Incitée par l’attention croissante de régulateurs sur l’utilisation éthique des données en assurance, la communauté actuarielle peut être conduite à analyser les pratiques de tarification et de sélection du risque pour une assurance plus équitable en considérant des contraintes, réglementaires ou non, sur la non-discrimination et l’utilisation de données personnelles à caractère sensible dans les algorithmes.

​

Si l’absence de recours à des variables protégées prévient les cas de discrimination directe, les interactions latentes entre ces dernières et d’autres variables tarifaires constituent un vecteur de discrimination indirecte. Les travaux primés proposent une méthode innovante visant à réduire les risques de discrimination indirecte à partir de concepts mathématiques d’algèbre linéaire. L’illustration de la méthodologie proposée sur un cas concret de sélection de risque en assurance vie permet d’en démontrer la simplicité d’usage et la performance.

Dans un contexte d’augmentation récente des pertes subies par les agriculteurs du fait des aléas climatiques, les travaux réalisés se concentrent plus particulièrement sur les pertes de récoltes et les pertes économiques des prairies et céréales à paille liées aux épisodes de sécheresse et d’excès d’eau extrêmes systémiques.

​

Après le développement d’un modèle d’estimation des pertes de récoltes dont l’aléa est simulé par la création d’un indice agro-climatique (le DOWKI), la projection de ces pertes à horizon 2050 est réalisée en utilisant le modèle ARPEGE-Climat de Météo France de sorte à analyser la fréquence et l’intensité des événements pour les périls considérés et leur impact sur les productions végétales. Un modèle de descente d’échelle permet in fine de quantifier la répartition des coûts de dommages liés aux événements extrêmes entre les acteurs de la gestion des risques en agriculture.