Modéliser les signaux précurseurs de sinistre avec l’IA

• Modéliser les signaux précurseurs de sinistre avec l’IA
• Sélectionner les données et les variables utiles à la détection
• Valider la fiabilité des alertes avant leur mise en production

Data scientists, actuaires, gestionnaires sinistres, risques

Notions de statistiques et de données de sinistres en assurance

• Définir un signal précurseur de sinistre et ses usages en prévention
• Recenser les sources de données internes, externes et connectées
• Préparer et nettoyer les données de sinistralité historiques
• Construire les variables explicatives liées au risque observé
• Choisir un modèle de classification ou de détection d’anomalies
• Entraîner le modèle de détection et éviter le sur-apprentissage
• Mesurer la précision, le rappel et le taux de fausses alertes
• Contrôler les biais et l’explicabilité des alertes produites
• Intégrer les alertes aux processus de prévention et de gestion
• Surveiller la dérive du modèle et planifier ses mises à jour

• Lister vingt variables candidates pour détecter un sinistre
• Évaluer un modèle d’alerte à partir de résultats fictifs
• Définir le seuil d’alerte d’un modèle selon son coût d’erreur

• Modèle de dictionnaire des variables d’un modèle prédictif
• Check list de validation d’un modèle de détection d’anomalies
• Exemples concrets de signaux précurseurs de sinistre