La chaire PARI (programme sur l’appréhension des risques et des incertitudes), portée par l’ENSAE et Sciences Po, a pour objectif d’identifier et comprendre (i) le champ de pertinence de nos outils d’appréhension des risques, et (ii) leurs conditions d’émergence et d’utilisation. Créée début 2015, elle organise un séminaire de recherche mensuel de 2h pour présenter et échanger autour de ses travaux et des thématiques connexes. Le deuxième cycle de la chaire porte sur les enjeux du big data pour l’assurance.

La première séance de ce deuxième cycle vise à mettre en évidence les transformations de la notion d’équité de l’assurance portées par les outils d’appréhension des risques et récemment par les techniques de data science. La notion d’équité accompagne et questionne les mécanismes d’assurance depuis les contrats aléatoires analysés par les premiers probabilistes. Aujourd’hui, cette notion, le plus généralement entendue comme équité actuarielle, ou « actuarial fairness », sort renforcée par les nouvelles techniques qui permettent un ajustement de plus en plus affiné au risque individuel. Mais de quelle équité parle-t-on ?

Nous proposons tout d’abord de caractériser la transformation épistémologique en cours et ses conséquences possibles sur la prime pure. Dans un deuxième temps, ces interrogations seront placées dans une perspective historique, grâce notamment à l’analyse des premiers comptes-rendus des proceedings de la Casualty Actuarial Society américaine (CAS). Revenant enfin sur la distinction entre aléa et pluralité mise en avant dans les premiers travaux de la chaire, nous essaierons de raviver les principes d’une équité concurrente à l’équité actuarielle.

Plan :
1. Statistiques traditionnelles ou data science : les enjeux du big data pour la tarification
2. L’équité de l’assurance : une perspective historique
3. L’équité dérive-t-elle des outils technologiques à notre disposition ?

Intervenant :
Laurence Barry, actuaire IA, PhD, Chaire PARI

Lieu

Actuaris 13-15 Bd de la Madeleine, Paris, 75001 France