À l’ère où les données orientent de plus en plus la prise de décisions, les conséquences éthiques des modèles d’intelligence artificielle (IA) sont minutieusement examinées. Et le milieu de l’assurance n’est pas en reste.

Les compagnies d’assurance utilisent des algorithmes de plus en plus sophistiqués pour estimer le risque représenté par leur clientèle, et cela, à partir d’une masse croissante d’informations. «Par exemple, au Québec, en 2021, il y a 27 888 blessures causées par des accidents de la route qui ont été recensées par la Société de l’assurance automobile du Québec. Dans chacun de ces cas-là, chaque personne au volant d’un véhicule peut représenter un risque différent pour les assureurs», expose Olivier Côté, étudiant au doctorat en actuariat à l’Université Laval.

Et qui dit risque différent dit polices différentes et coûts différents. Tout ça, avec un risque de biais et de discrimination en fonction des données utilisées, du poids de chaque variable, de l’entraînement des modèles, voire des modèles eux-mêmes. Olivier Côté travaille justement à mitiger ces biais discriminatoires. Les premières conclusions de son projet de thèse ont été publiées sur le site Social Science Research Network, en collaboration avec la professeure Marie-Pier Côté, de l’École d’actuariat de l’Université Laval, et le professeur Arthur Charpentier, au Département de mathématiques de l’Université du Québec à Montréal, et présentées le 16 mai à l’occasion de la Journée sur l’équité et la discrimination en assurance.

«Étant donné la dépendance de l’industrie de l’assurance aux données personnelles, et le rôle majeur que cette industrie occupe dans la société, les compagnies doivent aujourd’hui être particulièrement soucieuses de l’équité de leur pratique entre les assurés», explique l’étudiant, qui travaille sous la supervision de la professeure Côté et du professeur Charpentier.

Lire la suite sur le site d’ULaval Nouvelles