Tarification en assurance santé à l’ère du machine learning : une approche actuarielle hybride
International Review of Applied Finance, Economics and Management · 13.03.2026 · 2 (2) · 113-131
DOI: 10.66130/zqh9q032 ↗Kurz gefasst
Fachartikel in der Zeitschrift International Review of Applied Finance, Economics and Management, online erschienen am 13.03.2026. Verfasst von Ayoub Laaroussi und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
La tarification en assurance santé constitue un enjeu majeur pour l’équité tarifaire, la soutenabilité financière des portefeuilles et la performance des assureurs. Elle repose traditionnellement sur le cadre actuariel fréquence–sévérité, généralement implémenté à l’aide de modèles linéaires généralisés (GLM). Toutefois, la complexité croissante des données de sinistres met en évidence certaines limites des approches paramétriques classiques. Cet article propose un cadre méthodologique hybride combinant modèles actuariels traditionnels et techniques de machine learning pour estimer le coût individuel attendu des sinistres en assurance santé. Plusieurs approches paramétriques et non paramétriques sont comparées à partir d’un jeu de données de sinistres. Les résultats montrent que les méthodes de machine learning peuvent améliorer la performance prédictive tout en soulignant l’importance de l’interprétabilité et de la gouvernance des modèles dans un environnement assurantiel réglementé.
Zitieren
APA
Laaroussi, A., Ouchekkir, A., & Mouden, F. Z. E. (2026). Tarification en assurance santé à l’ère du machine learning : une approche actuarielle hybride. International Review of Applied Finance, Economics and Management, 2(2), 113-131. https://doi.org/10.66130/zqh9q032
Vancouver
Laaroussi A, Ouchekkir A, Mouden FZE. Tarification en assurance santé à l’ère du machine learning : une approche actuarielle hybride. International Review of Applied Finance, Economics and Management. 2026;2(2):113-131. doi:10.66130/zqh9q032
BibTeX
@article{Laaroussi2026,
author = {Laaroussi, Ayoub and Ouchekkir, Ali and Mouden, Fatima Zahrae El},
title = {Tarification en assurance santé à l’ère du machine learning : une approche actuarielle hybride},
journal = {International Review of Applied Finance, Economics and Management},
year = {2026},
volume = {2},
number = {2},
pages = {113--131},
doi = {10.66130/zqh9q032}
}
EUVIMED