Lunch & Learn | Équité et réseaux neurones

Intégration des contraintes d'équité sociale et actuarielle dans les réseaux neurones tarifaires

L’essor de l’intelligence artificielle ouvre des perspectives inédites pour l’actuariat, mais soulève aussi des questions sensibles : Comment garantir que les modèles de tarification restent à la fois précis, équitables et conformes aux exigences réglementaires ?

Dans ce Lunch & Learn, nous présenterons une méthode innovante qui intègre directement des contraintes d’équité actuarielle et d’équité sociale dans l’entraînement des réseaux de neurones. L’approche repose sur un double mécanisme : d’une part, préserver l’équilibre technique entre primes et sinistres, et d’autre part, neutraliser l’impact de variables sensibles comme le genre ou l’âge.

Cette combinaison permet de tirer parti de la puissance prédictive des modèles de deep learning tout en assurant transparence et non-discrimination. Des illustrations concrètes sur des données bancaires et d’assurance démontrent la faisabilité et l’efficacité de cette démarche.

L’objectif : construire des modèles plus responsables, mieux acceptés par les assureurs, les clients et les régulateurs.

Points clés abordés :

• Les limites des modèles classiques (GLM) et des réseaux de neurones non contraints en matière d’équité.
• La distinction entre équité actuarielle (équilibre technique) et équité sociale (absence de discrimination).
• Un nouvel algorithme d’in-processing combinant réseau principal et réseau auxiliaire.
• Résultats empiriques sur deux bases de données réelles (churn bancaire, sinistres moto).
• Les implications pratiques pour la tarification, la conformité et l’éthique actuarielle.

Vous êtes actuaire? Cette session est faite pour vous!

💻 Formation courte gratuite

🗓️ Rendez-vous en ligne le vendredi 7 novembre 2025 de 12:30 à 13:30!