Équité algorithmique; impacts et changements de mesures

Présentement, les modèles de tarification en assurance auto calculent les primes chargées aux assurés en tentant de prédire leur risque d’assurance grâce à plusieurs critères (âge, sexe, état-civil, expérience de conduite, caractéristiques du véhicule, etc.). Le problème auquel ce projet s’adresse est celui du point de vue éthique d’une telle approche. En effet, l’usage de certaines variables peut être vu comme discriminatoire envers certains groupes de la société. Un des exemples courants est que les femmes présentent généralement un risque d’assurance moins élevé et paient ainsi des primes d’assurance plus basses. Cette pratique est généralement acceptée socialement et permise par la législation canadienne, mais il pourrait y avoir d’autres situations similaires concernant d’autres variables sensibles. Le but général du projet sera de déceler ces situations, de déterminer comment les améliorer si nécessaire et d’évaluer l’impact potentiel d’antisélection que les modifications auront au global sur les portefeuilles d’assurances concernés.

Ceci est avantageux pour l’organisme partenaire dans la mesure où il souhaite s’assurer que ses pratiques de tarification soient alignés aux valeurs de l’entreprise.

Faculty Supervisor:

Melina Mailhot

Student:

Partner:

Beneva

Discipline:

Mathematics

Sector:

Finance and Insurance

University:

Concordia University

Program: