Je dédie ce modeste travail

A ma famille avec tous mes sentiments de respect, d'amour, de

gratitude et de reconnaissance pour tous les sacrifices
déployés pour m'élever dignement et assurer mon éducation
dans les meilleures conditions.

À mon père qui n'a rien épargné pour me satisfaire.

À ma chère mère, la source inépuisable de mon bonheur,

l'être qui ne cesse de me prodiguer amour et douceur.

À mes professeurs sans exception, pour leurs efforts afin de

m'assurer une formation bien solide.

À mes amis sans exception.

Avec toute ma gratitude et mon amour sincère pour votre

soutien constant et votre encouragement

1
Je tiens à exprimer ma sincère gratitude envers mon
professeur, Mr. Alj Abdelkamel à la FSJES Meknès, pour sa
patience, sa disponibilité et surtout ses judicieux conseils, qui
ont contribué à alimenter mes réflexions.

Je remercie également l'équipe pédagogique de l’université et

les intervenants professionnels responsables de ma formation.

Je voudrais également exprimer ma reconnaissance envers

mes parents et mes collègues qui m'ont apporté leur soutien
moral et intellectuel tout au long de cette démarche, ainsi
qu'aux nombreuses personnes qui ont contribué à
l’aboutissement de ce présent travail.

Merci à tous pour votre précieuse aide et votre soutien

constant.

2
Dans le cadre de notre projet de fin d’étude sur l'intelligence artificielle (IA)
dans le secteur de l'assurance, nous avons examiné en profondeur l'impact de
cette technologie sur les pratiques et les services de l'industrie. Notre analyse a
couvert différents aspects, notamment l'utilisation de l'IA dans la gestion des
risques, l'optimisation des processus et l'amélioration de l'expérience client.
Nous avons mis en évidence les avantages de l'IA, tels que son potentiel pour la
détection de la fraude et l'amélioration de l'efficacité opérationnelle, tout en
reconnaissant les défis éthiques et réglementaires associés à son utilisation. En
outre, nous avons étudié comment l'IA transforme les pratiques professionnelles
et redéfinit les normes de l'industrie. Notre analyse s'est appuyée sur une
approche méthodologique rigoureuse, combinant une revue de la littérature
existante et des exemples concrets tirés du secteur de l'assurance. Cette étude
vise à fournir un aperçu complet des opportunités et des défis que l'IA présente
pour le secteur de l'assurance, soulignant son importance croissante pour la
compétitivité et la pertinence dans un paysage économique en évolution
constante.

3
 Sommaire
Introduction Générale 7
Chapitre 1 : Usages de l’intelligence artificiel dans le domaine de l’assurance de
dommages et de l’indemnisation 10

I. Les Fondements des Assurances et les Concepts Clés de l'Intelligence Artificielle

dans le Secteur de l'Assurance 11

1. Les assurances : définitions, types 11

1.1. Définition de L’assurance 11

1.2. Les types d’assurances 13

2. Rôles de l’assurance 13

3. Présentation des services de l'assurance 14

3.1. Service sinistre 14

3.2. Service production 15

3.2. Service maladie 15

3.4. Service diverses et comptable 15

4. Définitions et Concepts Clés de l'Intelligence Artificielle dans l'Assurance 15

II. Évolution de l'intelligence artificielle dans le secteur de l'assurance 17

1. Exploration de l'IA dans l’Assurance : Parcours de Souscription, Détection de Fraude et

Gestion des Sinistres 17

A. L’IA un enjeu clé pour les parcours de souscription 17

B. L’IA pour la détection de la fraude 17

C. L'IA Générative pour l'Automatisation de la Gestion des Sinistres 18

2. L’intelligence artificiel pour le traitement des réclamations 19

4
 Le dépôt des demandes d’indemnisation 20

Le tri des données et le classement des dossiers 20

L’évaluation des dommages et des indemnisations 20

Vers une expérience client libre-service 21

3. Les défis et Limites, Risques de l’utilisation dans le domaine de l’assurance et de

l’actuariat 22

3.1. Limites et Risques de l’utilisation de l’IA dans l’assurance 22

3.2. Les défis associés à l’IA dans le domaine de l’assurance et de l’actuariat 23

Chapitre 2 : L'IA Générative et l'Apprentissage Automatique dans le Secteur de l'Assurance

25

I. Exploration des Capacités de l'IA Générative 26

1. L'IA Générative pour l'Amélioration de la Recherche d'Informations dans les Bases de Données
26

1.1. L'automatisation de la Recherche d'Informations 26

1.2. L'optimisation de la Recherche d'Informations 27

1.3. La Création de Nouvelles Données 27

2. L'utilisation de l'IA Générative dans la Production de Rapports Réglementaires 28

2.1. L'automatisation de la Génération des Rapports 28

2.2. L'optimisation de la Génération des Rapports 28

2.3. La Création de Nouveaux Rapports 28

3. L'IA Générative pour Libérer du Temps de Cerveau Disponible 29

3.1. L'automatisation des Tâches 29

3.2. L'amélioration de la Productivité 29

3.3. La Libération du Temps de Cerveau Disponible 29

II. Intégration de l'Apprentissage Automatique dans le Secteur de l'Assurance 30

1. Fondements de l'Apprentissage Automatique dans l'Assurance 30

2. Apprentissage non-supervisé et apprentissage supervisé 31

5
 3. Arbres binaires de décision 31

[Link]êt aléatoire (random forest) 32

Chapitre 3 : Applications Pratiques de l'Apprentissage Automatique dans l'Assurance

35

Section 1 : Exploration Pratique du Data Mining dans le Secteur de l'Assurance 36

1. Les tendances actuelles et futures de l'utilisation du big data par les assureurs 36

2. Le Data Mining et les Solutions IBM SPSS : Révolutionnez Votre Approche

Commerciale 37

2.1. Optimisation des Opérations d'Assurance : Le Data Mining avec IBM SPSS
Modeler 37

2.2. Réinventez votre stratégie d'entreprise : Le potentiel du CRISP-DM et des solutions IBM
SPSS 38

2.3. IBM Business Analytics et SPSS : Accélérateurs de vos décisions d'entreprise

39

Section 2 : Exploration de l'Innovation Numérique chez AXA : Études de Cas sur

l’Intelligence Artificielle, du Data Mining et des Partenariats Technologiques 40

1. Exploration du Data Mining chez AXA : Révolution Digitale dans l'Assurance 40

2. Collaboration AXA-Microsoft pour une Plateforme de Soins de Santé Numérique

41

3. AXA Secure GPT : Déploiement d'un Service Interne Innovant 41

Conclusion Générale 43

Bibliographie 44

6
 Introduction Générale

Ces dernières années, l'Intelligence Artificielle (IA) suscite un engouement sans précédent
grâce à des progrès technologiques majeurs, notamment dans le domaine de l'apprentissage
machine, qui élargissent les capacités des ordinateurs et améliorent leurs performances dans
de nombreux domaines tels que le traitement du langage, la compréhension de la parole, la
reconnaissance d'images, la robotique, etc. Ces avancées ouvrent des perspectives
considérables en matière d'innovation technologique et d'automatisation dans le milieu
professionnel. Les compagnies d'assurance, notamment celles orientées vers l'innovation,
embrassent également la transformation numérique. Elles consacrent des ressources
croissantes à la technologie et intègrent des solutions de pointe dans leurs processus de
production : standardisation de certaines opérations, automatisation des pratiques,
amélioration de l'expertise et évaluation des dommages optimisées, etc. 1

Dans le monde de l'assurance, où la compétition est forte, les compagnies cherchent

constamment des moyens pour rendre leurs services meilleurs et moins chers. L'intelligence
artificielle est une technologie qui peut les aider dans cette quête en offrant différentes
solutions.2

L'IA sera un outil essentiel pour les compagnies d'assurance, les aidant à analyser et évaluer
les risques dès le départ. Une bonne connaissance du risque est essentielle, et les big datas,
passés à travers l'IA, joueront un rôle clé : données cartographiques, images satellites,
données publiques ou fournies par les utilisateurs, données des équipements connectés, etc.
Cela permettra à l'IA de mieux comprendre les situations et de prédire les événements futurs
tels que les inondations, l'usure des pièces, ou d'autres risques potentiels.3

L'impact potentiel de l'intelligence artificielle (IA) dans le secteur de l'assurance va bien au-
delà de simples améliorations opérationnelles. En effet, cette technologie révolutionnaire
redéfinit fondamentalement la façon dont les compagnies d'assurance interagissent avec leurs
clients, gèrent les risques et innovent dans un marché en constante évolution. L'IA offre la
possibilité de prédire et de prévenir les risques de manière proactive, tout en permettant une
analyse approfondie des données pour une gestion plus efficace des sinistres et une

7
personnalisation accrue des produits d'assurance. De plus, l'automatisation des processus
permet aux assureurs de gagner en efficacité tout en offrant une expérience client plus fluide
et intuitive.3

Introduction Générale

En tant que catalyseur de changement, l'IA et le Data Mining soulèvent également des
questions éthiques et réglementaires cruciales. La confidentialité des données, la transparence
des algorithmes et la responsabilité en cas d'erreur ou de biais algorithmique sont autant de
défis que les compagnies d'assurance doivent relever pour garantir la confiance des clients et
assurer une utilisation éthique de ces technologies émergentes.3

Problématique :

Dans un contexte où l'intelligence artificielle et le Data Mining révolutionnent le secteur de

l'assurance, la problématique centrale de notre travail se pose ainsi :

Comment l'intégration de l'intelligence artificielle et du Data Mining dans le secteur de

l'assurance impacte-t-elle la gestion des risques, la qualité des services aux assurés et les
pratiques professionnelles des compagnies d'assurance ?

Objectif de notre travail :

À travers les différents chapitres de ce mémoire, nous examinons les fondements des
assurances, l'évolution de l'intelligence artificielle dans le secteur de l'assurance, ainsi que les
implications du Data Mining et de l'innovation numérique. Des études de cas telles que celles
menées par AXA illustrent comment les partenariats technologiques et l'innovation numérique
peuvent transformer les pratiques professionnelles et améliorer les services aux assurés.

Méthodologie de travail :

La méthodologie de ce mémoire implique une approche de recherche combinant une revue

approfondie de la littérature existante sur l'utilisation de l'intelligence artificielle et du Data
Mining dans le secteur de l’assurance, des études de cas pratiques pour illustrer les
applications concrètes, et des analyses comparatives pour évaluer les avantages, les défis et
les limites de ces technologies. Cette approche permettra une compréhension approfondie de
l'impact transformateur de l'intelligence artificielle dans le domaine de l'assurance, tout en
offrant des recommandations pratiques pour les professionnels du secteur.

8
 Introduction Générale

Structure du travail :

Pour y parvenir, nous avons opté pour trois (3) chapitres distincts :

-Dans le premier chapitre, nous avons mis la lumière sur l'usages de l’intelligence artificiel
dans le domaine de l’assurance de dommages et de l’indemnisation.

-Le second chapitre va être consacré à la puissance de l'IA Générative : Optimisation,

Rapports et Libération du Temps dans l’Assurance.

- Dans le troisième chapitre, nous allons parler de l’impact transformateur du Data Mining
dans le Secteur de l'Assurance : Révolution Analytique pour la Prévention et la Détection de
Fraude - Étude de Cas AXA et Déploiement Innovant avec Microsoft et AXA Secure GPT.

9
 Chapitre 1 :

Usages de l’intelligence artificiel dans le

domaine de l’assurance de dommages et
de l’indemnisation

10
Dans ce chapitre, nous explorerons les usages de l'intelligence artificielle (IA) dans le
domaine de l'assurance de dommages et de l'indemnisation. Nous commencerons par
examiner les fondements des assurances et les concepts clés de l'IA dans ce secteur,
notamment en définissant les différents types d'assurances et en présentant les services
essentiels de l'assurance. Ensuite, nous nous pencherons sur l'évolution de l'IA dans ce
domaine, en mettant en lumière son rôle crucial dans les parcours de souscription, la détection
de la fraude et la gestion des sinistres. Enfin, nous aborderons les défis, les limites et les
risques associés à l'utilisation de l'IA dans le domaine de l'assurance et de l'actuariat,
soulignant les enjeux à considérer dans l'application de cette technologie.

Section 1 : Les Fondements des Assurances et les Concepts Clés de

l'Intelligence Artificielle dans le Secteur de l'Assurance

1. Les assurances : définitions, types, rôles et services

1.1. Définition de L’assurance :

Dans le cadre de mon stage au sein de l’agence assurances SANLAM qui est le leader de
l'assurance non-vie au Maroc et détient également la première place en assurance automobile
et en assurance santé, j'ai eu l'opportunité d'explorer de près les fondements des assurances.
J'ai appris que L'assurance représente un service offrant une prestation en cas de réalisation
d'un événement incertain et aléatoire, communément désigné comme un « risque ». Cette
prestation, souvent de nature financière, peut être accordée à un individu, une association ou
une entreprise moyennant le paiement d'une cotisation ou prime. De manière élargie,
l'assurance englobe le secteur économique regroupant les activités de conception, de
production et de commercialisation de ce service spécifique.4

L'assurance constitue une branche financière dédiée à la gestion des risques encourus par les
acteurs économiques, qu'ils soient individus ou entreprises. Elle remplit deux fonctions
fondamentales : la protection contre les risques eux-mêmes et la réallocation de l'épargne dans
l'économie. Les compagnies d'assurance déploient leur expertise dans deux domaines
principaux : la gestion des risques et la gestion financière. Au cœur de leur activité se trouve
la gestion du risque, ce qui fait d'elles des spécialistes dans ce domaine. En plus de fournir
une protection contre les aléas de la vie, les assureurs proposent également des moyens pour

11
atténuer les risques eux-mêmes. Ils contribuent à la compréhension des risques et à la
diffusion de méthodes et d'outils efficaces tels que les normes de construction dans les zones
sismiques, le port du casque, les normes de fabrication et le contrôle de la chaîne de
production. Pour gérer ces risques, l'assurance s'appuie principalement sur les statistiques, en
se fondant sur le principe de la loi des grands nombres.4

 L’assurance : aspect économique

L'assurance économique, souvent proposée par les compagnies d'assurance aux

consommateurs sous forme de packages de garanties, est essentiellement un produit juridique.
Elle représente les engagements pris par l'assureur pour couvrir les conséquences financières
des risques résiduels malgré les mesures de prévention. Ce coût de l'assurance est
proportionnel aux garanties offertes et est intégré dans les produits ou services fournis par
l'assuré.4

 L’assurance : aspect juridique

D’un point de vue juridique, « L’assurance est une convention par laquelle, en contrepartie
d’une prime, l’assureur s’engage à garantir le souscripteur en cas de réalisation d’un risque
aléatoire prévu au contrat, moyennant le paiement d’un prix appelé prime ou cotisation ». 4

 L’assurance : aspect technique

L'assurance, selon M. Joseph Hemard, est un processus où l'assuré, moyennant une prime,
obtient une protection contre les risques pour lui-même ou pour autrui. L'assureur, en prenant
en charge divers risques et en les compensant selon les lois statistiques, organise une
mutualité couvrant de nombreux assurés. En cas de sinistre, les assurés sont indemnisés grâce
aux primes collectées, ce qui permet aux assureurs d'équilibrer leurs comptes. En résumé,
l'assurance compense les aléas du destin sur le patrimoine humain par le biais d'une mutualité
organisée selon les lois de la statistique.4

1.2. Les types d’assurances :

12
 Assurance

Assurance de Assurance
personnes dommage

Assurance de Assurance de la
Assurance de
Assurance vie dommage responsabilité
biens
corporels civile

2. Rôles de l’assurance

Mon immersion au sein de l’agence assurances SANLAM m'a également permis de saisir les
rôles sociaux et économiques significatifs joués par l'assurance. En travaillant sur des projets
liés à la protection sociale et à la prévention des risques, j'ai constaté comment les compagnies
d'assurance complètent les initiatives de l'État en matière de santé, de retraite et de
dépendance.4

 Le rôle social de l’assurance

Ce rôle englobe diverses fonctions telles que la protection sociale, où les assurances privées
complètent les initiatives de l'État en matière de santé, de retraite et de dépendance, et la
prévention, où les assureurs sensibilisent les assurés aux risques et les incitent à adopter des
comportements prudents pour éviter les sinistres. De plus, l'assurance assure une fonction
réparatrice en indemnisant les préjudices causés par la réalisation des risques, permettant ainsi
aux assurés de maintenir l'équilibre de leur patrimoine. Elle peut également garantir la
réparation des préjudices subis par des tiers, comme dans le cas des assurances de
responsabilité obligatoires, offrant ainsi une protection étendue à l'ensemble de la société. En
parallèle, sur le plan économique, l'assurance sécurise les activités des acteurs économiques
en leur fournissant des capacités de financement nécessaires à leur développement et à leur
stabilité.

13
Ces deux dimensions démontrent l'importance et la diversité des rôles que joue l'assurance
dans la société contemporaine.4

 Le rôle économique de l’assurance

Le rôle économique de l'assurance est crucial dans la gestion des risques pour les acteurs
économiques. En tant qu'industrie financière, elle assume plusieurs fonctions essentielles.
Tout d'abord, elle agit comme un dispositif d'épargne en collectant des primes des assurés et
en redistribuant ces fonds sous forme de prestations aux sinistrés. En parallèle, elle garantit
les investissements en offrant une assurance nécessaire à la réalisation de projets
d'investissement, sans laquelle les entrepreneurs et les banquiers hésiteraient à engager des
capitaux. De plus, l'assurance crée une capacité de financement en percevant des cotisations
avant que les risques ne se matérialisent, ce qui permet aux compagnies d'assurance de
contribuer à l'activité économique en effectuant des placements financiers. Enfin, elle
constitue un moyen de crédit en renforçant les garanties offertes aux créanciers et en facilitant
l'accès au crédit pour les assurés. En somme, l'assurance joue un rôle essentiel dans
l'économie en sécurisant les investissements, en fournissant des ressources financières et en
favorisant le crédit, ce qui contribue à la croissance économique. Son évolution de simple
outil social vers un acteur financier majeur souligne son importance dans le fonctionnement
des économies modernes.4

3. Présentation des services de l'assurance

Pendant mon stage à l'agence d'assurance SANLAM, j'ai pu enrichir mes connaissances sur
les services de l'assurance tels que :

3.1. Service sinistre :

Ce service gère les problèmes auxquels sont confrontés les clients assurés, tels que les
accidents de la route, les accidents du travail, les vols, etc. Il est divisé en deux catégories
principales de sinistres : les sinistres matériels et les sinistres corporels :

 Sinistres matériels

Cela peut résulter d'une collision impliquant deux voitures ou plus, entraînant des dommages
matériels. Il est donc nécessaire de déterminer la responsabilité de chaque partie impliquée
afin de procéder à une indemnisation conforme à la garantie souscrite.

 Sinistres corporels :
14
Dès qu'un sinistre impliquant des dommages matériels survient, la personne concernée doit en
informer l'agent en remplissant un formulaire de déclaration d'accident. En fonction de la
gravité de la déclaration, la compagnie d'assurance décide de désigner ou non un expert pour
évaluer les dommages.

3.2. Service production :

Étant donné que les contrats d'assurance automobile sont les plus fréquents, il est devenu
essentiel de leur attribuer un service dédié. Ce service offre aux clients la possibilité de
souscrire une assurance pour leur véhicule et de renouveler leur police d'assurance.

3.3. Service maladie :

L'assurance maladie complémentaire (AMC) est une prestation gratuite, ne nécessitant aucune
souscription préalable. Elle constitue un complément à l'assurance maladie de base
AMO/CNOPS, couvrant le remboursement et/ou la prise en charge des frais médicaux restant
à la charge des bénéficiaires. Cette assurance intervient notamment dans les cas suivants :

Affections graves et/ou chroniques : incluant les maladies de longue durée (ALD) et les
affections lourdes et onéreuses (ALC) prises en charge par l'AMO-CNOPS.

Hospitalisations médicales et/ou chirurgicales : qu'il s'agisse de maladies ou d'accidents, que

ce soit dans des établissements publics ou privés, au Maroc ou à l'étranger.

3.4. Service diverses et comptable :

Le journal des opérations diverses, également connu sous le nom de journal des OD, constitue
un document complémentaire au journal général de comptabilité. Il est destiné à enregistrer
les opérations comptables qui ne sont pas liées au journal des achats, au journal des ventes, ni
aux journaux de trésorerie. Ce journal des opérations diverses permet l'enregistrement
d'opérations telles que les mouvements de TVA, les provisions, les transactions salariales,
ainsi que les corrections d'erreurs de saisie. Il convient de noter que la tenue d'un journal
comptable est une exigence légale pour les entreprises relevant du régime réel, dans le but de
suivre toutes leurs opérations financières.

4. Définitions et Concepts Clés de l'Intelligence Artificielle dans l'Assurance

L'intelligence artificielle (IA) regroupe un ensemble de théories et de techniques visant à

développer des programmes informatiques capables de simuler l'intelligence humaine. Son

15
objectif est de permettre à une machine d'accomplir des tâches traditionnellement réservées à
l'intervention humaine. Actuellement, l'IA s'appuie principalement sur des technologies telles
que le Machine Learning (apprentissage automatique) et le Deep Learning (apprentissage en
profondeur), des algorithmes permettant de réaliser des prévisions ou de prendre des décisions
de manière automatisée. Ces algorithmes possèdent une capacité d'apprentissage qui les rend
de plus en plus performants et précis au fil du temps.5

Dans le secteur des assurances, l'intelligence artificielle offre la possibilité d'améliorer la

précision des évaluations de sinistres, de détecter les tentatives de fraude et de proposer des
services individualisés aux clients. Par exemple, imaginons une compagnie d'assurance
automobile qui utilise des algorithmes d'intelligence artificielle pour évaluer les risques
associés à ses polices d'assurance. L'intelligence artificielle analyse les données historiques
des conducteurs, telles que leur comportement au volant, les statistiques d'accidents, les
conditions routières, et d'autres facteurs pertinents. Sur la base de ces données, l'IA est
capable de prédire avec précision les risques potentiels pour chaque conducteur assuré.3

De plus, elle permet aux assureurs de mieux comprendre les besoins de leurs clients, ce qui
peut se traduire par des tarifs plus compétitifs et des processus de souscription simplifiés. De
nombreux assureurs ont déjà adopté l'IA, et son intégration ne cesse de croître.3

L'impact de l'intelligence artificielle dans le secteur des assurances est significatif. Tout
d'abord, elle agit comme un outil essentiel pour les compagnies d'assurance, facilitant
l'analyse et l'évaluation des risques associés à leurs polices. Les données massives traitées par
l'IA, telles que les données cartographiques, les images satellites et les informations fournies
par les utilisateurs, permettent une meilleure compréhension des risques et une prédiction plus
précise des événements futurs, comme les inondations ou l'usure d'équipements. 3

Deuxièmement, l'IA transforme l'expérience client en simplifiant et en accélérant le processus

d'achat d'assurance. Les interactions automatisées, telles que l'analyse automatique des risques
et l'émission automatisée d'offres, ainsi que l'introduction de produits d'assurance à l'usage,
améliorent l'efficacité et la personnalisation des services d'assurance.3

Enfin, les législateurs commencent à développer des règles spécifiques concernant l'utilisation
de l'IA dans le secteur de l'assurance. L'analyse automatique des sinistres, basée sur des
photos envoyées par les assurés et des données historiques, révolutionne la manière dont les
compagnies d'assurance évaluent et traitent les réclamations.3

16
En résumé, l'intégration de l'IA dans le domaine de l'assurance ouvre de nouvelles possibilités
pour les assureurs et les assurés, mais soulève également des défis en termes d'équité, de
transparence et de réglementation.3

Section 2 : Évolution de l'intelligence artificielle dans le secteur de

l'assurance

1. Exploration de l'IA dans l’Assurance : Parcours de Souscription, Détection de

Fraude et Gestion des Sinistres.

A. L’IA un enjeu clé pour les parcours de souscription

L'une des principales applications de l'IA réside dans l'amélioration et l'accélération les
parcours de souscription de contrats d’assurance. C'est pourquoi l'IA et le machine Learning
sont déjà largement intégrés dans les parcours de souscription de la plupart des assureurs.
L'avantage clé de l'intelligence artificielle dans ces parcours réside dans sa capacité à
automatiser le traitement des documents, ce qui réduit considérablement le temps et les
ressources nécessaires à la validation des dossiers indispensables à la souscription de contrats
d'assurance. Par conséquent, l'intelligence artificielle contribue significativement à améliorer
l'expérience et la satisfaction client. Il est également important de noter que l'IA ne se limite
pas au processus de souscription des contrats d'assurance, mais qu'elle joue également un rôle
majeur dans la détection de la fraude et la gestion des sinistres.6

B. L’IA pour la détection de la fraude

La lutte contre la fraude à l’assurance représente un enjeu majeur pour les compagnies
d'assurance et constitue l’une des principales sources de méfiance des assureurs envers les
assurés. La fraude se manifeste lorsque des individus ou des entités tentent de tromper les
compagnies d’assurance pour obtenir des compensations ou des avantages indus. Deux types
de fraudes sont généralement distingués : la fraude à l’assurance dure, qui survient lorsque des
individus simulent intentionnellement un accident, et la fraude à l’assurance douce, qui se
produit lorsque des demandes d'indemnisation valides sont altérées ou falsifiées.7

Selon la Fédération des sociétés d'assurance européenne, Insurance Europe, la fraude à

l’assurance en Europe représente environ 10 % de la somme totale des sinistres. Cette réalité
pousse les compagnies d'assurance à renforcer leurs mécanismes de détection et de prévention

17
de la fraude, bien que cela puisse parfois donner l’impression qu'elles cherchent à refuser
systématiquement les demandes d’indemnisation.7

L'utilisation de l'intelligence artificielle (IA) offre des solutions efficaces pour réduire le
risque et le coût de la fraude à l’assurance, tout en contribuant à restaurer la confiance entre
les assureurs et les assurés. Grâce à des techniques avancées d'analyse de données, l'IA permet
aux assureurs de détecter les comportements frauduleux avant même qu'une tentative de
fraude ne se concrétise. Ces outils fournissent des résultats précis dans des délais
considérablement réduits par rapport aux méthodes traditionnelles.7

Par exemple, la solution Shift Claims Fraud Detection développée par la start-up française
Shift Technology a révélé des schémas de fraude difficiles à détecter auparavant. Cette
solution repose sur un algorithme capable d'observer les modèles de comportement
frauduleux, de repérer les anomalies et d'apprendre de ses résultats.7

Désormais, les compagnies d'assurance peuvent vérifier l'authenticité des demandes

d'indemnisation grâce à des systèmes d'IA qui utilisent différentes méthodologies. Certains
systèmes comparent le comportement passé des fraudeurs avec le profil du demandeur pour
évaluer le risque de fraude, tandis que d'autres vérifient la cohérence des informations
fournies lors de la déclaration de sinistre.7

De plus, les techniques d'analyse et de traitement d'images par l'IA permettent de vérifier
l'authenticité des pièces justificatives fournies par les assurés, en détectant toute altération ou
manipulation. Enfin, la comparaison des photos associées à une réclamation avec des photos
de sinistres frauduleux antérieurs constitue une autre approche de prévention de la fraude.

Les solutions d'IA de détection de la fraude, associées à l'apprentissage automatique, sont en

constante amélioration. En effet, plus le nombre de sinistres traités par ces systèmes est élevé,
plus l'IA dispose de données pour perfectionner ses capacités de détection et d'analyse.7

C. L'IA Générative pour l'Automatisation de la Gestion des Sinistres

L'intelligence artificielle (IA) offre de nombreuses applications dans le processus de gestion

des sinistres, couvrant divers aspects tels que l'analyse, l'indemnisation, la prédiction et la
déclaration de sinistres. Elle représente un outil précieux pour optimiser ce processus. Un
aspect coûteux pour les assureurs est l'analyse des sinistres, qui nécessite souvent le

18
déplacement et le travail d'un ou de plusieurs experts. L'IA peut grandement assister ces
experts en améliorant l'analyse des données et en accroissant la précision de la gestion des
sinistres. Les algorithmes d'IA sont ainsi d'une grande utilité pour faciliter ou approfondir le
travail des experts. De plus, certains sinistres pourront être entièrement pris en charge par
l'IA, ce qui permettra une indemnisation automatique et rapide des clients. 7

De nombreux exemples cités par les experts montrent comment la technologie d’analyse
d’images alimentée par l’IA est utilisée dans le secteur de l’assurance pour l’évaluation des
dommages et l’indemnisation des sinistres. Prenons l’exemple d’un sinistre automobile. Lors
d’un accident, l’assuré filme les dégâts avec son téléphone intelligent et envoie la vidéo à son
assureur par le biais d’une application. Le système va alors, de manière autonome, déterminer
le type de véhicule, modéliser le sinistre en chiffrant les réparations, y compris les
conséquences qui ne sont pas directement visibles sur les images, puis déclencher le processus
d’indemnisation de l’assuré. Ce système fonctionne grâce à des algorithmes très complexes et
exige des millions de données, telles que les photos de sinistres et les catalogues de pièces
détachées. Il permet en revanche à l’assuré d’obtenir un dédommagement rapide de ses
indemnités et d’éviter aux assureurs de mandater un intermédiaire pour effectuer le constat,
tout en favorisant l’uniformité des processus en estimation des dommages (Arnal, 2019). De
même, en assurance habitation, les images vidéo transmises en direct par des drones survolant
les dommages causés par les feux de forêt à Fort McMurray, en Alberta, ont facilité le
traitement et le règlement de sinistres. L’évaluation initiale des dommages a été réalisée grâce
à une technique d’imagerie fondée sur l’IA par Opta Information Intelligence, une entreprise
spécialisée dans le domaine de la technologie et de l’analytique, qui offre des services à
l’industrie canadienne de l’assurance de dommages. Les images obtenues ont permis aux
assureurs de voir quel pourcentage des maisons avait été endommagé par le feu (Gambrill,
2017).7

2. L’intelligence artificiel pour le traitement des réclamations

Le processus conventionnel de traitement des sinistres est réputé pour sa lenteur, impliquant
plusieurs étapes entre la déclaration du sinistre et son règlement par l'assureur. Les agents
d'indemnisation doivent vérifier les informations fournies, collecter des preuves et évaluer les
dégâts avant de procéder au suivi avec le demandeur, en se basant sur leur analyse et
l'interprétation du sinistre par rapport aux termes du contrat. L'intégration de l'IA révolutionne
cette approche en offrant un soutien aux agents d'indemnisation à divers stades du processus.

19
Dans certains cas, ces outils assurent une automatisation totale, y compris la collecte de
preuves et la prise de décision pour résoudre le sinistre. Le processus d'évaluation des
indemnisations repose sur l'analyse des données de cas antérieurs similaires par les solutions
d'IA. Ces outils identifient les modèles de résolution des réclamations passées pour prédire le
règlement d'un nouveau sinistre et déterminer le montant de l'indemnisation. Cette adoption
de prévisions par les assureurs garantit un traitement rapide des réclamations avec un risque
réduit d'erreurs.7

2.1. Le dépôt des demandes d’indemnisation

Certains assureurs offrent désormais à leurs clients des plateformes intelligentes disponibles
en continu (24h/24) pour déposer leurs réclamations. Les demandeurs sont souvent assistés
par des robots conversationnels de nouvelle génération, capables d'interagir de manière
précise et personnalisée. Ces robots guident les demandeurs dans la collecte de preuves,
fournissant aux gestionnaires de sinistres des données détaillées pour évaluer rapidement les
dégâts et les indemnisations. Ce canal de services permet non seulement de déposer des
réclamations, mais aussi d'obtenir des soumissions auprès de l'assureur, simplifiant ainsi le
processus pour les assurés et réduisant la pression sur les centres d'appels des compagnies
d'assurance. En plus de rationaliser les processus, l'utilisation de ces systèmes contribue à
réduire les coûts d'exploitation.7

2.2. Le tri des données et le classement des dossiers

Le processus de traitement des demandes d'indemnisation commence par la collecte,

l'organisation et l'analyse des documents du dossier, une tâche autrefois réalisée
manuellement par les agents d'assurance. Cette étape, bien que nécessaire, était chronophage
et fastidieuse, nécessitant l'examen minutieux de documents dans différents formats pour
garantir leur validité et leur pertinence par rapport à la demande (par exemple : rapports
médicaux, factures médicales et rapports de police). Grâce aux avancées de l'intelligence
artificielle (IA), cette lourde tâche de tri peut désormais être confiée aux machines. Les
technologies telles que la reconnaissance optique de caractères (OCR) et le traitement du
langage naturel (NLP) permettent le traitement automatique de milliers de documents
numérisés en quelques secondes. En utilisant ces capacités, l'IA peut également classer les
demandes d'indemnisation en leur attribuant une cote en fonction de leur gravité et de leur
urgence. Les données sur les sinistres antérieurs contenues dans ces documents sont

20
exploitées pour fournir aux experts en sinistres des résumés et des statistiques qui les aident à
évaluer les dommages et les indemnisations de manière plus informée.7

2.3. L’évaluation des dommages et des indemnisations

Autrefois, la gestion des sinistres impliquait le déplacement d'experts sur les lieux pour
constater les dommages et collecter des preuves. Les progrès en reconnaissance d'images
permettent désormais un examen automatisé à partir de photos des dommages. Des solutions
d'IA, notamment dans l'assurance automobile, sont capables de déterminer avec précision la
gravité d'un accident et d'évaluer les dommages en combinant la reconnaissance visuelle des
accidents et des modèles observés. Par exemple, une application mobile de WeProov détecte
les dommages sur un véhicule et estime les coûts de réparation en analysant les photos. Ces
technologies facilitent l'évaluation des sinistres et permettent de finaliser les dossiers en
quelques jours plutôt que plusieurs semaines. En assurance habitation, les drones et l'IA ont
été utilisés pour évaluer les dommages causés par les incendies de forêt, facilitant ainsi le
traitement des réclamations. De même, pour évaluer les dégâts causés par des catastrophes
naturelles comme les inondations, les images aériennes sont analysées pour estimer les pertes
agricoles. En cas de préjudices corporels, l'IA peut prédire le type et la gravité des blessures,
facilitant ainsi l'intervention rapide et efficace des soins médicaux appropriés. De plus, elle est
utilisée pour vérifier la validité des réclamations et détecter la fraude, notamment dans les
accidents de travail.7

2.4. Vers une expérience client libre-service

Certains exemples évoqués démontrent que l'utilisation de l'IA dans le secteur de l'assurance
peut se traduire par une automatisation complète du processus d'indemnisation des sinistres,
éliminant ainsi toute intervention humaine. Ce changement transforme le règlement des
demandes d'indemnisation en une expérience client en libre-service, avec des paiements
rapides. Dans le contexte de l'assurance automobile, par exemple, un système d'IA peut
évaluer de manière systématique les dommages sur un véhicule accidenté à partir de photos,
organiser la réparation chez un garagiste, planifier un rendez-vous, et procéder au paiement
des réparations, sans nécessiter l'intervention d'un employé de l'assureur (St-Onge et al.,
2020).7

Cette automatisation complète présente plusieurs avantages, notamment la réduction des coûts
opérationnels et l'amélioration de la satisfaction client grâce à la rapidité du règlement. De

21
plus, elle assure aux demandeurs une indemnisation juste et précise, contrairement à une
évaluation basée sur la perception humaine, qui peut conduire à des résolutions imparfaites
des réclamations (Navarrina, 2022).7

Cependant, cette automatisation totale concerne principalement les demandes d'indemnisation

simples et courantes, telles que les accidents impliquant un seul véhicule. Pour de tels cas, le
taux de précision des algorithmes est généralement élevé, atteignant environ 90 % (Deloitte,
s.d.).7

Cependant, pour garantir une expérience client optimale, les compagnies d'assurance
déploient également des solutions d'IA telles que les chatbots. Ces chatbots permettent une
proximité et une personnalisation de la relation client, tout en offrant une assistance
instantanée pendant le traitement des sinistres. Le client peut ainsi suivre l'évolution de la
gestion de son sinistre en temps réel, ce qui contribue à renforcer la satisfaction client et la
réactivité des assureurs (Flinders, 2020).8

Cette intégration permet de montrer comment les chatbots s'inscrivent dans le contexte plus
large de l'automatisation et de l'utilisation de l'IA dans le secteur de l'assurance, tout en
répondant aux besoins spécifiques des assurés en matière de rapidité et de personnalisation de
l'expérience client.8

Figure 1 Fraudes, tarification et déclarations de sinistres : les prémices seulement 9

22
3. Les défis et Limites, Risques de l’utilisation dans le domaine de l’assurance et de
l’actuariat

3.1. Limites et Risques de l’utilisation de l’IA dans l’assurance

Les limites liées à l'utilisation de l'intelligence artificielle (IA) dans le secteur de l'assurance
sont multiples. Il est crucial pour les acteurs de ce domaine de tirer profit des avantages de
l'IA tout en en contrôlant les conséquences. Voici quelques-uns des principaux aspects

à considérer :

 L'équilibre entre l'humain et l'IA : L'IA ne devrait pas remplacer l'humain, mais plutôt
le compléter et l'assister. Maintenir un équilibre entre l'automatisation et l'intervention
humaine est essentiel pour garantir la qualité, la sécurité et l'éthique des services. Il est
également crucial que l'IA respecte les principes de transparence, d'explicabilité et de
responsabilité, afin que les clients puissent comprendre et contester les décisions
prises par les algorithmes.

 La déshumanisation dans les interactions client-assureur : Bien que l'IA puisse faciliter
et accélérer les interactions entre les clients et les assureurs, elle ne doit pas conduire à
une perte de contact humain et de confiance. Il est important de veiller à ce que l'IA
enrichisse et renforce le dialogue et l'écoute, plutôt que de les remplacer.

 La préservation des emplois et les enjeux de souveraineté nationale : L'IA pourrait

impacter l'emploi dans le secteur de l'assurance en automatisant certaines tâches. Il est
crucial d'anticiper et d'accompagner les transformations du marché du travail, tout en
évitant la dépendance à des acteurs étrangers. Favoriser le développement et
l'innovation des acteurs nationaux est nécessaire, tout en renforçant la coopération
entre les secteurs public et privé.

 La maîtrise de la technologie et des données : L'IA soulève des questions de

concurrence avec les géants du Web qui détiennent et maîtrisent cette technologie. Il
23
 est important pour les assureurs d'investir dans l'IA et l'innovation tout en respectant
les règles de gouvernance et de sécurité.

En conclusion, l'IA représente un défi majeur pour le secteur de l'assurance, nécessitant

une gestion prudente et réfléchie pour en maximiser les avantages tout en minimisant les
risques."10

3.2. Les défis associés à l’IA dans le domaine de l’assurance et de l’actuariat

Le déploiement de l'intelligence artificielle (IA) dans le secteur de l'assurance est étroitement

lié au contexte industriel, lequel varie considérablement d'un pays à l'autre. Alors que certains
pays investissent massivement dans l'IA, la plaçant parmi leurs priorités gouvernementales et
conduisant à d'importantes expérimentations, d'autres adoptent une approche plus lente en
raison de contraintes telles que les faibles taux prolongés, les exigences de solvabilité et les
évolutions réglementaires, notamment celles de l'Union européenne sur l'utilisation des
données, qui se montre plus protectrice que dans d'autres régions du globe (Dubois, 2020).7

Par ailleurs, outre le coût élevé de cette technologie, prohibitif pour de nombreuses petites
compagnies d'assurance et cabinets de courtage, une certaine méfiance persiste quant aux
capacités des machines, ce qui limite les investissements massifs dans l'IA et entrave une
révision complète des pratiques (Gambrill, 2017).7

En outre, le déploiement de l'IA est entravé dans certains domaines par le manque de données
nécessaires à son fonctionnement. Dans le domaine de l'assurance des dommages, par
exemple, le volume de données disponible est relativement faible, ce qui pose des défis pour
l'apprentissage automatique et la construction de modèles prédictifs (Gambrill, 2017). De
plus, la qualité des données est aussi cruciale que leur quantité, les ensembles de données
devant être représentatifs et équilibrés pour éviter les biais (Yeo et al., 2019). 7

La manipulation de grands volumes de données par les technologies d'IA soulève également
des préoccupations, d'autant plus que les cadres réglementaires concernant leur utilisation ne
sont pas encore pleinement développés (Gambrill, 2017). La sécurité des données est une
priorité, nécessitant des mesures strictes telles que l'anonymisation ou la dénominalisation
pour se conformer aux réglementations en vigueur (Arnal, 2019).7

24
En l'absence de mesures de sécurité adéquates, les risques de cyberattaques sont accrus,
comme l'illustre le développement de techniques d'extraction automatique de contenu de sites
Web, facilité par l'automatisation des tâches répétitives permise par l'IA (Arnal, 2019). 7

Parallèlement, l'accès accru aux données inverse le principe traditionnel d'asymétrie

d'information entre l'assureur et l'assuré, ce qui soulève des questions éthiques et nécessite
une réflexion sur l'établissement de normes professionnelles et d'une "éthique des
algorithmes" pour garantir la transparence, éviter les biais et assurer l'équité pour les assurés
(Dubois, 2020).7

Chapitre 2 :

L'IA Générative et l'Apprentissage

Automatique dans le Secteur de
l'Assurance

25
Le chapitre traite de l'utilisation de l'IA générative et de l'apprentissage automatique dans le
secteur de l'assurance. La première partie explore comment l'IA générative améliore la
recherche d'informations, optimise la production de rapports, et crée de nouvelles données
pour anticiper les risques et développer des stratégies innovantes. La deuxième partie se
concentre sur l'intégration de l'apprentissage automatique, en détaillant ses fondements, les
méthodes supervisées et non-supervisées, et des techniques spécifiques comme les arbres de
décision et les forêts aléatoires. Ces technologies permettent aux assureurs d'améliorer leurs
processus, réduire les coûts, et offrir des services personnalisés et efficaces à leurs clients.

I. Exploration des Capacités de l'IA Générative

1. L'IA Générative pour l'Amélioration de la Recherche d'Informations dans les Bases

de Données

1.1. L'automatisation de la Recherche d'Informations

L'émergence de nouveaux rapports grâce à l'IA générative ouvre de nouvelles perspectives

dans le domaine de l'assurance. Ces systèmes sophistiqués exploitent des algorithmes avancés
pour analyser d'immenses ensembles de données provenant de diverses sources. En déployant
des techniques telles que l'apprentissage automatique et le traitement du langage naturel, ils
peuvent générer des informations inédites et pertinentes. Ces rapports enrichis aident les
compagnies d'assurance à anticiper les évolutions futures du marché, à évaluer les nouveaux
risques émergents, et à concevoir des stratégies adaptées. En proposant des analyses plus
profondes et des prévisions plus précises, ces systèmes renforcent la capacité des assureurs à
répondre aux besoins changeants de leurs clients. Cette capacité à créer de nouveaux rapports
enrichit l'expérience des utilisateurs en offrant des informations plus complètes et en temps
réel, tout en consolidant la position des assureurs en tant que leaders de l'innovation dans leur
secteur. 11

Exemple : Dans le domaine de l'assurance automobile, les modèles d'IA générative peuvent
analyser les données des sinistres, les conditions météorologiques et les comportements des
conducteurs pour générer des rapports détaillés sur les tendances de sécurité routière. Ces

26
rapports aident les assureurs à concevoir des programmes de prévention des accidents plus
efficaces.11

1.2. L'optimisation de la Recherche d'Informations

L'optimisation de la recherche d'informations par les modèles d'intelligence artificielle

générative représente une avancée significative dans le secteur de l'assurance. Ces modèles
exploitent des algorithmes sophistiqués pour analyser minutieusement les données des clients
et identifier les schémas significatifs qui s'y trouvent. Cette approche novatrice permet aux
assureurs de mieux appréhender les besoins et les comportements de leur clientèle, en
fournissant des insights précieux sur les tendances et les préférences des clients.11

Les rapports générés par ces modèles fournissent des informations précieuses aux courtiers et
aux développeurs, leur permettant de concevoir des solutions sur mesure qui répondent de
manière proactive aux besoins spécifiques des clients. En améliorant la précision et la
pertinence des rapports, l'intelligence artificielle générative favorise une prise de décision plus
éclairée et une gestion des risques plus efficace, permettant ainsi aux assureurs de mieux
anticiper les défis à venir et de proposer des solutions adaptées.11

Exemple : Les modèles d'IA générative peuvent être utilisés pour analyser les données de
santé des assurés et identifier les facteurs de risque associés à certaines conditions médicales.
Ces informations permettent aux compagnies d'assurance santé de personnaliser leurs offres et
de promouvoir des programmes de bien-être spécifiques pour leurs clients.11

1.3. La Création de Nouvelles Données

La création de nouvelles données par l'IA générative représente une avancée majeure dans le
domaine de l'assurance, ouvrant ainsi de nouvelles perspectives et possibilités. Ces systèmes
sophistiqués sont en mesure d'explorer et d'analyser d'énormes ensembles de données pour
produire des informations jusqu'alors inédites et pertinentes. En utilisant des techniques
avancées telles que l'apprentissage automatique et l'analyse prédictive, ils aident les
compagnies d'assurance à anticiper les tendances futures, à évaluer les nouveaux risques
émergents, et à concevoir des services innovants en réponse aux besoins changeants du
marché.11

27
Cette capacité à générer de nouveaux rapports enrichit l'expérience des utilisateurs en leur
fournissant des analyses approfondies et des perspectives nouvelles. Elle permet également
aux assureurs de consolider leur position en tant que leaders de l'innovation dans leur secteur,
en proposant des produits et des services qui anticipent et répondent aux besoins émergents
des clients. En conséquence, cette évolution renforce la confiance des clients et leur fidélité
envers les assureurs qui se distinguent par leur capacité à innover et à s'adapter aux défis du
marché.11

Exemple : Les modèles d'IA générative peuvent être déployés pour analyser les tendances
économiques, démographiques et environnementales afin d'anticiper les nouveaux risques
auxquels les assureurs pourraient être confrontés. Par exemple, en analysant les données
climatiques et les comportements des consommateurs, les assureurs peuvent développer des
produits d'assurance adaptés aux changements climatiques et aux besoins émergents du
marché.11

2. L'utilisation de l'IA Générative dans la Production de Rapports Réglementaires

2.1. L'automatisation de la Génération des Rapports

L'automatisation de la production de rapports dans le secteur de l'assurance, grâce à l'IA

générative, représente une avancée significative. Ces systèmes, alimentés par l'intelligence
artificielle, sont capables de traiter de vastes ensembles de données, convertissant l'analyse en
rapports précis et complets. Cette technologie libère les conseillers des tâches administratives
répétitives, leur permettant de se concentrer davantage sur l'amélioration de l'interaction
client. En produisant des rapports de manière automatique, les compagnies d'assurance
peuvent fournir à leurs clients des informations actualisées et pertinentes, ce qui renforce leur
satisfaction et leur confiance.1

2.2. L’optimisation de la Génération des Rapports

Les modèles d'IA générative optimisent la production de rapports en examinant les données
des clients et en identifiant des motifs significatifs. Cette approche novatrice aide les
compagnies d'assurance à mieux appréhender les besoins et les comportements de leurs
clients. Les rapports ainsi générés fournissent des informations précieuses aux courtiers et aux
développeurs, leur permettant de concevoir des solutions adaptées à chaque cas. En
améliorant la précision et la pertinence des rapports, l'IA générative favorise une prise de
décision plus éclairée et une gestion des risques plus efficace.11
28
2.3. La Création de Nouveaux Rapports

L'IA générative révolutionne la création de rapports dans le domaine de l'assurance, ouvrant

ainsi de nouveaux horizons. Ces systèmes de pointe sont capables d'exploiter de vastes
ensembles de données pour produire des informations inédites. Ils aident les compagnies
d'assurance à anticiper les évolutions futures, à évaluer de nouveaux risques et à proposer des
services novateurs. Cette capacité à générer de nouveaux rapports enrichit l'expérience des
utilisateurs et consolide la position des assureurs en tant que pionniers de l'innovation dans
leur domaine.11

3. L'IA Générative pour Libérer du Temps de Cerveau Disponible

3.1 l’automatisation des Tâches

L'automatisation des tâches par l'IA générative dans le secteur de l'assurance représente une
avancée significative. Cette technologie, bien au-delà de sa simple capacité conversationnelle,
permet d'automatiser des processus complexes, libérant ainsi les conseillers pour des activités
à plus forte valeur ajoutée. Les modèles d'IA, dotés de compétences en compréhension et
génération de texte, gèrent de manière efficiente les demandes de sinistres, analysent les
données personnelles tout en préservant la confidentialité, et simplifient les interactions. Cette
innovation technologique constitue un atout majeur pour les assureurs, leur permettant
d'optimiser leurs ressources et d'améliorer leur service à la clientèle. 11

3.2. L’amélioration de la Productivité

Dans le domaine de l'assurance, l'IA générative joue un rôle essentiel dans l'optimisation de la
productivité. En mettant à disposition des modèles d'IA avancés, les assureurs peuvent traiter
des volumes massifs de données en un temps record. Ces systèmes intelligents facilitent
l'analyse des tendances de sinistralité, l'évaluation des dommages, et la fourniture de réponses
rapides et précises aux clients. Cette efficacité accrue permet aux compagnies d'assurance de
se concentrer sur l'innovation et le développement de nouvelles stratégies afin de mieux servir
leurs clients.11

3.3. La Libération du Temps de Cerveau Disponible

L'impact de l'IA générative sur la libération du temps de cerveau disponible est manifeste. En
automatisant les tâches répétitives et en gérant efficacement les vastes quantités de données,
l'IA permet aux conseillers en assurance de se concentrer sur des activités plus stratégiques.

29
Cela leur donne l'opportunité de se focaliser sur la personnalisation de l'offre pour chaque
client, de comprendre en profondeur leurs besoins spécifiques et de proposer des solutions
adaptées. Cet aspect de l'IA générative redéfinit la manière dont les assureurs interagissent
avec leurs clients, offrant ainsi une expérience plus enrichissante et plus satisfaisante. 11

II. Intégration de l'Apprentissage Automatique dans le Secteur de

l'Assurance

1. Fondements de l'Apprentissage Automatique dans l'Assurance

Le machine learning est une composante essentielle de l'IA qui est largement utilisée dans
l'industrie des assurances pour améliorer les processus, réduire les coûts, et fournir de
meilleurs services aux clients.

L’apprentissage automatique, ou Machine Learning, est un ensemble de techniques

algorithmiques qui créent des modèles à partir de données. Contrairement aux méthodes
basées sur des règles programmées à l'avance, ces techniques apprennent directement des
données. L’apprentissage statistique (Machine Learning) inclut diverses méthodes pour
extraire des informations d'un ensemble de données à des fins prévisionnelles et
décisionnelles. La théorie de l'apprentissage a récemment évolué grâce au développement des
moyens de stockage d'information et à l'apparition de grandes quantités de données (big data).

Le cadre de l’apprentissage enrichit les méthodes statistiques traditionnelles en proposant des

analyses nécessitant moins d’hypothèses, cherchant à extraire un maximum d’informations
des données avec le moins de préjugés possible. Ces techniques avancées peuvent capturer
des complexités telles que les interactions entre variables et les non-linéarités, et peuvent
même apprendre des relations très complexes entre les données.

Le terme "régression" désigne un ensemble de techniques d'analyse de la relation entre une

variable et une ou plusieurs autres, issues des statistiques. L’apprentissage automatique a
intégré ces techniques en les formalisant dans des algorithmes, comme les régressions
linéaires univariée et multivariée. Parmi les algorithmes de régression, on trouve notamment
les arbres de décision (decision trees).

La classification est un type d'apprentissage supervisé qui produit des modèles prédictifs. Un
modèle de classification prend en entrée une observation caractérisée par un ensemble de

30
variables explicatives et en sortie, il détermine la classe (valeur discrète) à laquelle appartient
l’observation.

Parmi ces algorithmes, citons : forêts aléatoires (random forest)

2. Apprentissage non-supervisé et apprentissage supervisé

Selon le type de problématique, on distingue deux grandes familles d’apprentissage

Statistique :

-L’apprentissage non-supervisé :

Cette famille de méthodes est utilisée pour regrouper les différentes observations Xi en
groupes homogènes selon un critère précis, généralement une distance euclidienne ou du khi-
carré.

-L’apprentissage supervisé :

À partir d’une base de données de n observations (Xi, Yi), cette famille d’algorithmes a pour
objectif d’apprendre à prédire Y en fonction d’une entrée X :

 Y peut être qualitative, ce qui correspond à des tâches de discrimination, de

classement, de reconnaissance de formes ou de classification supervisée (différentes
appellations pour le même concept).

 Y peut être quantitative, ce qui est désigné sous le terme de régression.

Il est important de souligner qu’en apprentissage statistique, aucune hypothèse sur la

distribution des données n’est nécessaire. La seule hypothèse formulée par cette théorie est
que les données à prédire

Y sont générées de manière identique et indépendante à partir du vecteur des variables

explicatives X

Dans la suite de cette section , nous nous concentrerons plus particulièrement sur la famille
des méthodes d’apprentissage supervisé, car nous disposons des variables à expliquer.

2.1. L’apprentissage supervisé :

31
L'apprentissage supervisé est une forme d'apprentissage automatique dans laquelle on fournit
à l'algorithme un ensemble d'observations décrites par des variables explicatives ainsi qu'une
variable cible (la réponse ou l'étiquette). L'algorithme d'apprentissage supervisé va alors
apprendre une fonction de prédiction qui permet de mapper les données des observations vers
la réponse.

L'analogie de supervision vient du fait que l'on fournit la réponse correcte à l'algorithme, qui
l'utilise pour s'entraîner.

Figure 2 Étapes de construction d’un système prédictif.

Cette illustration représente un cas d'apprentissage supervisé où l'algorithme reçoit des images
accompagnées de leurs étiquettes (chien ou chat). L'algorithme autonomement acquiert la
capacité de reconnaître les différences entre un chien et un chat. Une fois cet apprentissage
achevé, lorsqu'on lui présente une nouvelle image en entrée, il est capable de déterminer le
type d'animal qu'elle représente.

3. Arbres binaires de décision

Les arbres de décision sont couramment utilisés pour résoudre des problèmes de classification
et de régression. Ils fonctionnent en suivant une hiérarchie de conditions "si/sinon" pour
aboutir à une décision.

Dans le cas où la variable d'intérêt (celle à prédire) est quantitative, l'application des arbres de
décision conduit à une régression. L'objectif est de diviser les sous-groupes en fonction de

32
leurs variables explicatives de manière à ce que les valeurs des variables pertinentes soient
aussi proches que possible.

En revanche, si la variable à prédire est qualitative, cela mène à une classification. Dans ce
contexte, l'objectif est de prédire à quelle catégorie appartient la réponse.

Figure 3 Algorithmes de régression et algorithmes de classification

Les arbres de décision sont des modèles hiérarchiques qui fonctionnent comme une série de
tests conditionnels successifs, où chaque test dépend des résultats précédents. L'objectif est de
diviser les données en groupes aussi homogènes que possible en fonction de la variable à
prédire, que ce soit des actes médicaux ou des individus par exemple. Cette méthode
d'apprentissage est récursive et structurée comme un arbre, avec chaque nœud représentant un
test effectué par l'algorithme et conduisant à de nouveaux embranchements jusqu'à atteindre
des feuilles, qui représentent des classes distinctes.

33
 Figure 3 Arbre de décision

Un arbre de décision est un modèle de prédiction représenté sous forme d'un arbre. Chaque
nœud de l'arbre teste une condition sur une variable, et chacun de ses enfants correspond à
une réponse possible à cette condition. Les feuilles de l'arbre représentent des étiquettes.

Pour prédire l'étiquette d'une observation, on suit les réponses aux tests depuis la racine de
l'arbre et on retourne l'étiquette de la feuille à laquelle on arrive.

En général, la construction d'un arbre peut aboutir à des modèles très complexes. Lorsque
l'ensemble des données d'apprentissage est cohérent, c'est-à-dire qu'une même observation
n'est étiquetée que d'une seule manière, l'apprentissage par arbre de décision fournit une
représentation avec des feuilles pures uniquement, ce qui signifie que la prédiction peut être
correcte à 100 %. Cependant, cela peut entraîner un phénomène de surapprentissage, où les
arbres obtenus sont très grands.

Deux stratégies sont souvent employées pour prévenir le surapprentissage dans la construction
d'arbres de décision. La première consiste à limiter la croissance de l'arbre dès le départ (pré-
élagage). La seconde implique la construction complète de l'arbre, suivie de la suppression ou
de la réduction des nœuds contenant peu d'informations (post-élagage).

L'un des défis majeurs lors de la construction d'un arbre de décision réside dans le choix des
variables. Les critères de sélection de chaque nœud sont basés sur une mesure d'impureté, qui
doit être

 nulle pour un nœud pur

34
  croissante en fonction du désordre d'un nœud.

Plusieurs méthodes peuvent être utilisées pour mesurer cette impureté, telles que l'entropie de
Shannon, l'entropie de Boltzmann ou l'index de Gini.

Malgré le pré-élagage, les arbres de décision peuvent parfois présenter des performances
médiocres. Ainsi, dans de nombreuses applications, des méthodes d'ensemble telles que les
forêts aléatoires et les arbres avec descente de gradient sont préférées à un arbre de décision
unique.

Pour construire efficacement un arbre, il est essentiel de choisir judicieusement la variable de

division, en sélectionnant les variables les plus discriminantes en premier pour définir la
structure de l'arbre. Lorsque des variables continues sont présentes, il est nécessaire de
déterminer les points de coupure optimaux pour caractériser les nœuds distincts. Enfin, la
localisation du niveau de nœud optimal est cruciale pour éviter le surapprentissage et garantir
des performances optimales.

Trois principales méthodes d'induction d'arbres sont couramment utilisées :

 La méthode CHAID : Cette méthode est particulièrement utile dans le cas de grandes
bases de données.

 La méthode C4.5 : Cette méthode présente l'avantage d'être efficace même sur de
petits ensembles de données et ne nécessite pas de paramètres complexes. Elle permet
la construction d'arbres de grande taille tout en restant facilement interprétable.

 La méthode CART : Cette méthode fournit un algorithme de classification et de

régression performant qui ne requiert pas de paramétrage. La segmentation est
toujours binaire.

Les algorithmes CART et C4.5 se basent respectivement sur l'indice de Gini (mesure de
l'impureté) et sur la notion d'entropie (issue de la théorie de l'information). Pour ajuster la
taille de l'arbre, on utilise le post-élagage pour CART et C4.5, tandis que pour CHAID, on
utilise le pré-élagage.

Dans notre travail, nous utilisons la méthode CART, plus précisément les arbres de
régression.

4. Forêt aléatoire (random forest)

35
Il s'agit d'un algorithme d'apprentissage supervisé appelé "forêts aléatoires". La prédiction est
générée à partir d'un ensemble aléatoire d'arbres de décision, généralement entraînés avec la
méthode de bagging, ce qui améliore souvent les performances du modèle final. Le bagging
implique l'entraînement de plusieurs modèles (en l'occurrence des arbres de décision) sur des
sous-ensembles aléatoires des caractéristiques du jeu de données.

Les forêts aléatoires sont une solution au problème de surapprentissage associé aux arbres de
décision. Une forêt aléatoire est essentiellement une collection d'arbres de décision
légèrement différents les uns des autres. L'idée est que chaque arbre peut être assez précis
dans sa prédiction, mais risque de surapprendre sur certaines parties des données. En
construisant de nombreux arbres, tous performants mais différents, ce risque est réduit.

Pour mettre en œuvre cette stratégie :

1. Des observations sont choisies aléatoirement à partir des données d'apprentissage.

2. Un arbre de décision est construit sur ces observations.

3. Le nombre d'arbres à construire dans la forêt est choisi, puis les étapes précédentes sont
répétées.

4. Pour toute nouvelle observation, chaque arbre prédit la catégorie ou la classe à laquelle elle
appartient.

5. Enfin, l'observation est affectée à la catégorie qui a le plus de votes parmi tous les arbres de
la forêt.

36
Chapitre 3 : Applications Pratiques de
l'Apprentissage Automatique dans
l'Assurance

37
Les compagnies d'assurance régulièrement utilisent des modèles statistiques classiques pour
évaluer les risques qu'elles couvrent et fixer les tarifs des produits d'assurance non-vie, en
particulier via des modèles de régression linéaire. Récemment, les modèles linéaires
généralisés (GLM) ont remplacé ces approches traditionnelles, permettant de modéliser à la
fois des comportements non linéaires et des distributions de résidus non gaussiens, améliorant
ainsi la prédiction des risques. Cependant, les GLM présentent des limitations inhérentes qui
peuvent restreindre leur capacité prédictive, notamment en ce qui concerne la structure du
risque modélisé et la détection des interactions entre les variables explicatives, qui doivent
être spécifiées à l'avance par un statisticien.

En revanche, les algorithmes d'apprentissage automatique ou machine learning se libèrent de

ces contraintes. Ils représentent aujourd'hui des outils puissants pour réduire les coûts,
améliorer la modélisation des risques et comprendre les comportements des assurés. Ces
algorithmes réalisent des tâches sur des données générées de manière aléatoire, visant soit à
prédire des valeurs, soit à classer des individus. Parmi les méthodes les plus courantes, on
trouve les arbres de décision, les réseaux de neurones et les machines à vecteurs de support,
qui ont déjà fait leurs preuves dans d'autres domaines.

Le projet en question vise à comparer les performances des GLM classiques avec celles des
méthodes d'apprentissage automatique, en particulier l'algorithme "Random Forest", dans
l'estimation de la fréquence des sinistres en assurance non-vie, appliquée à un portefeuille de
38
responsabilité civile automobile d'une compagnie d'assurance. L'étude implique l'estimation
de la fréquence moyenne des sinistres en utilisant plusieurs techniques, notamment les GLM,
les arbres de régression, le Bagging, le Random Forest et le G-boosting. Les résultats obtenus
seront ensuite comparés, permettant de sélectionner le modèle le plus performant pour estimer
la fréquence des sinistres, et d'en tirer des conclusions sur ces différentes méthodes.

I. Description du fichier d’étude

1.1. Division du jeu de données

À partir du jeu de données initial, notre objectif est de construire un modèle et de tester sa
capacité prédictive sur des données distinctes non utilisées dans la phase de modélisation.
Cela nécessite donc de diviser l'ensemble des données en deux échantillons distincts. Le
premier échantillon est réservé à la modélisation, tandis que le deuxième est utilisé pour
évaluer la performance de notre modèle. Ensuite, nous allons utiliser ce modèle pour prédire
les fréquences de sinistres sur une nouvelle base de données appelée db_pred.

En pratique, nous constituons un échantillon d'apprentissage (Training set, fullTrain) qui

contient 70% des données initiales. Ce jeu de données sera utilisé pour construire notre
modèle. Ensuite, nous évaluons les performances de ce modèle sur un ensemble de test
(Testing set, fullTest) qui contient les 30% restants des données.

1.2. Analyse descriptive des variables

Nous utilisons un ensemble de données provenant d'un portefeuille d'assurance automobile

que nous analysons en profondeur à l'aide du logiciel R. Ce choix est motivé par plusieurs
raisons : R est un logiciel libre et gratuit, spécifiquement conçu pour les statistiques et la
science des données. Il est également très puissant pour l'analyse de gros volumes de données
et largement utilisé dans le milieu universitaire.

Les données que nous utilisons sont des données réelles, comprenant des observations portant
sur environ 520 338 polices d'assurance collectées entre 2015 et 2016. Chaque observation est
associée à un contrat d'assurance spécifique.

Notre jeu de données comprend plusieurs variables explicatives, notamment celles liées au
souscripteur de l'assurance, au véhicule assuré et aux différentes couvertures choisies par le
souscripteur. Les détails sur les variables contenues dans notre jeu de données sont
disponibles dans le fichier info-db.
39
Variables explicatives :

admi_policy_id (integer): numéro de police.

admi_risk_year (factor): l’année d’observation 2015 ou 2016.

admi_risk_exposure (numérique): c’est la durée d'exposition au risque (en années), 0,5

signifie que la durée d’exposition est de 6 mois, 1 signifie que cette durée est égale à 1 an.

cont_package (facteur) : cette variable comporte les garanties auto que l'assuré a choisi ? (tpl
signifie que l’assuré a choisi RC seule, tpl_glass_nat_fire_theft_mdsingifie que l’assuré a
choisi la garantie omnium, tpl_glass_nat_fire_theft signifie qu’il a choisi la garantie mini-
omnium).

cont_multi_contract (facteur) : yes signifie que l'assurée possède au moins trois assurances
"non-vie" dont l'assurance Auto (ex: Auto + Habitation + RC Familiale). "miss" peut être
considéré comme "no".

cont_paysplit (facteur) : c’est la périodicité du paiement de la prime. Le fractionnement est un

choix de l’assuré lors du paiement de la prime, nous avons quatre niveaux des paiements, soit
il effectue le fractionnement de manière mensuel, trimestriel, annuelle ou biannuelle.

cont_sepa (facteur) : pour savoir si l'assuré a t-il domicilié son paiement ? (i.e. l'assuré
autorise-t-il la compagnie à prélever le montant de la prime automatiquement de sa banque).

driv_number (facteur) : le nombre de conducteur associé au véhicule.

driv_m_age (numérique) : c’est l’âge du conducteur principal. Cette variable est continue.

driv_m_experience (numérique) :c’est l’expérience du conducteur principal (à partir de la date

de permis B), cette variable est continue.

driv_y_age (numérique) : c’est l’âge du conducteur additionnel le plus jeune (0 si pas de

conducteur plus jeune que le conducteur principal). C’est une variable continue.

driv_y_experience (numérique) : l’expérience du conducteur additionnel le plus jeune (0 si

pas de conducteur plus jeune que le conducteur principal). Cette variable est continue.

driv_y_add_flg (numérique) : indicatrice pour indiquer s'il y a un conducteur additionnel plus

jeune que le conducteur principal.

veh_make (facteur) : c’est la marque du véhicule. Variable catégorielle.

40
veh_model (facteur) : le modèle du véhicule (variable non nettoyée). Le nettoyage de cette
variable conduit à une grande perte d’information de données (suppression des observations)
donc il y a une forte possibilité de ne pas utiliser cette variable dans la partie modélisation.

veh_type (facteur) : le type de véhicule (voiture (car) ou camionnette (van)).

veh_sgmt_informex (facteur) : segment de la voiture (donnée externe fournie par la société

nformex).

veh_first_owner (facteur) : pour savoir si l'assuré est le premier propriétaire du véhicule ou

non.

veh_age (numérique) : l’âge du véhicule (à partir de la première date de mise en circulation).

veh_power (numérique) : la puissance du véhicule en kW.

veh_weight (numérique) : le poids du véhicule en kg.

veh_sportivity (numérique) : le rapport puissance / poids. Pour éviter le problème de

colinéarité il est possible de ne pas utiliser cette variable si la puissance et le poids sont déjà
pertinentes dans le modèle.

veh_value (numérique) : c’est la valeur du véhicule en euros HTVA.

veh_seats (facteur) : nombre de siège dans le véhicule

veh_fuel (facteur) : type de carburant.

veh_gobox (facteur) : pour savoir sil'assuré a installé un boitier télématique dans son véhicule
ou non. (vendu seulement pour les personnes qui ont moins de 26 ans à la souscription afin
de réduire leur prime contre de l'échange d'information).

veh_mileage_limit (facteur) : pour savoir si le véhicule circule moins de 10 000km/an ou non.

veh_trailer (facteur) : pour savoir si le véhicule peut tracter une remorque.

veh_garage (facteur) : ici pour savoir si l'assuré possède un garage dans lequel il gare sa
voiture.

geo_postcode (facteur) : code postal de l'adresse de l'assuré.

geo_postcode_lat (numérique) : latitude du centre du code postal de l'adresse de l'assuré.

geo_postcode_lng (numérique) :longitude du centre du code postal de l'adresse de l'assuré

41
geo_municipality_fr (facteur) : municipalité associée au code postal.

geo_province_fr (facteur) : province associée au code postal.

geo_mosaic_code (facteur) : code mosaïque, le code socio-démographique en un position.

geo_mosaic_code_full (facteur): code socio-démographique en 3 positions.

claim_nb (numérique) : C’est notre variable à expliquer (variable exogène), c’est le nombre
de sinistres RC en tort.

La variable décrivant la sinistralité est le nombre de sinistres claim_nb qui estdéclaré par
l’assuré à la compagnie.

Analyse préliminaire :

Avant d'entamer la modélisation du nombre de sinistres, il est crucial de bien comprendre le

portefeuille sur lequel nous travaillons. Une analyse préliminaire exhaustive représente une
part significative du temps dédié à cette étude.

En examinant le jeu de données, nous avons observé l'absence de variables présentant des
valeurs aberrantes ou extrêmes inconnues. De plus, les valeurs inconnues sont déjà codées en
tant que données manquantes, ce qui permet au logiciel R de les identifier aisément. Ainsi,
nous pouvons considérer que notre jeu de données est déjà nettoyé.

Avant de décider de conserver ou de supprimer chaque variable, il est essentiel de comprendre

son contexte métier. Cette compréhension nous permettra de déterminer si une variable est
pertinente pour notre analyse ou non.

Statistique descriptive

L’objectif de la statistique descriptive est de présenter de manière concise et significative les

données observées de l'assureur, facilitant ainsi leur analyse. Il est important de rappeler que
notre objectif est d'expliquer une variable d'intérêt, le nombre de sinistres, en fonction des
variables explicatives disponibles.
Nombre de sinistres :
Le nombre de sinistres revêt une importance particulière car il est généralement bien
documenté par la compagnie d'assurance. Nous avons synthétisé dans le tableau suivant les
informations disponibles dans notre jeu de données concernant cette variable.

Nombre de sinistre Nombre de police Fréquence en % Exposition totale

42
 0 498 435 95,790 337 720,73
1 20 983 4,209 16 373,86
2 866 0,173 708,76
3 47 0,009 38,23
4 6 0,001 5,28
5 1 0,000 0,76
Total 520 338 100 354 847,65

Nous constatons que le nombre maximal de sinistres déclarés par un assuré est cinq. Plus
précisément, 95.79% des assurés n'ont déclaré aucun sinistre, 4.20% ont déclaré un seul
sinistre, 0.17% en ont déclaré deux, 0.009% trois, 0.001% quatre, et un seul assuré dans notre
portefeuille a déclaré cinq sinistres au cours de l'année en cours.

En termes binaires, cela signifie que 95.79% des assurés n'ont déclaré aucun sinistre, tandis
que seulement 4.21% ont déclaré au moins un sinistre à l'assureur.

Une distribution asymétrique est obtenue pour le nombre de sinistres.

Le tableau suivant affiche la description statistique des différentes variables explicatives
continues.

43
 Min Q1 Median Mean Q3 Max
Driv_m_age 17.04 34.55 45.41 46.46 56.46 85.00
Driv_m_experienc 0.00 12.39 23.29 24.06 34.91 50.00
e
Driv_y_age 0.00 0.00 0.00 5.518 0.00 75.00
Driv_y_experience 0.00 0.00 0.00 2.263 0.00 40.00
Veh_age 0.00 3.123 6.764 7.483 11.085 20.00
Veh_power 40.00 55.00 76.00 80.31 94.00 200.00
Veh_weight 610 1227 1395 1477 1685 2500
Veh_sportivity 0.03 0.04 0.05 0.05 0.06 0.15
Veh_value 5 000 14 322 19 107 21 807 24 794 100 000

La représentation graphique de l'exposition au risque et de la fréquence des sinistres pour les

variables catégorielles est illustrée dans la figure ci-dessous. Étant donné la présence de
plusieurs variables catégorielles, nous avons sélectionné certaines d'entre elles :

44
45
46
47
48
Nous analysons graphiquement l’exposition au risque et la fréquence de sinistres par rapport
aux variables continues à l'aide de la figure ci-dessous :

49
50
les variables explicatives catégorielles par effectif, qui sont associées aux caractéristiques de
l'assuré, du bien assuré et du contrat d'assurance, à l'aide des graphiques présentés dans la
figure ci-dessous :

51
52
 II. Calcul de la Fréquence des sinistres

1. Modèle linéaire généralisé

Dans notre étude , nous examinons la fréquence des sinistres et avons choisi de sélectionner
les variables significatives à partir des résultats du modèle GLM. Cette sélection implique
d'exclure certaines variables explicatives pour réduire la complexité du modèle, notamment
celles avec de nombreuses modalités telles que "veh_model". Bien que le modèle GAM offre
la possibilité d'utiliser des coordonnées géographiques dans le modèle, nous nous sommes
limités au GLM pour notre étude, utilisant la variable "geo_mosaic_code" pour la zone
géographique.

53
Notre ensemble de données comprend des variables numériques continues comme l'âge du
conducteur et du véhicule, ainsi que des variables discrètes et catégorielles telles que le type
de véhicule. Étant donné que le GLM ne peut pas utiliser directement des variables continues,
nous devons les discrétiser au préalable.
Les paramètres sont estimés par maximum de vraisemblance. En introduisant toutes les
variables explicatives dans le modèle GLM avec une régression de Poisson, nous avons
identifié plusieurs variables non significatives qui ont été retirées par la suite.
Après avoir testé plusieurs modèles et éliminé les variables non significatives, nous avons
construit notre meilleur modèle (GLM1) avec les variables les plus pertinentes. La
discrétisation des variables continues a conduit à une perte d'information, ce qui a conduit à la
non-significativité de certaines variables continues comme "veh_power" et "veh_weight",
bien qu'elles soient souvent significatives dans les modèles d'assurance automobile. Cela
souligne l'un des inconvénients de la discrétisation dans le modèle GLM.
Le GLM est efficace lorsque les données comprennent à la fois des variables catégorielles et
des variables numériques discrètes. Nous avons construit notre modèle GLM sur un ensemble
d'apprentissage (70% de la base de données) et le testerons sur un ensemble de test (30% de la
base de données) pour ensuite construire notre meilleur modèle afin de prédire la fréquence
des sinistres dans la base de prédiction (db_pred).
Pour déterminer les variables les plus significatives, nous proposons une procédure de
sélection des variables pertinentes.
Déviance et critère AIC, BIC
Pour sélectionner les variables pertinentes, deux méthodes sont couramment utilisées :
L'algorithme forward : Cette méthode consiste à ajouter les variables une par une au modèle,
en ne conservant que celles qui sont significatives.
L'algorithme backward : Cette méthode implique de retirer les variables non significatives une
par une à partir du modèle complet, qui inclut toutes les variables explicatives, jusqu'à ce que
seules les variables significatives demeurent.
Nous avons opté pour l'algorithme backward pour sélectionner les variables pertinentes à
inclure dans notre modèle.
Pour évaluer la qualité globale des modèles avec des nombres de paramètres différents, on
peut utiliser les critères AIC (Critère d'Information d'Akaike) ou BIC (Critère d'Information
Bayésien). Ces critères permettent de choisir le meilleur modèle en prenant en compte à la
fois la qualité de l'ajustement et la complexité du modèle.

54
Ils sont formulés comme suit :
AIC=2 . K −2. ln ( L )
BIC=K . ln ⁡(n)−2. ln ( L )

K est le nombre de paramètres du modèle à estimer.

Le modèle préféré est celui qui contient la plus petite valeur du critère AIC.
Dans notre cas nous adoptons la méthode backward en utilisant le critère AIC. Cette méthode
nous permet de tester la pertinence des variables. Après la première itération pour le critère
AIC, voici le premier tableau que nous avons obtenu :

Le critère AIC du modèle est celui qui correspond à la plus petite valeur de déviance. Donc la
déviance est égale à 98 665 et le premier critère AIC égal à 129 976.

55
 Itérations Critère AIC
1 129 976
2 129 973
3 129 970
4 129 968

Après quatre itérations, le modèle a éliminé trois variables non significatives. La quatrième
itération correspond au critère AIC le plus bas (129968). Dans le tableau suivant, nous
présentons les variables les plus significatives ainsi que leur critère AIC :

Nous notons que le critère AIC optimal est de 129 968. Nous avons ensuite testé ces 24
variables significatives dans le modèle GLM. Après avoir réalisé une nouvelle régression de
Poisson et examiné la qualité de différents modèles, nous avons retenu notre modèle final,
GLM1, comme le meilleur.
Le critère AIC nous a permis de conserver 24 variables significatives. Suite aux résultats du
GLM, nous avons retiré 6 autres variables qui présentaient une faible significativité, laissant
finalement 18 variables très significatives.

56
Le tableau suivant présente les résultats du modèle GLM :

57
Dans ce tableau, nous constatons que toutes les variables de notre modèle sont significatives.
Nous passons maintenant à l'estimation de la fréquence des sinistres. Pour cela, nous
calculons la fréquence des sinistres en fonction de l'une des variables les plus pertinentes que
nous avons choisie : l'expérience du conducteur principal (driv_m_experience_1).

Remarque :

 "driv_m_experience" : l'expérience du conducteur principal sans discrétisation.

 "driv_m_experience_1" : l'expérience du conducteur principal avec discrétisation.

58
Nous avons utilisé la base d'apprentissage fullTrain (70 % de la base de données) pour trouver
le modèle optimal. Ensuite, nous avons testé ce modèle sur la base fullTest (30 % de la base
de données).

Le graphique suivant illustre les fréquences des sinistres sur la base fullTest.

Nous notons une nette différence dans les fréquences de sinistres entre les assurés ayant
moins de 5 ans d'expérience et ceux ayant plus de 5 ans d'expérience de conduite. Les
sinistres sont significativement plus élevés chez les conducteurs ayant moins de 5 ans
d'expérience, tandis que la fréquence diminue considérablement avec l'augmentation de
l'expérience de conduite.
Par ailleurs, pour toutes les catégories de classes d'années d'expérience, nous observons la
présence de valeurs exceptionnelles, représentées par des points isolés sur le graphique. Ces
valeurs peuvent être considérées comme des valeurs aberrantes, car elles se distinguent
nettement de la majorité des autres observations.
Nous avons trouvé que la fréquence moyenne des sinistres pour la base test avec GLM est
égale à 0.04400274. Cette valeur est calculé pour la base fullTest (30% de la base db).
Nous avons trouvé que la déviance est égale à 0.2720563.
Nous avons trouvé que le MSE = 0.0459224.

59
Nous avons appliqué notre modèle sur la base db_pred et nous avons complété la colonne des
fréquences sur cette base, donc la fréquence moyenne sur la bsedb_pred est égale à
0.04406699.

Min 1st Qu Median Mean 3rd Qu. Max.

0.0001357 0.0225366 0.0417243 0.0440670 .0597698 0.2954556

Nous observons que la fréquence moyenne de la base db_pred (0.04406699) est très similaire
à celle calculée sur la base de test (0.04400274). Cette concordance entre les fréquences
moyennes obtenues en appliquant notre modèle GLM1 à une nouvelle base (db_pred)
renforce la précision de notre modèle.

À ce stade, nous avons constaté que le modèle linéaire généralisé est paramétrique, ce qui
signifie qu'il nécessite de spécifier une distribution pour la variable d'intérêt. De plus, les
modèles GLM présentent des limitations dans la détection des interactions entre les variables
explicatives, car ils ne peuvent pas utiliser les variables continues sans les discrétiser. Par
conséquent, ils ne peuvent pas explorer toutes les interactions potentielles pour sélectionner le
meilleur modèle. Pour surmonter ces limitations, nous envisageons maintenant d'adopter de
nouvelles méthodes non paramétriques, en commençant par les arbres de régression.

2. Arbres de régression

Notre but est de donner une comparaison entre les méthodes paramétriqueset non
paramétriques pour voir la différence entre ces deux approches et la raison pour laquellenous
allons étudier les méthodes non paramétriques.
Les arbres de classification et de régression sont des méthodes non paramétriques, elles ne
nécessitentpas d’hypothèse sur la distribution de la variable d’intérêt (nombre de sinistre dans
notre cas). A l’inverse du modèle GLM quiprécise une distribution pour les données.
Les arbres de décisions sont des algorithmes non linéaires, ceci permet de relâcher
l’hypothèse delinéarité du GLM.
Contrairement aux GLM, les arbres permettent de détecterles interactions entre les variables
explicatives, ces interactions permettent de créer les différents nœuds de l’arbre pour
construire des groupes d’observations les plus homogènes possibles.
60
Dans les méthodes de machines learning, on peut utiliser les variables continues sans
discrétisations, comme ça on évite la perte d’information dû au discrétisation.
La sélection des variables significatives est un point primordial dans les méthodes GLM pour
obtenir un meilleur modèle. Ce travail n’est pas nécessaire lorsqu’on utilise les arbres, car lors
de la création des nouds de l’arbre, l’algorithme CART (Classification and Regression Tree)
Notre objectif est de comparer les approches paramétriques et non paramétriques afin de
comprendre les différences entre ces deux méthodes et d'expliquer pourquoi nous examinons
les méthodes non paramétriques.
Les arbres de classification et de régression constituent des méthodes non paramétriques, ce
qui signifie qu'elles ne requièrent pas d'hypothèse sur la distribution de la variable d'intérêt
(dans notre cas, le nombre de sinistres). En revanche, le modèle GLM nécessite de spécifier
une distribution pour les données.
Les arbres de décision sont des algorithmes non linéaires, ce qui permet de contourner
l'hypothèse de linéarité du GLM. Contrairement aux GLM, les arbres sont capables de
détecter les interactions entre les variables explicatives. Ces interactions sont utilisées pour
créer les différents nœuds de l'arbre, permettant ainsi de construire des groupes d'observations
les plus homogènes possible.
Dans les méthodes d'apprentissage automatique, il est possible d'utiliser des variables
continues sans les discrétiser, ce qui évite la perte d'information due à la discrétisation.
La sélection des variables significatives est un aspect crucial des méthodes GLM pour obtenir
un modèle optimal. En revanche, cette étape n'est pas nécessaire avec les arbres. L'algorithme
CART (Classification and Regression Tree) utilisé pour créer les arbres hiérarchise
automatiquement les variables explicatives en fonction de leur capacité discriminante. Ainsi,
la variable la plus significative est placée à la racine de l'arbre, ce qui nous permet de tracer
les graphiques des fréquences de sinistres en fonction de cette variable.
Enfin, la facilité de présentation et d'interprétation des arbres constitue un autre avantage, ce
qui explique la popularité de cette méthode. Les solutions apportées par CART offrent une
alternative intéressante par rapport au GLM, nous permettant d'explorer en détail cette
approche.
Présentation
Un arbre de décision commence avec une racine contenant l'ensemble de l'échantillon, qui est
ensuite divisé en deux nœuds (arbre binaire) en fonction des modalités d'une variable
explicative. Ce processus se répète, chaque nœud se divisant (ou non) en deux nouveaux

61
nœuds jusqu'à ce que plus aucune séparation ne soit possible. Les nœuds terminaux,
également appelés feuilles, regroupent des observations présentant des valeurs de la variable
d'intérêt aussi homogènes que possible. Ces feuilles fournissent une estimation de la variable
d'intérêt en fonction des valeurs des variables explicatives.
Pour expliquer la variable de sortie à l'aide de l'arbre, nous commençons par diviser les
individus en deux classes en utilisant la variable explicative qui offre la meilleure séparation.
Cette division crée des sous-groupes représentés par les nœuds de l'arbre. À chaque nœud est
associé un pourcentage qui indique l'appartenance à une classe ou la signification de la
variable dépendante. Ce processus est répété pour chaque nœud jusqu'à ce qu'aucune autre
division ne soit possible, produisant ainsi les nœuds terminaux ou feuilles de l'arbre (arbre
saturé). Chaque feuille est caractérisée par un chemin spécifique à travers l'arbre, et
l'ensemble de ces chemins pour toutes les feuilles constitue le modèle. Pour les arbres de
régression, les valeurs associées aux feuilles sont des moyennes empiriques pour les profils
identifiés.
Les arbres de décision sont des techniques d'apprentissage supervisé visant à répartir un
ensemble d'individus de la variable d'intérêt en groupes homogènes à partir des variables
prédictives. Pour construire un arbre, il faut sélectionner la première variable de division et
choisir les variables explicatives de la plus discriminante à la moins discriminante. Il est
également nécessaire de définir la taille optimale de l'arbre pour obtenir un modèle à la fois
parcimonieux et robuste.
Il existe plusieurs algorithmes pour construire des arbres de décision, notamment l'algorithme
CHAID, la méthode C4.5 et la méthode CART. Dans cet exposé, nous nous concentrons sur
l'algorithme CART.
Critère d’optimalité
Le processus algorithmique récursif de division d’un nœud conduit à l’obtention d’un arbre
saturé. C’est le processus de construction de l’arbre binaire qui affecte une feuille pour chaque
profil. Les valeurs présentes dans ces feuilles sont des moyennes empiriques pour chaque
profil identifié.
Le développement de l'arbre s'arrête lorsqu'un nœud atteint un nombre d'observations
inférieur à un seuil préalablement défini. Dans le contexte de notre portefeuille automobile,
nous avons obtenu l'arbre saturé suivant à partir de la base d'apprentissage :

62
Lorsque nous obtenons un arbre saturé, nous sommes confrontés à une situation de sur-
apprentissage, ce qui entraînera de mauvaises prédictions sur la base de prédiction (db_pred)
ou la base de test (fullTest). L'arbre saturé est instable, ce qui rend nécessaire la recherche
d'une méthode pour le rendre optimal.
Pour évaluer la qualité de l'arbre, nous utilisons le terme déviance. Étant donné qu'il est
impossible de calculer la vraisemblance pour les modèles non paramétriques, la déviance ne

63
correspond pas à celle des modèles GLM. Elle représente soit la somme des carrés des écarts
à la moyenne (MSE) pour une variable d'intérêt continue, soit la fonction d'entropie pour une
variable d'intérêt discrète. Les erreurs sont calculées sur une base différente de celle
d'apprentissage (base test).
Le processus de construction adapté précédemment nous a conduit à un arbre de taille
maximale (arbre saturé), résultant en un modèle de prédiction instable, illustrant une situation
de sur-apprentissage où l'arbre saturé peine à estimer correctement les profils qui ne sont pas
présents dans les données d'apprentissage.
Trouver l'arbre optimal après l'obtention de l'arbre saturé revient à trouver un équilibre entre
l'arbre trivial (réduit à une seule feuille) et l'arbre maximal. Cela conduit à l'obtention d'un
arbre optimal produisant de bonnes estimations sur de nouvelles données de la base de
prédiction (db_pred).
Il existe deux techniques pour contrôler la taille d'un arbre : le critère à priori, où des
conditions sont imposées avant la construction de l'arbre, et le critère a posteriori, où l'élagage
est appliqué après la construction de l'arbre saturé. L'élagage consiste à supprimer certaines
feuilles jusqu'à l'obtention de l'arbre optimal
L'arbre saturé est construit sur la base d'apprentissage (70 % de la base initiale dans notre
cas), puis élagué à l'aide d'une base de validation. Cette étape d'élagage consiste à construire
d'abord l'arbre saturé, puis à le réduire en éliminant les nœuds dont la division ne contribue
pas à optimiser la performance de l'arbre, en se basant sur la base de validation. Cette base de
validation permet de prévenir le sur-apprentissage.
Résultats de des arbres
Au début de l'élaboration du modèle, nous commençons par importer les packages les plus
importants, tels que Caret et rpart, par exemple.
Lors de la construction du modèle avec l'algorithme CART, la phase de validation est réalisée
par défaut. Cette procédure est effectuée en appelant la fonction rpart(). Par défaut, cette
fonction applique la technique de validation croisée pour fournir les modèles construits et
leurs performances.
En utilisant la fonction rpart(), nous lançons la construction de l'arbre saturé avec la base
d'apprentissage. Pour mettre en œuvre la construction d'un arbre de régression de Poisson,
nous spécifions dans la fonction rpart() le paramètre "method" avec la valeur "poisson".
La commande utilisée est la suivante :

64
rpart(cbind(admi_risk_exposure,claim_nb) ~ . , data = fullTrain, method = "poisson",
parms=list(shrink=1), control=[Link](minsplit=10, cp=0.0002), xval=10)
Les entrées de cette fonction comprennent la durée d'exposition au risque, le nombre de
sinistres et les variables explicatives. La méthode considère la statistique de déviance de
Poisson.
Les paramètres minsplit, cp et xval sont des paramètres de contrôle de l'arbre. La division de
l'arbre s'arrête lorsque le nombre d'observations dans chaque nœud devient inférieur à la
valeur de minsplit (10 dans notre cas), ou lorsque la valeur cp prédéfinie (0.0002 dans notre
cas) est atteinte. Pour choisir le bon niveau de simplification ou le bon nombre de feuilles,
nous utilisons la validation croisée en sélectionnant la valeur minimale de xerror.
L'utilisation de la fonction rpart() dans R pour la construction de l'arbre CART permet par
défaut d'estimer les performances par validation croisée pour chaque nombre de split
pertinent.
Le tableau suivant présente les mesures de construction de l'arbre saturé :

Chaque rangée du tableau représente un niveau différent de l'arbre. À mesure que le nombre
de divisions augmente, les valeurs de l'erreur relative diminuent. La première colonne du

65
tableau affiche le paramètre de complexité cp, utilisé pour contrôler la taille de l'arbre et
sélectionner l'arbre optimal lors du processus d'élagage.
La construction de l'arbre cesse lorsque nous atteignons la valeur de cp fixée au départ (cp =
0.0002). Cette valeur nous aide également à approcher la construction de l'arbre saturé. La
deuxième colonne correspond au nombre de divisions, indiquant la somme totale de toutes les
divisions réalisées depuis la première division jusqu'à la création de l'arbre saturé. La
troisième colonne représente l'erreur relative, calculée sur l'échantillon d'apprentissage utilisé
pour construire l'arbre saturé. La quatrième colonne affiche l'erreur obtenue avec la validation
croisée, calculée sur la base de validation. La cinquième colonne présente l'écart type.
Dans le tableau ci-dessus, la ligne en bleu représente l'erreur minimale de la validation
croisée. Le nombre optimal de divisions est de 16, ce qui signifie que les 16 premières
divisions créent un arbre optimal permettant de corriger le sur-apprentissage.
Ci-dessous, la figure illustre graphiquement l'évolution de l'erreur de validation croisée en
fonction du paramètre de complexité cp :

Nous remarquons que l’erreur minimum de validation croisée est de 0.98 362, il correspond à
la valeurde cp = 0.00026166. Pour mieux comprendre l’utilité de cette courbe, la figure
suivante permet de visualiser la courbe de sur-apprentissage sur notre base d’apprentissage :

66
Ce graphe illustre bien la notion de sur-apprentissage. Nous remarquons que une amélioration
des performances de l'arbre saturé à mesure que le nombre de divisions augmente. Cependant,
par la suite, nous observons une augmentation de l'erreur de validation croisée, tandis que
l'erreur relative continue de s'améliorer (diminue), ce qui indique un problème de sur-
apprentissage.
Après avoir simplifié l'arbre saturé en utilisant le critère d'optimalité a posteriori (élagage),
nous obtenons l'arbre optimal suivant :

Cet arbre est élaboré à partir de 14 divisions des nœuds, ce qui correspond à la présence de 14
feuilles distinctes. De plus, nous constatons l'importance significative de la variable
67
"Expérience du conducteur" dans la construction de cet arbre. (driv_m_experience) qui existe
dans la racine, il est aussi la variable la plus significative dans le modèle GLM. Dans les
feuilles on trouve les fréquences des sinistres.

Voici une autre présentation pour l’arbre optimal pour pouvoir un peu lire les noms de
variables dans les nœuds :

Les variables significatives sont ordonnées de la racine jusqu'aux feuilles, avec la variable la
plus pertinente affichée à la racine de l'arbre. Parmi toutes les variables explicatives, il est
remarquable que la variable "Expérience du conducteur" (driv_m_experience) se démarque
comme la plus significative de notre ensemble de données. Cette constatation concorde avec
nos résultats du modèle GLM, où cette même variable s'est avérée la plus significative. Ainsi,
nous avons choisi de présenter la fréquence des sinistres en fonction de cette variable afin de
comparer les variations des fréquences pour chaque modèle en fonction de cette variable.

68
Nous avons aussi classé les variables selon leur importance

Ce graphique met en évidence l'importance primordiale de la variable "Expérience du

conducteur" (driv_m_experience). L'arbre optimal ainsi obtenu est spécialement conçu pour
effectuer des prédictions sur l'échantillon de test, nous permettant ainsi d'obtenir les
fréquences de sinistre pour chaque nouveau profil. Dans la figure suivante, représentée sous
forme d'un box-plot, nous visualisons la distribution des fréquences des sinistres en fonction
de chaque modalité de la variable la plus pertinente (driv_m_experience):

69
Nous avons calculé que la fréquence moyenne des sinistres avec les arbres de régression est
de 0.0660543. Une observation importante est que le modèle prévoit des fréquences de
sinistres plus élevées pour les conducteurs ayant moins de 5 ans d'expérience, tandis que pour
les autres catégories d'expérience entre 20 et 50 ans, la fréquence des sinistres est plus faible.
Nous remarquons également qu'avec la méthode des arbres, il n'y a pas autant de valeurs
aberrantes qu'avec le GLM. Cela pourrait être attribué à l'utilisation de toutes les variables
continues sans discrétisation dans le cas des arbres. Ainsi, la méthode des arbres de régression
permet de détecter les interactions entre les variables continues, ce qui constitue un avantage
majeur de cette approche.
En ce qui concerne l'arbre, nous avons trouvé que MSE=0.04685687, ce qui est légèrement
plus élevé que le MSE du GLM (MSE = 0.0459224).
Pour déterminer la déviance, nous avons utilisé la fonction summary sur notre modèle d'arbre
et avons trouvé les informations à partir de l'image ci-dessous :

La déviance de l'arbre optimal correspondant au nœud numéro 16 est de 0.1901699, ce qui est
inférieur à celle calculée pour le GLM (0.2720563). Ainsi, pour évaluer la qualité du modèle,

70
nous utilisons la déviance. On peut donc conclure que la méthode des arbres est plus
performante que celle du GLM pour la prédiction des fréquences de sinistres.
L'utilisation d'arbres optimaux dans le modèle CART permet de pallier le problème de sur-
apprentissage ainsi que les valeurs aberrantes, ce qui garantit des estimations plus précises.
Après avoir appliqué notre modèle sur la base db_pred et rempli la colonne des fréquences, la
fréquence moyenne sur cette base s'élève à 0.06619637.

