ASSURANCE

Pricing Model & Explainable AI

#Explainable AI

#Risk Management

#Pricing Model

#Ambition

L'ambition
de la mission

Les GLM présentent des carences quant à leur capacité à capter les interactions non linéaires entre les facteurs de sinistralité. D’où l’intérêt pour les actuaires de chercher des modèles d'IA performants leur permettant d’améliorer les prédictions. Ces modèles sont également de moins en moins transparents. Or la transparence et l’absence de biais au sein des algorithmes prédictifs sont un gage d'adoption.

#Method

Notre
approche

Think

Performance & Explicabilité

Développer un modèle de prédiction de la prime d’assurance 100% transparent et explicable soulève de nombreuses questions : Comment L'IA & le machine Learning augmentent la performance de la tarification ? Comment justifier les préconisations suggérées par un algorithme de machine learning et comment le rendre plus explicite ?

Make

Modèles prédictifs explicables

Les actuaires ont adopté cette démarche d’explicabilité en se fondant sur un exemple concret et sa comparaison avec les méthodes classiques. La pédagogie sur les solutions mises en place, le niveau de performance de la prédiction de la prime d’assurance et sa maîtrise fine de décisions prises de l’algorithme permettent à l'équipe de gagner en confiance sur le déploiement de ces pratiques à de futurs projets d’IA pour l'assureur

Scale

Nouveau champs d'application & prise d'autonomie

Au-delà d'un model expliqué, notre client dispose d’un exemple concret de mise en application d’explicabilité pour des algorithmes de prédiction. D’autres projets pourront bénéficier de cette manière de faire pour réduire les biais et apporter un grand niveau de confiance sur les modèles d’IA

#Benefits

Indicateurs
de réussite

100% des prédictions sont expliquées

Garantie d’un modèle non biaisé

Approche duplicable

#DataStories

Découvrez nos
autres uses cases

Voir tous nos uses cases