{"id":353953,"date":"2021-03-18T14:07:00","date_gmt":"2021-03-18T18:07:00","guid":{"rendered":"https:\/\/www.cia-ica.ca\/news\/science-des-donnees-et-science-actuarielle-les-similarites-sont-nombreuses\/"},"modified":"2024-10-02T09:08:27","modified_gmt":"2024-10-02T13:08:27","slug":"science-des-donnees-et-science-actuarielle-les-similarites-sont-nombreuses","status":"publish","type":"news","link":"https:\/\/www.cia-ica.ca\/fr\/news\/science-des-donnees-et-science-actuarielle-les-similarites-sont-nombreuses\/","title":{"rendered":"Science des donn\u00e9es et science actuarielle : les similarit\u00e9s sont nombreuses"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\"><strong><em>Par Joel Li, FICA<br>Pr\u00e9sident, Commission sur la mod\u00e9lisation pr\u00e9dictive<\/em><\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La science des donn\u00e9es a connu un essor formidable au cours de la derni\u00e8re d\u00e9cennie compte tenu de l\u2019augmentation exponentielle des renseignements qui sont recueillis au sujet de nos habitudes de vie et de l\u2019augmentation de la capacit\u00e9 de traitement.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Les applications et cas d\u2019usage de la science des donn\u00e9es sont utiles dans tous les secteurs imaginables et ont eu une incidence ind\u00e9niable sur les industries et domaines de pratique des actuaires. En raison de cette \u00e9volution tr\u00e8s rapide, la science des donn\u00e9es n\u2019est pas bien d\u00e9finie. Il existe n\u00e9anmoins des d\u00e9finitions pratiques, comme celle que l\u2019on peut lire sur le site Web de l\u2019IFoA :<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>La \u00ab science des donn\u00e9es \u00bb est un vaste domaine multidisciplinaire qui a recours \u00e0 des m\u00e9thodes scientifiques, processus, algorithmes et syst\u00e8mes pour extraire des connaissances et des indications \u00e0 partir de donn\u00e9es structur\u00e9es et non structur\u00e9es. Elle fait usage de techniques issues de nombreux domaines dans le contexte des math\u00e9matiques, statistiques, de l\u2019informatique et de la science de l\u2019information.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\u00c0 titre de comparaison, selon le <a href=\"https:\/\/www.cia-ica.ca\/fr\/%C3%A0-propos-de-nous\/actuaires\/faisonsetpratiquons\" data-type=\"URL\" data-id=\"https:\/\/www.cia-ica.ca\/fr\/%C3%A0-propos-de-nous\/actuaires\/faisonsetpratiquons\" target=\"_blank\" rel=\"noreferrer noopener\">site Web de l\u2019ICA<\/a> :<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>La science actuarielle est la discipline qui met en application des connaissances sp\u00e9cialis\u00e9es en math\u00e9matique, en statistique et en th\u00e9orie des risques afin de r\u00e9soudre les probl\u00e8mes dans les industries, entre autres, de l\u2019assurance, des finances et de la sant\u00e9.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La science des donn\u00e9es et la science actuarielle sont toutes deux multidisciplinaires; elles tirent des renseignements des donn\u00e9es et, pour \u00eatre fructueuses, n\u00e9cessitent une compr\u00e9hension approfondie des processus commerciaux sous-jacents et une excellente connaissance du domaine en question. La science des donn\u00e9es se distingue gr\u00e2ce aux nouvelles fa\u00e7ons qu\u2019elle offre de r\u00e9soudre des probl\u00e8mes d\u2019affaires au moyen d\u2019algorithmes qui \u00e9taient auparavant limit\u00e9s par la puissance informatique et \u00e0 une nouvelle capacit\u00e9 d\u2019exploiter les informations provenant de donn\u00e9es non structur\u00e9es. Autrement dit : Pour r\u00e9soudre les m\u00eames probl\u00e8mes d\u2019affaires, les scientifiques de donn\u00e9es ont acc\u00e8s \u00e0 des outils et \u00e0 des gadgets plus sophistiqu\u00e9s que ceux qu\u2019offre la science actuarielle, ce qui leur permet d\u2019explorer de nouveaux types de donn\u00e9es.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Le champ d\u2019application plus vaste de ces nouvelles approches et m\u00e9thodes permet \u00e0 ces scientifiques de p\u00e9n\u00e9trer un plus grand nombre d\u2019industries et de domaines de pratique que les actuaires. En ayant une compr\u00e9hension plus approfondie de la science des donn\u00e9es, les actuaires pourraient tirer profit des r\u00e9sultats de celle-ci dans leur travail et y trouver des applications dans de nouveaux domaines de pratique.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Chevauchements et application<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Les m\u00e9gadonn\u00e9es et l\u2019analyse pr\u00e9dictive constituent des \u00e9l\u00e9ments importants dans le cadre du travail d\u2019un scientifique des donn\u00e9es.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Les m\u00e9gadonn\u00e9es sont souvent d\u2019abord caract\u00e9ris\u00e9es par leur volume, leur vitesse et leur vari\u00e9t\u00e9.<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>Volume : la taille et la quantit\u00e9 des ensembles de donn\u00e9es. Bien qu\u2019il n\u2019existe aucun seuil \u00e9tabli pour d\u00e9terminer qu\u2019il s\u2019agit ou non de m\u00e9gadonn\u00e9es, on d\u00e9finit ces derni\u00e8res comme des ensembles de donn\u00e9es dont la taille ne permet pas d\u2019\u00eatre trait\u00e9es au moyen de bases de donn\u00e9es ou des solutions d\u2019entreposage de donn\u00e9es traditionnelles.<\/li><li>Vitesse : la vitesse \u00e0 laquelle s\u2019accumulent les m\u00e9gadonn\u00e9es. Chaque seconde, des m\u00e9gadonn\u00e9es sont produites par des millions d\u2019entit\u00e9s. Les donn\u00e9es t\u00e9l\u00e9matiques provenant des capteurs install\u00e9s sur les v\u00e9hicules, les bracelets de suivi de la sant\u00e9 ou les historiques de navigation en sont des exemples courants.<\/li><li>Vari\u00e9t\u00e9 : la source et la nature h\u00e9t\u00e9rog\u00e8nes des m\u00e9gadonn\u00e9es, soit structur\u00e9es, semi-structur\u00e9es et non structur\u00e9es.<\/li><\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Si ces caract\u00e9ristiques sont utiles et pr\u00e9sentent de nouveaux d\u00e9bouch\u00e9s, il importe \u00e9galement de prendre en consid\u00e9ration les d\u00e9fis que posent la v\u00e9racit\u00e9 et la variabilit\u00e9 associ\u00e9es \u00e0 l\u2019utilisation des m\u00e9gadonn\u00e9es. Il peut \u00eatre difficile d\u2019apparier, de nettoyer et d\u2019int\u00e9grer les m\u00e9gadonn\u00e9es \u00e0 d\u2019autres sources de donn\u00e9es. Elles sont aussi tr\u00e8s dynamiques et peuvent changer fr\u00e9quemment. Par cons\u00e9quent, au moment de travailler avec les m\u00e9gadonn\u00e9es, il conviendra de se concentrer sur le probl\u00e8me \u00e0 r\u00e9soudre pour d\u00e9terminer si la complexit\u00e9 et le co\u00fbt qu\u2019elles occasionnent sont compens\u00e9s par la valeur commerciale qu\u2019elles peuvent apporter.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">L\u2019analyse pr\u00e9dictive est le processus qui consiste \u00e0 tirer des renseignements des donn\u00e9es historiques afin d\u2019effectuer des pr\u00e9visions quant \u00e0 des \u00e9v\u00e9nements futurs. On a souvent recours \u00e0 des techniques ancr\u00e9es dans les statistiques pour approximer les relations entre un r\u00e9sultat cible et une s\u00e9rie de variables explicatives. Cela permet aux scientifiques des donn\u00e9es et aux actuaires d\u2019appliquer ces relations \u00e0 de nouveaux ensembles de donn\u00e9es afin de faire des pr\u00e9dictions et d\u2019\u00e9tablir des pr\u00e9visions.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Pour la profession actuarielle, qui existe depuis plus de 100 ans, l\u2019application de l\u2019analyse pr\u00e9dictive est tr\u00e8s famili\u00e8re, en particulier pour r\u00e9soudre les probl\u00e8mes li\u00e9s aux \u00ab m\u00e9gadonn\u00e9es du pass\u00e9 \u00bb. Les actuaires jonglaient avec des milliers, voire des millions, d\u2019incidents de mortalit\u00e9, de sant\u00e9 ou de r\u00e9clamations d\u2019accidents pour extraire des renseignements au sujet des risques connexes. Ces donn\u00e9es, les \u00ab m\u00e9gadonn\u00e9es du pass\u00e9 \u00bb, auraient \u00e9t\u00e9 bien difficiles \u00e0 traiter et \u00e0 accumuler avec les capacit\u00e9s informatiques de l\u2019\u00e9poque.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">N\u00e9anmoins, les actuaires sont parvenus \u00e0 surmonter ces difficult\u00e9s gr\u00e2ce \u00e0 l\u2019innovation, tout comme les avanc\u00e9es informatiques nous permettent aujourd\u2019hui de relever les d\u00e9fis associ\u00e9s aux m\u00e9gadonn\u00e9es.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Des approches diff\u00e9rentes<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Si les actuaires ont toujours eu recours \u00e0 l\u2019analyse pr\u00e9dictive pour concevoir les r\u00e9gimes de tarification ou pour \u00e9valuer les courbes de taux de mortalit\u00e9, ils ont tendance \u00e0 rechercher l\u2019explicabilit\u00e9 dans les mod\u00e8les et \u00e0 opter pour des solutions explicites. Par ailleurs, les scientifiques des donn\u00e9es, dont le travail vise l\u2019exactitude des pr\u00e9dictions, pr\u00e9f\u00e8rent les approches algorithmiques telles que les mod\u00e8les de renforcement du gradient (<a href=\"https:\/\/towardsdatascience.com\/understanding-gradient-boosting-machines-9be756fe76ab\" data-type=\"URL\" data-id=\"https:\/\/towardsdatascience.com\/understanding-gradient-boosting-machines-9be756fe76ab\" target=\"_blank\" rel=\"noreferrer noopener\"><em>gradient boosted models<\/em><\/a>) ou les <a href=\"https:\/\/otexts.com\/fpp2\/nnetar.html\" data-type=\"URL\" data-id=\"https:\/\/otexts.com\/fpp2\/nnetar.html\" target=\"_blank\" rel=\"noreferrer noopener\">mod\u00e8les de r\u00e9seaux de neurones<\/a> (neural network models) en raison du meilleur rendement qu\u2019elles offrent.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"alignright size-large is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.cia-ica.ca\/app\/uploads\/2024\/10\/FR_venn-edited.png\" alt=\"\" class=\"wp-image-566\" width=\"394\" height=\"308\"\/><\/figure><\/div>\n\n\n\n<p class=\"wp-block-paragraph\">Ces exemples, ainsi que le diagramme de Venn, permettent de mieux illustrer la place qu\u2019occupent les m\u00e9gadonn\u00e9es et l\u2019analyse pr\u00e9dictive dans le travail actuariel. Gr\u00e2ce \u00e0 l\u2019augmentation des d\u00e9veloppements technologiques, les actuaires ont davantage d\u2019occasions de tirer profit des m\u00e9gadonn\u00e9es pour parfaire leur travail. En appliquant l\u2019analyse pr\u00e9dictive aux donn\u00e9es t\u00e9l\u00e9matiques elles-m\u00eames ou en travaillant en collaboration avec des scientifiques des donn\u00e9es, les actuaires peuvent en faire beaucoup plus pour am\u00e9liorer la pr\u00e9diction et la quantification des risques.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De nos jours, bon nombre de scientifiques de donn\u00e9es investissent beaucoup d\u2019efforts dans la recherche de moyens de faciliter l\u2019explication des r\u00e9sultats des mod\u00e8les complexes afin de mieux cerner leurs limites \u00e0 l\u2019\u00e9gard de certaines anomalies des donn\u00e9es. Cela permet de rem\u00e9dier aux lacunes associ\u00e9es au recours \u00e0 des approches algorithmiques et de rendre ces derni\u00e8res plus accessibles pour les actuaires. En fin de compte, lorsque nous appliquons des mod\u00e8les ou que nous tirons parti du travail des autres, nous devrions toujours prendre en consid\u00e9ration la pertinence d\u2019utilisation et la faisabilit\u00e9 de la mise en \u0153uvre.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Intelligence artificielle (IA), apprentissage machine et apprentissage profond?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Nous entendons couramment aujourd\u2019hui les termes IA, apprentissage machine et apprentissage profond, qui sont parfois utilis\u00e9s de mani\u00e8re interchangeable. La compr\u00e9hension de ces termes pourrait permettre aux actuaires de mieux communiquer avec les scientifiques des donn\u00e9es.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">On pourrait consid\u00e9rer chacun de ces termes comme un domaine d\u2019\u00e9tude, chacun \u00e9tant plus pointu que le pr\u00e9c\u00e9dent :<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>L\u2019<strong>IA<\/strong> est un terme large et global. On pourrait la d\u00e9finir comme \u00e9tant la th\u00e9orie et la conception de syst\u00e8mes (informatiques) ayant la capacit\u00e9 d\u2019accomplir des t\u00e2ches qui n\u00e9cessitent habituellement l\u2019intelligence humaine. Elle englobe tout, de la reconnaissance visuelle et du langage \u00e0 la prise de d\u00e9cision, \u00e0 la traduction et \u00e0 l\u2019automatisation de t\u00e2ches humaines.<\/li><li>On d\u00e9finit l\u2019<strong>apprentissage machine<\/strong> comme \u00e9tant l\u2019utilisation et la conception de syst\u00e8mes informatiques qui ont la capacit\u00e9 d\u2019apprendre et de s\u2019adapter sans suivre des directives explicites, en ayant recours \u00e0 des algorithmes et \u00e0 des mod\u00e8les statistiques pour d\u00e9tecter des tendances dans les donn\u00e9es et en tirer des d\u00e9ductions.<\/li><li>L\u2019<strong>apprentissage profond<\/strong> est un type d\u2019apprentissage machine qui recourt \u00e0 de grands r\u00e9seaux de neurones comportant plusieurs niveaux d\u2019abstraction s\u2019inspirant de la structure et du fonctionnement du cerveau humain. Ces algorithmes se sp\u00e9cialisent dans des t\u00e2ches telles que la reconnaissance des images et le traitement automatique du langage naturel.<\/li><\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">L\u2019application de ces domaines d\u2019\u00e9tude est tr\u00e8s vaste et va au-del\u00e0 de la science des donn\u00e9es et de la science actuarielle. Les perc\u00e9es de l\u2019informatique quantique pourraient bient\u00f4t permettre les simulations et les algorithmes complexes auparavant limit\u00e9s par les op\u00e9rations informatiques classiques. Les actuaires pourraient appliquer ces nouvelles techniques \u00e0 la mod\u00e9lisation des risques et \u00e0 la quantification de probl\u00e8mes tels que la mod\u00e9lisation du capital \u00e9conomique, les tests de sensibilit\u00e9 dynamiques et l\u2019optimisation de portefeuille.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En somme, bien qu\u2019elle puisse sembler nouvelle et quelque peu inconnue, la science des donn\u00e9es est moins diff\u00e9rente que le veut notre perception. Les donn\u00e9es et la technologie sont en \u00e9volution constante. En tant qu\u2019adeptes de l\u2019apprentissage continu, les actuaires devraient toujours \u00eatre \u00e0 l\u2019aff\u00fbt des techniques innovantes qui contribuent \u00e0 am\u00e9liorer leur travail et \u00e0 remettre les traditions en question.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>La science des donn\u00e9es et la science actuarielle sont toutes deux multidisciplinaires; elles tirent des renseignements des donn\u00e9es et, pour \u00eatre fructueuses, n\u00e9cessitent une compr\u00e9hension approfondie des processus commerciaux sous-jacents et une excellente connaissance du domaine en question. En ayant une compr\u00e9hension plus approfondie de la science des donn\u00e9es, les actuaires pourraient tirer profit des r\u00e9sultats de celle-ci dans leur travail et y trouver des applications dans de nouveaux domaines de pratique.<\/p>\n","protected":false},"author":23333,"featured_media":352408,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false,"wicket_organization":""},"news-category":[308],"news-topic":[293],"class_list":["post-353953","news","type-news","status-publish","has-post-thumbnail","hentry","news-category-articles-fr","news-topic-science-des-onnees"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.cia-ica.ca\/fr\/wp-json\/wp\/v2\/news\/353953","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.cia-ica.ca\/fr\/wp-json\/wp\/v2\/news"}],"about":[{"href":"https:\/\/www.cia-ica.ca\/fr\/wp-json\/wp\/v2\/types\/news"}],"author":[{"embeddable":true,"href":"https:\/\/www.cia-ica.ca\/fr\/wp-json\/wp\/v2\/users\/23333"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.cia-ica.ca\/fr\/wp-json\/wp\/v2\/media\/352408"}],"wp:attachment":[{"href":"https:\/\/www.cia-ica.ca\/fr\/wp-json\/wp\/v2\/media?parent=353953"}],"wp:term":[{"taxonomy":"news-category","embeddable":true,"href":"https:\/\/www.cia-ica.ca\/fr\/wp-json\/wp\/v2\/news-category?post=353953"},{"taxonomy":"news-topic","embeddable":true,"href":"https:\/\/www.cia-ica.ca\/fr\/wp-json\/wp\/v2\/news-topic?post=353953"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}