Min 1st Qu Median Mean 3rd Qu. Max.

0.03910 0.05207 0.06048 0.06620 .06732 0.20715

Nous observons que la fréquence moyenne de la base de prédiction db_pred (0.06619637) est
très similaire à celle calculée précédemment sur la base de test (0.0660543). Cette cohérence
entre les deux valeurs indique que l'application de notre modèle d'arbre ([Link]) sur la
nouvelle base db_pred produit une fréquence moyenne identique. Ainsi, nous pouvons
conclure que notre modèle est précis et fiable.

3. Bagging

Le défaut des CART

En général, les arbres construits sont sensibles aux variations des données, ce qui rend les
prévisions produites instables. Par conséquent, l'ajout de quelques nouvelles données à la base
d'apprentissage peut entraîner des changements significatifs dans le modèle. Bien que les
estimations au niveau des feuilles soient souvent précises, la performance de l'arbre lors de la
prédiction d'observations absentes de la base d'apprentissage initiale peut être très variable.
Ainsi, la robustesse de l'arbre dépend fortement de la composition de l'échantillon initial, ce
qui constitue l'un de ses principaux inconvénients.
Les méthodes d'agrégation, telles que le Bagging et les Forêts aléatoires, visent à améliorer la
stabilité des résultats en réduisant le risque de sur-apprentissage. Ces méthodes combinent
plusieurs arbres construits indépendamment les uns des autres pour éviter la duplication de
modèles identiques.
L'idée est de construire des arbres différents en variant à la fois les observations utilisées et les
variables explicatives sélectionnées. Cette diversification est réalisée en effectuant des tirages
aléatoires à deux niveaux : d'abord sur les observations pour former un échantillon, puis sur

71
les variables explicatives pour chaque arbre. L'ensemble des arbres ainsi construits forme un
algorithme connu sous le nom de Bagging. Les Forêts aléatoires, quant à elles, ajoutent à cette
approche un échantillonnage aléatoire des variables, également appelé échantillonnage des
caractéristiques.

Randomforest = Tree bagging + Feature sampling

Pour chaque profil, la variable d'intérêt est estimée en consolidant les différents résultats issus
des arbres construits :
Pour les arbres de classification, la décision finale est prise en recueillant les votes de chaque
arbre.
Pour les arbres de régression, le résultat final est obtenu en moyennant les résultats fournis par
les arbres.
Bien que la méthode du Bagging puisse produire des résultats précis, elle souffre d'un manque
de lisibilité : au lieu d'un seul arbre facilement interprétable, nous obtenons une moyenne de
résultats. Pour déterminer le nombre optimal d'itérations (c'est-à-dire le nombre d'arbres),
nous présentons ci-dessous le graphique montrant l'évolution de l'erreur de validation croisée
en fonction du nombre d'itérations.

72
Le nombre optimal d'itérations qui minimise l'erreur sur la base de validation est B = 20, ce
qui correspond également à l'erreur moyenne minimale de validation croisée xerror = 0.9848
(comme indiqué sur le graphique ci-dessus où la valeur xerror correspond à 20). Étant donné
que cette méthode est stochastique, chaque exécution de l'algorithme produira de nouveaux
résultats et donc une nouvelle courbe. Idéalement, la meilleure valeur pourrait être supérieure
à 20, mais étant donné que l'exécution de code R avec un grand nombre d'itérations prend
énormément de temps, nous avons limité le nombre d'itérations à 20, ce qui est la meilleure
valeur pour notre cas ici. Ainsi, nous choisissons le Bagging avec 20 itérations.
Après avoir construit le modèle final du Bagging avec 20 arbres, nous présentons les
fréquences de sinistre par rapport à la variable explicative la plus pertinente :
driv_m_exprerience. Voici une représentation graphique de la distribution des fréquences des
sinistres en fonction de chaque modalité de la variable driv_m_experience :

73
La fréquence moyenne pour le cas de bagging est égale à 0.06598039.
La déviance est égale à 0.04683931
Nous avons constaté que la déviance pour le bagging s'élève à 0.04683931, une valeur
inférieure à celle obtenue pour les arbres (0.1901699) et pour le modèle GLM (0.2720563).
Ainsi, en ce qui concerne la prédiction des fréquences de sinistres, la méthode du bagging
surpasse celle des arbres, qui à son tour est plus performante que celle du GLM.
Après avoir appliqué notre modèle à la base de données db_pred et rempli la colonne des
fréquences, la fréquence moyenne sur cette base, obtenue par la méthode du bagging, est de
0.06616733.
Ici, nous constatons une rareté de valeurs extrêmes, avec seulement six générées par le
modèle de bagging par rapport aux autres approches. Ces valeurs extrêmes, représentées par
des points, résultent de la saturation des estimateurs par les arbres agrégés via le bagging.
Ainsi, le bagging s'avère être une amélioration par rapport à la méthode des arbres.
Pour résoudre ce problème, nous envisageons de passer aux méthodes de Random Forest.
Dans le domaine des techniques d'apprentissage automatique, nous utilisons directement la
déviance pour comparer les modèles.

74
Nous avons constaté que la déviance pour le cas du Bagging est égale à 0.04683931. Cette
valeur est plus petite que celle calculée pour les arbres (0.1901699) et celle du GLM
(0.2720563.
Ainsi, nous pouvons conclure que, pour la prédiction des fréquences de sinistres, la méthode
du Bagging est plus performante que celle des arbres. De même, la méthode des arbres est
plus efficace que celle du GLM.
Après avoir appliqué notre modèle sur la base db_pred et rempli la colonne des fréquences, la
fréquence moyenne sur la base db_pred avec la méthode du Bagging est égale à 0.06616733.

Min 1st Qu Median Mean 3rd Qu. Max.

0.03581 0.04897 0.05802 0.06617 .07527 0.31661

Nous observons une similitude remarquable entre la fréquence moyenne de la base de

prédiction db_pred (0.06616733) et celle précédemment calculée sur la base de test
(0.06598039). Cette concordance souligne la précision de notre modèle de bagging ([Link]).
En appliquant ce modèle à une nouvelle base db_pred et en retrouvant une fréquence
moyenne identique, nous pouvons ainsi conclure à la fiabilité de notre modèle.

III. Forets aléatoires

Les forêts aléatoires, un élément crucial parmi les algorithmes d'apprentissage, se démarquent
du Bagging par leur approche de division des nœuds. Au lieu de sélectionner la division
optimale parmi toutes les divisions possibles basées sur les variables explicatives, les forêts
aléatoires opèrent en tirant aléatoirement un sous-ensemble 𝑚
m de variables explicatives avant chaque division de nœud. Cette méthode favorise la
construction d'arbres plus indépendants et permet de réduire la variance de l'estimation. Dans
les scénarios où un grand nombre de variables explicatives sont en jeu, la sélection aléatoire
d'un sous-ensemble de ces variables permet d'exploiter pleinement les autres variables qui
auraient pu être négligées si elles avaient été confrontées à toutes les variables explicatives.
Pour déterminer le nombre optimal d'itérations du modèle de forêt aléatoire, nous traçons
l'évolution de l'erreur en fonction du nombre d'itérations :

75
Dans la méthode de Randomforest, les arbres se construisent rapidement étant donné que
nousnous limitons à m variables explicatives à chaque nœud, donc nous remarquons que la
méthode deRandomforest permet d’avoir plusieurs itérations que celle du Bagging. Nous nous
avons limité à 40 itérations et nous avons trouvé l’erreur minimale xerror=0.9915 (l’erreur
correspond à l’itération 40). Il y a aussi la possibilité de réduire l’erreur en augmentant le
nombre d’itération. Mais puisque notre base de donnée est grande et contient plusieurs
variables explicatives, nous nous somme limité à 40 itérations. Nous sélectionnons donc le
modèle de Randomforest avec B*=40 itérations.
Nous pouvons conclure que l’utilisation de la méthode de Randomforest contrairement à celle
du Bagging, permet d’augmenter le nombre d’itérations et de réduire la corrélation entre les
arbres,ceci résulte une réduction de la variance de l’ensemble.
Après la construction du modèle de Randomforest avec 40 arbres, nous présentons les
fréquences desinistre par rapport au même variable explicative : driv_m_experience. Voici
une illustration graphiquesous forme d’un box-plot :

76
Dans le contexte de Random Forest :
La fréquence moyenne des sinistres est de 0.06598039 et la déviance est de 0.04686883.
Comparativement au modèle de Bagging et aux arbres individuels, les fréquences moyennes
des sinistres dans le cas de Random Forest sont légèrement inférieures.
La fréquence des sinistres pour la classe d'âge des conducteurs avec 0 à 5 ans d'expérience est
notablement élevée par rapport aux autres classes d'expérience. Comme attendu, à mesure que
le nombre d'années d'expérience augmente, la fréquence des sinistres diminue, ce qui est
cohérent avec la réalité. Cependant, nous observons davantage de valeurs aberrantes générées
par le modèle de Random Forest que dans le cas du Bagging.

GLM ARBRES BAGGING RANDOM

FOREST
MOYENNE 0.04400274 0.0660543 0.06598037 0.06598039

La fréquence moyenne de sinistres dans les méthodes d'apprentissage automatique est

légèrement plus élevée que celle des modèles linéaires généralisés (GLM).
Lors de la comparaison des modèles, la Somme des Carrés des Erreurs (SSE) ou le Mean
Squared Error (MSE) ne sont pas utilisés, car la fréquence réelle des sinistres n'est pas

77
connue; nous disposons seulement d'une estimation de cette fréquence. Ainsi, seule la
déviance est considérée comme un indicateur valide pour comparer les modèles.

GLM ARBRES BAGGING RANDOM

FOREST
DEVIANCE 0.2720563 0.1901699 0.04683931 0.04686883

Plus la déviance est faible, meilleur est le modèle.

Le premier meilleur modèle est Bagging, suivi de près par Random Forest, car ils présentent
presque la même déviance.
Le deuxième meilleur modèle est l'arbre.
Enfin, le dernier modèle est le GLM..
Autres leçons tirées :
Étant un modèle paramétrique, GLM nécessite toujours une distribution spécifiée pour la
variable d'intérêt.
GLM ne capture pas les interactions entre les variables continues et peut même exclure
certaines de ces interactions de la régression, ce qui est contraire à ce que font les arbres.
Contrairement aux arbres, GLM a du mal à estimer correctement les observations qui n'étaient
pas présentes dans l'ensemble d'apprentissage initial.
Les méthodes de machines learning Les méthodes d'apprentissage automatique ne requièrent
pas d'hypothèses sur la distribution de la variable d'intérêt, telle que le nombre de sinistres
dans notre cas.
Ces méthodes sont appliquées directement sur les variables continues, sans nécessité de les
catégoriser (c'est-à-dire sans les discrétiser). Elles ont la capacité de détecter les interactions
entre ces variables continues.
Dans les méthodes d'apprentissage, la sélection des variables significatives n'est pas
nécessaire, ce qui signifie que toutes les variables significatives peuvent être introduites.
Ainsi, elles offrent une visualisation des variables explicatives, de la plus discriminante à la
moins discriminante, en partant de la racine vers les feuilles.
Les méthodes d'apprentissage offrent une facilité de présentation et d'interprétation
Ce chapitre met en pratique les méthodes de tarification en assurance en appliquant les
méthodes d'apprentissage sur une base de données automobile de la compagnie, tout en

78
comparant les résultats obtenus par ces nouvelles méthodes avec ceux obtenus par les modèles
linéaires généralisés.
Nous avons analysé les résultats des graphiques pour obtenir une visualisation claire des
données extrêmes. Nous avons constaté que le modèle linéaire généralisé (GLM) produit une
fréquence inférieure à celle des méthodes d'apprentissage, principalement en raison des
valeurs extrêmes plus élevées dans le cas du GLM, contrairement aux méthodes
d'apprentissage qui parviennent à éviter le surapprentissage.
Les méthodes d'apprentissage automatique se révèlent plus performantes que les méthodes
paramétriques souvent utilisées en actuariat.
Dans le cadre de ce projet, nous avons également observé une certaine instabilité des arbres.
Des changements mineurs dans quelques observations peuvent entraîner des variations
significatives dans les estimations, ce qui souligne la nécessité de compléter les arbres avec
des méthodes d'apprentissage. Ces dernières sont très utiles pour améliorer les estimations et
renforcer la robustesse des modèles.
Les conclusions que nous avons tirées dépendent des données utilisées, car elles sont basées
sur notre ensemble de données spécifique. Nous ne pouvons donc jamais affirmer de manière
absolue que les méthodes d'apprentissage sont systématiquement supérieures au modèle
GLM. Par exemple, si notre base de données est composée uniquement de variables
catégorielles, le modèle GLM pourrait surpasser les méthodes d'apprentissage. En revanche, si
notre jeu de données contient principalement des variables continues, les méthodes
d'apprentissage seront plus adaptées.
Enfin, les méthodes d'apprentissage sont particulièrement adaptées pour l'analyse de grandes
bases de données, ce qui en fait une option intéressante pour le Big Data. Étant donné que
notre jeu de données comprend à la fois des variables catégorielles et continues, une évolution
potentielle des méthodes de tarification pourrait consister à combiner les deux approches,
c'est-à-dire le GLM et les méthodes d'apprentissage, afin d'améliorer les estimations en tirant
parti des avantages de chacune.

79
80
81