Chapitre 1 : Modeling and Forcasting Mortality with Machine Learning Approaches (avec Q. Guibert et P. Piette) et Chapitre 7 : Measuring the Impact of a Binary Variable on a Quantitative Response in a Non Parametric Framework (avec A. Wabo et M.

Résumé L'utilisation d'algorithmes exploitant des données hétérogènes et souvent volumineuses s'est développée très rapidement ces dernières années, profitant de l'augmentation des capacités de calcul et des données collectées par les GAFA. Ces techniques sont d'abord apparues dans le monde de l'assurance pour répondre à des besoins de gestion ou de marketing : dimensionnement des centres d'appels, sélection des clients, analyse automatisée des clauses contractuelles, automatisation des processus de souscription, etc. Même si quelques tentatives anciennes peuvent être repérées, ce n'est que récemment que les actuaires ont commencé à intégrer plus systématiquement les techniques de data science dans leur " boîte à outils " et à identifier les problématiques pour lesquelles ces approches pourraient s'avérer plus efficaces que les approches habituelles. Dans cet ouvrage, à la croisée de l'actuariat et de la science des données, vous trouverez un état de l'art de l'utilisation de ces techniques pour l'analyse et la quantification des risques. Destiné aux étudiants, universitaires et praticiens, il vise à fournir une base de travail et des pistes de réflexion pour une utilisation éclairée de la science des données en actuariat.