Entre exigence déontologique et impératif de gestion des risques, l’explicabilité des modèles constitue un enjeu central pour les actuaires. La démocratisation des techniques de machine learning, facilitée notamment par l’essor des chatbots basés sur de grands modèles de langage, devenus d’excellents assistants à la programmation, ainsi que l’évolution des systèmes d’information au sein des organismes d’assurance, ont conduit à l’utilisation de modèles toujours plus complexes. Ceux-ci exploitent à la fois la quantité importante de données internes et les sources externes (open data), dans le but d’affiner les tarifications, d’identifier des classes d’assurés particulièrement à risque ou encore de réaliser des analyses prédictives plus précises.
Pour lire l’article, c’est par ici -> Explicabilité des Modèles en actuariat pour un usage responsable du machine Learning
