L’équité de l’apprentissage machine en assurance
Les assureurs sont réputés utiliser des données pour classer et tarifer les risques. À ce titre, dès la fin du 19e siècle, ils ont été confrontés aux problèmes d’équité et de discrimination associées aux données. Pourtant, si cette question est récurrente, elle connait un regain d’importance avec l’...
Αποθηκεύτηκε σε:
| Τόπος έκδοσης: | URI:https://journals.openedition.org/statsoc, |
|---|---|
| Κύριοι συγγραφείς: | , |
| Μορφή: | Article ou chapitre numérique |
| Γλώσσα: | Français |
| Έκδοση: |
Statistique et société
2023
|
| Θέματα: | |
| Διαθέσιμο Online: | Accès Université d'Orléans et IFPM Accès Université d'Orléans et IFPM |
| Περίληψη: | Les assureurs sont réputés utiliser des données pour classer et tarifer les risques. À ce titre, dès la fin du 19e siècle, ils ont été confrontés aux problèmes d’équité et de discrimination associées aux données. Pourtant, si cette question est récurrente, elle connait un regain d’importance avec l’accès à des données de plus en plus granulaires, massives et comportementales. Nous verrons ici comment les biais de l’apprentissage machine en assurance renouvellent ou transforment ce questionnement pour rendre compte des technologies et des préoccupations sociétales actuelles : paradoxalement, alors que la plupart de ces biais ne sont pas nouveaux, la recherche d’une équité pour les contrer, elle, se transforme. |
|---|