webinar register page

Webinar banner
Eléments d'Intelligence Artificielle faible en Provisionnement Non-Vie
Le provisionnement est l’un des coeurs de métier de l’actuariat. Du fait des enjeux stratégiques et économiques majeurs qu’il représente pour les compagnies d’assurance, sa pratique fait l’objet de développements toujours plus avancés. Les techniques usuelles d’évaluation des provisions – dont la méthode Chain Ladder fait figure de proue – reposent historiquement sur des données sinistres agrégées. Cependant, l’expansion récente des volumes de données collectées et des algorithmes associés permet aujourd’hui la conception de méthodologies d’estimation innovantes s’appuyant sur des informations à la maille individuelle.
Ces méthodes, proposées en nombre par la communauté actuarielle, constituent des développements théoriques novateurs. Toutefois à ce stade, et compte tenu des fortes contraintes opérationnelles (délais, disponibilité des données, etc.), celles-ci n’ont pas encore atteint un niveau de maturité suffisant au sein des compagnies. En pratique, la méthode Chain Ladder reste ainsi la référence pour l’évaluation des provisions. Demeurent donc de multiples enjeux tels que l’obtention d’ultimes à la maille individuelle, la détection des graves, ou plus largement la rationalisation des processus et la connaissance approfondie des risques.
Pour accompagner l’actuaire dans ce contexte, plus que la méthode d’estimation employée, nous tenons à repositionner la donnée au centre des développements en présentant de bonnes pratiques d’implémentation et de traitement. Nous proposons une exploitation pragmatique des possibilités offertes par l’Intelligence Artificielle faible : visualisations innovantes, automatisation de tâches répétitives, modélisation via machine learning de processus complexes.

Mar 10, 2021 12:30 PM in Paris

* Required information
Loading

By registering, I agree to the Privacy Statement and Terms of Service.

Register

Speakers

Loup Ortiz