Intact : Tarification par apprentissage par renforcement

La tarification en assurance de dommages est une des fonctions fondamentales et elle est traditionnellement entreprise par des actuaires. La tarification demande notamment d’estimer les coûts d’assurance (pertes attendues), les dépenses encourues ainsi que le profit attendu par la compagnie. En plus de ces éléments, la compagnie doit prendre en compte les forces du marché, les compétiteurs, les tendances et bien d’autres éléments qui peuvent affecter le prix du client. Les techniques de tarification sont en constante évolution et utilisent de plus en plus des méthodes d’apprentissage machine ou profond pour améliorer les capacités de segmentation des clients et aller chercher un avantage concurrentiel.
Intact cherche constamment à améliorer ses pratiques de tarification. Dans cette optique, l’utilisation de technique d’apprentissage profond par renforcement semble un filon intéressant à exploiter. En effet, l’intégration d’une politique de tarification qui serait capable de s’adapter aux tendances du marché, aux habitudes d’achat des clients et à l’évolution du risque de chaque assuré est un défi de taille que Intact aimerait relever.

Faculty Supervisor:

Christian Gagné;Audrey Durand

Student:

Partner:

Intact

Discipline:

Computer science

Sector:

Information and Communications Technology; Technology

University:

Université Laval

Program: