Aller au contenu

Analyser

Prédire le risque d'accident des futurs assurés

Modélisation par forêt aléatoire sur 500 000 assurés auto enrichis de données externes, et livraison d'un simulateur prédisant le risque de sinistre avec primes ajustables. Cas remporté par l'équipe.

GagnantInsuranceMachine LearningRandom ForestClusteringPricing Simulator

Démo interactive

Le simulateur de risque et de prime

Décrivez un futur assuré et son véhicule : le modèle estime la probabilité d'un sinistre dans l'année, explique ce qui la fait varier, et la traduit en une prime ajustable.

Simulé dans votre navigateur · données illustratives

Chargement de la démo…

Le défi

Réalisé lors d'un Business Deep Dive de trois semaines avec Generali, ce cas visait à évaluer finement le risque de sinistre de futurs assurés automobiles et à transformer les prédictions du modèle en un outil de tarification directement exploitable.

La question

Comment exploiter l'historique de 500 000 assurés et des données externes pour prédire si un futur conducteur aura un sinistre dans l'année et ajuster dynamiquement sa prime d'assurance ?

Ce que j'ai fait

Nettoyage approfondi des données, enrichissement par des sources externes et segmentation des profils par clustering. Entraînement et optimisation d'un modèle Random Forest évalué via les métriques ROC-AUC, Accuracy et Precision, puis intégration du modèle dans un simulateur interactif.

Coulisses · Sources de données

Un jeu de données de 500 000 assurés automobiles regroupant des variables liées au conducteur et au véhicule, enrichi par l'intégration de jeux de données externes.

Le résultat

L'équipe a remporté le Business Deep Dive. Livraison d'un simulateur opérationnel capable de prédire le risque de sinistre d'un futur assuré et de proposer des primes d'assurance ajustables selon le niveau de risque.