Correlation, Causation, Circumstance, Context

This post was originally written and published in French, Corrélation et causalité, circonstance et contexte

Let’s imagine we collected a few pieces of information, for a clearly identified individuals, via connected devices,

  • Thursday 18:30: a €45 purchase at a bar-tabac
  • Friday 13:15, 1 hour above Porte Saint-Martin
  • Saturday 14:00, 1 hour near Place de la République

Trying to make the data “speak”, we might hesitate between a first version

  • Thursday 18:30: a €45 purchase of cigarettes
  • Friday 13:15, 1 hour at the mosque, at prayer time
  • Saturday 14:00, 1 hour in a demonstration that started from Place de la République in the early afternoon

and a second version

  • Thursday 18:30: a €45 purchase of tax stamps
  • Friday 13:15, 1 hour at the gym
  • Saturday 14:00, 1 hour at the hairdresser’s, Place de la République

In other words: with the very same raw signal, we can build two perfectly coherent stories. This is not an artistic trick à la Sophie Calle; it is the standard situation as soon as we work with traces (geolocation, timestamps, spending, calls, driving). Data do not necessarily lie. But they underdetermine the narrative, because they allow several possible worlds. In insurance (and more broadly in the economy of prediction), we are used to taking correlations and turning them into decisions—not only to “understand”, but to price, classify, accept, refuse. The point is not to say this is illegitimate in principle. The point is to recall what we do when we only correlate, and what we forget when we have no context.

Continue reading Correlation, Causation, Circumstance, Context

Corrélation et causalité, circonstance et contexte

Imaginons qu’on ait collecté, pour une personne clairement identifiée, quelques informations sur Paris, via des objets connectés,

  • Jeudi 18:30 : achat pour 45€ dans un bar-tabac
  • Vendredi 13:15, 1h au dessus de la Porte Saint Martin
  • Samedi 14:00, 1h  proche de la Place de la République

En essayant de faire parler les données, on hésite entre une première version

  • Jeudi 18:30 : achat pour 45€ de cigarettes
  • Vendredi 13:15, 1h à la mosquée, à l’heure de la prière
  • Samedi 14:00, 1h  dans une manifestation qui partait de la Place de la République en début d’après midi

et une seconde version

  • Jeudi 18:30 : achat pour 45€ de timbres fiscaux
  • Vendredi 13:15, 1h au club de sport
  • Samedi 14:00, 1h  chez le coiffeur, place de la République

Autrement dit, avec un même signal brut, on a deux histoires parfaitement cohérentes. Ce n’est pas une pirouette artistique à la Sophie Calle, c’est la situation standard dès qu’on manipule des traces (géolocalisation, heures, dépenses, appels, conduite). Les données ne mentent pas forcément. Mais elles sous-déterminent le récit puisqu’elles autorisent plusieurs mondes possibles. En assurance (et plus largement dans l’économie de la prédiction), on a l’habitude de prendre des corrélations pour en faire des décisions. Pas seulement pour “comprendre”, mais pour tarifer, classer, accepter, refuser. Le point n’est pas de dire que c’est illégitime par principe. Le point est de rappeler ce qu’on fait quand on se contente de corréler, et ce qu’on oublie quand on n’a pas de contexte.

Continue reading Corrélation et causalité, circonstance et contexte