Aujourd’hui convaincu de l’apport du machine learning dans les études actuarielles en Prévoyance, cet atelier présente 3 cas d’usage que nous avons pu traiter cette dernière année où algorithmes supervisés et non supervisés viennent challenger les méthodes actuarielles classiques :

1.  Utilisation des algorithmes non supervisés pour redéfinir des groupes hétérogènes dans la tarification en accident de travail

2. Etude d’une transformation digitale pour accompagner les DRH dans l’anticipation des coûts directs et indirects liés à l’absentéisme (mise en place d’actions de prévention suite à du profiling)

3. Toujours à la recherche d’une optimisation de nos processus de calculs et donc de la réduction du temps et des coûts liés à l’apprentissage, le dernier use case porte sur l’échantillonnage avant apprentissage