Manifestation / Feb. 26
De la calibration à l’équité des primes
Michel Denuit
Professor of Actuarial Science at UCLouvain
Julien Trufin
Professor of Actuarial Science at Université libre de Bruxelles
Les modèles de Machine Learning se sont imposés comme des outils puissants pour la tarification en assurance, en produisant des primes pures fortement corrélées aux coûts des sinistres. Toutefois, une bonne performance prédictive ne garantit ni le respect de l’équilibre financier, ni l’adhésion à certains principes fondamentaux d’équité. Ces limites deviennent particulièrement sensibles lorsque les variables de segmentation capturent, directement ou indirectement, des effets difficiles à interpréter.
Cette présentation propose un cadre opérationnel pour concilier performance prédictive, équilibre financier et équité en tarification. Nous montrerons comment des techniques de recalibration permettent de transformer des modèles prédictifs en véritables primes pures. Nous discuterons également de différentes notions d’équité pertinentes pour l’actuaire et analyserons les compromis qu’elles induisent dans la construction et l’utilisation des modèles de tarification.