Beneva : Explicabilité post-hoc des réseaux profonds

L’utilisation des algorithmes de type « boîte noire » gagne en popularité en entreprise, même au niveau de l’aide à la décision. En assurance collective, ces algorithmes peuvent être d’un précieux soutien pour l’actuaire chargé de la négociation avec un groupe. Toutefois, dans ce contexte, la difficulté à comprendre les prédictions de l’algorithme nuit grandement à l’appropriation de l’outil par l’actuaire. L’objectif général du projet est de trouver une méthode appropriée pour expliquer « post hoc » les prédictions de l’algorithme utilisé pour soutenir la décision de l’actuaire. La méthode proposée devra répondre à deux critères : (1) être fiable (critère de fiabilité) et (2) être compréhensible et concrètement utile pour l’actuaire (critère d’utilité). Jusqu’à maintenant, l’entreprise a essayé les méthodes populaires (SHAP, permutation) un doute important subsiste concernant la fiabilité de ces méthodes.

Faculty Supervisor:

Christian Gagné;Mario Marchand

Student:

Partner:

Beneva

Discipline:

Computer science

Sector:

Finance and Insurance

University:

Université Laval

Program: