Fairness of predictive models: an application to insurance markets

This project addresses biases within the automatic artificial intelligence algorithms utilized to determine optimal pricing in individual policies. Its aim is to mitigate or eliminate such biases, which could lead to inequities or discriminatory practices based on factors such as gender, race, religion, or origin in the coverage provided by insurers or reinsurers to policyholders.  

The research topic has both theoretical significance, as it involves enhancing control over the "black box" nature of AI-based models, and practical importance, as it aims to reduce risks associated with discrimination and inequality. Given the increasing influence of social networks and the consequential reputational challenges faced by insurers and reinsurers, this issue is particularly relevant and timely.

Fields of research / technical cooperation 
Actuarial science

Arthur Charpentier, PhD, Fellow of the French Institute of Actuaries*, is full professor at UQAM, Montreal, Canada, and Université de Rennes, in France. He is member of the editorial board of the Journal of Risk and Insurance, the ASTIN Bulletin, and Risks. He edited, a few years ago, Computational Actuarial Science with R (CRC), and more recently wrote Insurance, Biases, Discrimination and Fairness (Springer). He is also the former director of the Data Science for Actuaries program of the French Institute of Actuaries. He is a Louis Bachelier Fellow, and his recent work is about climate change and predictive modeling insurance, more specifically in the context of fairness and discrimination.

Alma mater: MSc in actuarial science ENSAE (1999, Paristech, France), MSc in mathematical economics Paris Dauphine (1999, PSL, France), PhD in applied mathematics KU Leuven (2006, Belgium), HDR* in applied mathematics Université de Rennes (2016, France).    Arthur Charpentier - Curriculum Vitae     Arthur Charpentier - Blog

Insurance, Biases, Discrimination and Fairness (Springer)

Overview of the book
Author: Arthur Charpentier

  • An account of fairness in predictive models
  • Discusses fairness issues arising from big data and algorithms
  • Addresses a topic of high interest to actuaries and regulators

Project activities & events

• Optimal transport and fairness of predictive models
  Keynote presentation - Workshop - SCAI (Sorbonne Center for Artificial Intelligence) - September 2024

• SCOR-UQAM Fairness and Insurance Project Newsletter
  Newsletter #2 - September 2024

• Certitudes collective et incertitudes individuelles, les données massives changent-elles la donne ? [French]
  Colloque au Centre Culturel International de Cerisy - Cerisy-la-Salle, France - September 2024
  
  Dans cette intervention, nous commencerons par un détour historique et sociologique en revenant sur les travaux d’Émile Durkheim et Max Weber. Ces chercheurs ont montré que bien que les actions individuelles puissent être imprévisibles, les comportements collectifs suivent des schémas réguliers. En agrégeant les actions individuelles, nous observons des régularités au sein de groupes plus larges, une idée illustrée par la prédictibilité du suicide dans le contexte des données massives. Ensuite, nous aborderons les réflexions de Herbert Simon et sa théorie de la rationalité limitée, suggérant que malgré les limites cognitives des individus, les rendant individuellement imprévisibles, des modèles prévisibles émergent dans la prise de décision globale. Nous explorerons ensuite des questions épistémologiques en discutant l’interprétation fréquentiste des probabilités, laquelle requiert la répétition pour être quantifiée, et la difficulté d’associer une probabilité à un événement unique. La réponse bayésienne, qui interprète les probabilités comme des croyances ou des scores, complique la relation avec l’équité actuarielle. Nous questionnerons la calibration des modèles et l’interprétation des scores à travers des exemples simples, tels que “avoir 70% de chances qu’une opération militaire réussisse” ou “avoir 70% de chances de pluie entre 14 et 15 heures”. Enfin, nous conclurons en prenant en compte le caractère temporel de la prévision: prévoir un accident 15 minutes avant qu’il ne survienne n’est pas équivalent à le prévoir un an à l’avance. (Arthur Charpentier).

• From contemplative to predictive modeling in actuarial science and risk management
  ACP Conference - KU Leuven - July 2024

• Collaborative insurance, unfairness, and discrimination
  Workshop on decentralized insurance and risk sharing - Chicago - July 2024

• Scope and limits of artificial intelligence
  SCOR Foundation Online Webinar - May 15, 2024

• SCOR-UQAM Fairness and Insurance Project Newsletter
  Newsletter #1 - March 2024

Project research results: reports & articles

• Annual Research Report
  | [EN] | 2024 | Authors: Arthur Charpentier (Principal investigator), Professeur UQAM |