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.