. De ce fait, l’entité n’est actuellement pas en mesure d’identifier les scenarios de recomposition du portefeuille qui permettraient de maximiser sa rentabilité. Tout d’abord, ce mémoire développe une méthode permettant de quantifier l’impact du non renouvellement d’un ensemble de polices sur le ratio combiné économique du portefeuille. Cette méthode permet de quantifier les effets non-proportionnels des coûts de réassurance et du capital sans avoir recours au modèle CAT. Grâce à l’implémentation d’un algorithme génétique, ce mémoire permet ensuite la mise en place de solutions d’aide aux décisions de recomposition du portefeuille. Cet algorithme, adapté aux problèmes d’optimisation combinatoire multi-objectif, permet d’identifier les combinaisons de polices dont le non renouvellement permettrait d’optimiser la rentabilité du portefeuille tout en s’adaptant aux différentes contraintes opérationnelles.