{"id":9024,"date":"2026-02-13T08:20:02","date_gmt":"2026-02-13T07:20:02","guid":{"rendered":"https:\/\/wp.unil.ch\/hecoutreach\/?p=9024"},"modified":"2026-02-13T08:20:04","modified_gmt":"2026-02-13T07:20:04","slug":"predire-limprevisible-le-potentiel-des-donnees-synthetiques","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/predire-limprevisible-le-potentiel-des-donnees-synthetiques\/","title":{"rendered":"Pr\u00e9dire l’impr\u00e9visible : le potentiel des donn\u00e9es synth\u00e9tiques"},"content":{"rendered":"\n

Nous vivons une \u00e9poque marqu\u00e9e par l\u2019impr\u00e9visibilit\u00e9, qu\u2019il s\u2019agisse de l\u2019\u00e9conomie mondiale, du climat ou de la g\u00e9opolitique. Anticiper les risques est devenu essentiel pour renforcer la r\u00e9silience future de nos soci\u00e9t\u00e9s. Cela suppose de donner du sens \u00e0 des informations toujours plus complexes, en s\u2019appuyant sur de nouveaux outils. Dans cette s\u00e9rie, nous explorons le travail de chercheuses et chercheurs qui \u0153uvrent \u00e0 am\u00e9liorer notre capacit\u00e9 \u00e0 anticiper l\u2019avenir.<\/em><\/p>\n\n\n\n

Que ce soit en \u00e9conomie, en gestion des affaires, ou encore en sciences actuarielles par exemple, les donn\u00e9es sont devenues un atout inestimable pour la conception des algorithmes et des mod\u00e8les math\u00e9matiques. Mais lorsque les donn\u00e9es r\u00e9elles<\/em> se font rares, sont sensibles ou biais\u00e9es, l\u2019innovation s\u2019en trouve frein\u00e9e. C\u2019est l\u00e0 o\u00f9 les donn\u00e9es synth\u00e9tiques<\/em> entrent en jeu, offrant alors une alternative prometteuse.<\/p>\n\n\n\n

Il s’agit d’utiliser des donn\u00e9es g\u00e9n\u00e9r\u00e9es artificiellement, qui imitent les caract\u00e9ristiques des informations du monde r\u00e9el tout en pr\u00e9servant l’int\u00e9grit\u00e9 statistique. Si les donn\u00e9es ne contiennent aucun d\u00e9tail permettant d’identifier l’assur\u00e9, elles sont g\u00e9n\u00e9ralement conformes aux r\u00e9glementations en mati\u00e8re de confidentialit\u00e9 et peuvent \u00eatre plus facilement partag\u00e9es.  <\/p>\n\n\n\n

\u00ab Les donn\u00e9es synth\u00e9tiques peuvent \u00eatre utilis\u00e9es pour tester de nouveaux syst\u00e8mes que les assureurs pourraient vouloir utiliser avant de les acheter, sans divulguer d’informations confidentielles. Deuxi\u00e8mement, les donn\u00e9es synth\u00e9tiques peuvent compl\u00e9ter des ensembles de donn\u00e9es r\u00e9elles qui ne seraient disponibles qu\u2019en petite quantit\u00e9, par exemple lorsqu’un assureur p\u00e9n\u00e8tre un nouveau march\u00e9 et ne dispose pas de donn\u00e9es suffisantes pour entra\u00eener un mod\u00e8le capable de pr\u00e9dire de mani\u00e8re raisonnable la fr\u00e9quence ou la gravit\u00e9 des sinistres \u00bb, explique Yevhen Havrylenko,<\/a> professeur assistant au d\u00e9partement des sciences actuarielles de HEC Lausanne.<\/p>\n\n\n\n

Il ajoute : \u00ab Un ensemble de donn\u00e9es augment\u00e9 peut aider les assureurs \u00e0 mieux comprendre comment diff\u00e9rentes variables interagissent et \u00e0 mieux quantifier l’impact de variables individuelles sur la fr\u00e9quence ou la gravit\u00e9 des risques. Les compagnies d’assurance pourraient ainsi \u00eatre en mesure de fixer le prix de leurs produits de mani\u00e8re plus pr\u00e9cise et plus \u00e9quitable. Cependant, l’augmentation du volume de donn\u00e9es n\u2019am\u00e9liore pas automatiquement les mod\u00e8les, cela d\u00e9pend des cas d’utilisation sp\u00e9cifiques. \u00bb.<\/p>\n\n\n\n

Les mod\u00e8les d’IA g\u00e9n\u00e9rative bas\u00e9s sur des r\u00e9seaux neuronaux sont de plus en plus utilis\u00e9s pour cr\u00e9er des donn\u00e9es synth\u00e9tiques. Cependant, il s’agit souvent de mod\u00e8les de type \u00ab bo\u00eete noire \u00bb, car il est difficile de comprendre comment ils g\u00e9n\u00e8rent des r\u00e9sultats. De plus, ils n\u00e9cessitent g\u00e9n\u00e9ralement un travail pr\u00e9paratoire important et un ajustement minutieux pour chaque nouvel ensemble de donn\u00e9es.<\/p>\n\n\n\n

Le Prof. Havrylenko et ses co-auteurs ont d\u00e9couvert que l’algorithme MICE-RF (Multiple Imputation by Chained Equations and Random Forests) est une alternative comp\u00e9titive, plus transparente et plus facile \u00e0 utiliser que les approches bas\u00e9es sur les r\u00e9seaux neuronaux.<\/p>\n\n\n\n

 \u00ab \u00c0 notre avis, la m\u00e9thodologie MICE-RF est moins compliqu\u00e9e, n\u00e9cessite moins de travail pr\u00e9paratoire pour les nouveaux ensembles de donn\u00e9es et est plus facile \u00e0 utiliser d\u00e8s sa sortie de l’emballage, ce qui est particuli\u00e8rement pertinent pour les praticiens. C’est quelque chose dont la communaut\u00e9 des assureurs dans son ensemble n’avait pas conscience \u00bb, explique le professeur assistant.<\/p>\n\n\n\n

M. Havrylenko estime que la m\u00e9thode MICE-RF pourrait \u00eatre adopt\u00e9e par d’autres chercheurs\u00b7euses et compagnies d’assurance au fil du temps.<\/p>\n\n\n\n

\u00ab \u00c0 l’avenir, les donn\u00e9es synth\u00e9tiques pourraient am\u00e9liorer les pr\u00e9visions dans certains sc\u00e9narios. Cependant, la mani\u00e8re dont les donn\u00e9es sont g\u00e9n\u00e9r\u00e9es est importante. Il existe un d\u00e9bat dans le secteur de l’assurance sur la n\u00e9cessit\u00e9 d’expliquer les mod\u00e8les, y compris ceux qui g\u00e9n\u00e8rent des donn\u00e9es synth\u00e9tiques. Cela d\u00e9pend du niveau de transparence du mod\u00e8le. En g\u00e9n\u00e9ral, les r\u00e9gulateurs veulent plus de clart\u00e9 pour s’assurer que les assureurs agissent correctement et ne discriminent pas certaines personnes \u00bb, explique-t-il. <\/p>\n\n\n\n

M. Havrylenko et ses coll\u00e8gues \u00e9tudient des moyens de renforcer la g\u00e9n\u00e9ration de donn\u00e9es, par exemple diff\u00e9rentes strat\u00e9gies d’augmentation des donn\u00e9es, l’impact de la taille des donn\u00e9es d’entra\u00eenement et la mani\u00e8re d’encoder les contraintes commerciales. L’objectif est d’aider les assureurs \u00e0 mieux pr\u00e9voir la fr\u00e9quence et la gravit\u00e9 des sinistres et ainsi \u00e0 fixer des tarifs d’assurance plus \u00e9quitables pour les clients.<\/p>\n\n\n\n

R\u00e9f\u00e9rence :<\/strong>   <\/p>\n\n\n\n

    \n
  1. G\u00e9n\u00e9ration de donn\u00e9es tabulaires synth\u00e9tiques bas\u00e9es sur l’imputation d’amputation pour la tarification<\/a>, Yevhen Havrylenko, Meelis K\u00e4\u00e4rik, Artur Tuttar, Arxiv 2509.02171, 2 septembre 2025<\/strong>.<\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"

    Nous vivons une \u00e9poque marqu\u00e9e par l\u2019impr\u00e9visibilit\u00e9, qu\u2019il s\u2019agisse de l\u2019\u00e9conomie mondiale, du climat ou de la g\u00e9opolitique. Anticiper les risques est devenu essentiel pour renforcer la r\u00e9silience…<\/p>\n","protected":false},"author":1001243,"featured_media":9031,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":""},"categories":[940,942,937],"tags":[],"class_list":{"0":"post-9024","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-digitalisation-et-technologie","8":"category-finance-et-assurances","9":"category-recherche"},"_links":{"self":[{"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/posts\/9024","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/users\/1001243"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/comments?post=9024"}],"version-history":[{"count":3,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/posts\/9024\/revisions"}],"predecessor-version":[{"id":9027,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/posts\/9024\/revisions\/9027"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/media\/9031"}],"wp:attachment":[{"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/media?parent=9024"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/categories?post=9024"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/tags?post=9024"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}