Assurance Équitable :
Aperçu Des Méthodes Actuarielles De Lutte Contre La Discrimination.
Cette formation gratuite explore les principes de l’équité actuarielle et les défis posés par la corrélation entre les facteurs de segmentation et certaines caractéristiques protégées par les lois anti-discrimination. Nous débuterons par une introduction générale rappelant le principe de segmentation en assurance et le délicat équilibre entre équité tarifaire et discrimination. Les participants découvriront ensuite les concepts de l’équité individuelle et de groupe, ainsi que les trois principales approches pour intégrer la justice dans les modèles actuariels : pré-traitement, traitement en cours et post-traitement. La formation mettra en lumière les techniques de pré-traitement pour modifier les caractéristiques originales, les méthodes de traitement en cours pour ajuster les algorithmes d’apprentissage, et les stratégies de post-traitement pour aligner les résultats des modèles avec des critères d’équité. Des exemples concrets illustreront l’impact de ces méthodes sur la précision des prédictions et la réduction des biais discriminatoires. Cette formation est destinées aux actuaires et professionnels de l’assurance souhaitant développer des algorithmes de tarification justes et non discriminatoires.
Programme
Introduction : équité & discrimination
- Segmentation et équité actuarielle
- Segmentation et discrimination
- Prime pure en univers segmenté
Définition de l’équité
- Équité de groupe vs équité individuelle
- Variables explicatives et covariables sensibles
- Principes d’indépendance, séparation et suffisance
Pré-traitement
- Décorrélation des caractéristiques
- Impact sur la précision des prédictions
Traitement en cours
- Modèles de régression paramétrique
- Critères de pénalisation pour l’équité et exemple de GLM pénalisé.
Post-traitement
- Ajustement des prédictions pour la parité démographique
- Utilisation des barycentres pour une parité forte
Divergences et distances
- Mesures de divergence (KL, Jensen-Shannon)
- Distances de Wasserstein et Cramér
Conclusion
À Propos Des Orateurs
Donatien Hainaut
Donatien Hainaut est Conseiller Scientifique chez Detralytics et professeur à l’UCLouvain (Belgique), où il dirige le Master en Data Science à orientation statistique. Auparavant, il a occupé plusieurs postes académiques, notamment en tant que professeur associé à la Rennes School of Business et à l’ENSAE à Paris. Il possède également une solide expérience dans l’industrie, ayant travaillé comme Risk Officer, Analyste Quantitatif et Responsable ALM.
Donatien est actuaire qualifié et titulaire d’un doctorat dans le domaine de la gestion actif-passif (ALM). Ses recherches actuelles portent sur les mécanismes de contagion dans les processus stochastiques et sur les applications des réseaux de neurones en assurance.
Julien Trufin
Julien est Conseiller Scientifique chez Detralytics ainsi que professeur en sciences actuarielles au sein du département de mathématiques de l’Université Libre de Bruxelles. Il possède une expérience en tant que consultant et un solide parcours académique, développé au sein d’institutions de renom telles que l’Université Laval (Canada), l’UCL et l’ULB (Belgique). Chez Detralytics, Julien accompagne les jeunes talents, dispense des formations de pointe, encourage l’innovation et supervise les projets de R&D.