Évaluer la performance d’un prototype IA proposé par une insurtech

• Évaluer la performance d’un prototype IA proposé par une insurtech
• Définir les critères de précision, de robustesse et d’explicabilité
• Décider de la suite à donner au prototype testé

Responsables innovation, data scientists, actuaires, risk managers

Connaître les notions de base de l’IA et de la donnée en assurance

• Définir le périmètre et l’objectif d’un prototype IA en assurance
• Préparer un jeu de données représentatif pour l’évaluation
• Choisir les indicateurs de performance selon le cas d’usage
• Mesurer la précision, les faux positifs et les faux négatifs
• Tester la robustesse du modèle face à des données inhabituelles
• Contrôler les biais et l’équité du traitement des assurés
• Examiner l’explicabilité des décisions produites par le modèle
• Évaluer les risques de sécurité, de confidentialité et de dépendance
• Comparer les résultats du prototype avec les pratiques actuelles
• Formuler une recommandation fondée sur les résultats mesurés

• Choisir trois indicateurs pour évaluer un modèle de fraude
• Interpréter une matrice de confusion issue d’un prototype
• Rédiger la recommandation finale sur un prototype IA fictif

• Modèle de grille d’évaluation d’un prototype IA insurtech
• Check list des biais et de l’explicabilité d’un modèle
• Lexique des indicateurs de performance d’un modèle IA