Date: 6 février 2026 de 12:30 à 13:30
Lieu: En ligne
Orateur: Thomas Hames (Expert/Innovation Lead) et Julien Trufin (Conseiller Scientifique)
Langue: Présentation en français / Support en anglais
Accréditation: 1 CPD
Prix: Gratuit
Contact: learning@detralytics.eu
Participez à notre premier Lunch & Learn 2026, une présentation gratuite de nos récents travaux par nos conseillers scientifiques et experts, durant votre pause déjeuner.Points clés abordés :
Cette formation courte est consacrée à la question d’une tarification équitable en assurance en nous concentrant sur deux notions complémentaires : la discrimination par proxy et la parité démographique. L’occasion de vous présenter notre dernière Detra Note du même titre, publiée par J. Trufin et M. Denuit (Conseillers scientifiques) en collaboration avec T. Hames (Expert/Innovation Lead)
La discrimination par proxy survient lorsque des facteurs de risque apparemment neutres véhiculent des informations sur des caractéristiques protégées, entraînant une discrimination indirecte et souvent involontaire.
À l’inverse, la parité démographique est un critère d’équité de groupe qui exige que la répartition des primes soit indépendante des caractéristiques protégées.
Nous examinons les différences conceptuelles entre ces deux approches. En nous appuyant sur des travaux récents de Simon, Denuit et Trufin (2025), nous décrivons ensuite des méthodes basées sur les arbres (le DPTree et son extension en ensemble, le DPForest) qui intègrent directement des contraintes de parité démographique dans les modèles prédictifs.
Ces méthodes montrent comment les exigences d’équité peuvent être opérationnalisées de manière transparente au sein des outils actuariels standards, tout en mettant en évidence les compromis inhérents entre précision et équité.
Depuis son arrivée chez Detralytics en 2019, Thomas a principalement travaillé sur des sujets de tarification et de provisionnement en assurance Non-Vie et Automobile de détail, en combinant des méthodes classiques avec des approches basées sur le machine learning.
Par ailleurs, en interne, Thomas participe au développement technique et commercial de notre package de micro-provisionnement et assure la supervision des projets de notre Innovation Lab.
