Le développement de l’apprentissage machine (machine learning) au cours des dix dernières années s’est avéré utile dans de nombreux domaines afin de faciliter l’aide à la décision, particulièrement dans un contexte où les données sont abondantes et disponibles, mais difficilement manipulables par les humains.

Dans le secteur financier, les algorithmes sont couramment utilisés par les opérateurs à haute fréquence, les gestionnaires d’actifs ou les hedge funds pour tenter de prédire l’évolution des marchés financiers.

Le secteur assurantiel ne fait pas exception à la règle. Les assureurs recourent de plus en plus à une segmentation fine de leurs assurés ou futurs clients pour les catégoriser dans des sous-groupes homogènes en termes de risques et ainsi individualiser les tarifs de leurs contrats en fonction des risques encourus. Cependant, le recours massif aux algorithmes et à des outils fonctionnant avec de l’Intelligence Artificielle (IA) par les actuaires pour segmenter les assurés remet en cause le principe même sur lequel se base l’assurance, à savoir la mutualisation des risques entre tous les assurés.

Dans ce contexte, où le numérique est davantage exploité, plusieurs problématiques se posent, dont : comment le business model du secteur doit-il évoluer si l’individualisation se massifie au détriment de la mutualisation? Comment les assureurs peuvent-ils effectuer de la segmentation sans appliquer de critères discriminatoires? Quels sont les biais à éviter dans la construction d’algorithmes? Quid des critères d’équité, une notion à la fois abstraite, mais très ancrée dans notre société?

Dans ce nouveau numéro de la collection Opinions & Débats, Arthur Charpentier, un chercheur spécialisé dans les questions liées au secteur assuranciel et aux données massives, a réalisé un travail complet pour tenter de répondre aux enjeux posés par les notions de discrimination, de biais et d’équité dans les assurances. Outre les débats très intéressants posés par ces sujets, Arthur a effectué une revue exhaustive de la littérature académique existante, tout en y apportant des démonstrations et explications mathématiques.

Bonne lecture !

Jean-Michel Beacco
Délégué général de l’Institut Louis Bachelier