Thursday morning, I will give the fifth (and last) lecture of the 数学・数理科学グローバル特別講義6について, at Kyoto University. The course will be located at 3号館127大会議室. Lecture notes are available online.

Thursday morning, I will give the fifth (and last) lecture of the 数学・数理科学グローバル特別講義6について, at Kyoto University. The course will be located at 3号館127大会議室. Lecture notes are available online.

Tuesday morning, I will give the fourth lecture of the 数学・数理科学グローバル特別講義6について, at Kyoto University. The course will be located at 3号館127大会議室. Lecture notes are available online.

Monday morning, I will give the third lecture of the 数学・数理科学グローバル特別講義6について, at Kyoto University. The course will be located at 3号館127大会議室. Lecture notes are available online.


Today, I will give the second lecture of the 数学・数理科学グローバル特別講義6について, at Kyoto University. The course will be located at 3号館127大会議室. Lecture notes are available online.

Today, I will give the very first lecture of the 数学・数理科学グローバル特別講義6について, at Kyoto University.
À la fin du XIXᵉ siècle, l’assurance vie s’est imposé comme un outil de sécurité économique pour les entreprises et les familles, en particulier aux États-Unis. Mais cette promesse n’a pas été appliquée pas de la même manière pour tous. En 1881, l’assureur Prudential annonçait que les prestations des polices d’assurance-vie souscrites par des adultes noirs seraient un tiers plus faibles que celles des Blancs, alors que les primes hebdomadaires resteraient identiques. Derrière l’apparence d’une égalité d’accès (primes identiques) se cache une inégalité profonde : payer autant, pour recevoir moins.
Cette pratique n’était pas marginale. Plusieurs grandes compagnies adoptèrent des règles analogues, institutionnalisant une forme d’« égalité fractionnaire » : tous pouvaient désormais accéder à l’assurance, mais pas aux mêmes conditions. Le rapport de la National Association of Insurance Commissioners (NAIC) rappelle ainsi que « dès les années 1880, les prestations offertes aux assurés noirs étaient systématiquement réduites, souvent d’un tiers » .
Pour légitimer ces politiques, les actuaires ont mobilisé des arguments statistiques. La mortalité afro-américaine étant plus élevée en moyenne, les compagnies estimaient « rationnel » de réduire les prestations. Mais cette rationalité n’était qu’un masque. L’argument statistique fut consolidé par les travaux de Frederick L. Hoffman, statisticien chez Prudential, qui publia en 1896 Race Traits and Tendencies of the American Negro. Dans ce texte, qui a été très influent, Frederick L. Hoffman affirmait que les Noirs étaient voués à une disparition progressive, citant leur supposée propension à la maladie, au crime et à l’alcoolisme . Ce qui relève aujourd’hui de la pseudo-science raciale fut alors mobilisé comme base « objective » pour justifier des pratiques commerciales discriminatoires.
Comme l’a noté le rapport de l’Evolution of Race and Insurance Project, ces politiques tarifaires ont durablement façonné la structure du marché : elles ont conduit à la création de compagnies noires indépendantes (comme la North Carolina Mutual Life Insurance Company en 1898), précisément pour pallier l’injustice des contrats offerts par les assureurs dominants .
Du point de vue des compagnies d’assurance de la fin du XIXᵉ siècle, la justification semblait aller de soi : les chiffres parlent. Les tables de mortalité indiquaient en effet que la population noire connaissait, en moyenne, des taux de décès plus élevés et une espérance de vie plus faible que la population blanche.
Les données compilées par Frederick L. Hoffman servaient de référence. Dans son ouvrage (Race Traits and Tendencies of the American Negro) il affirmait que la race noire était vouée à la disparition, s’appuyant sur des taux de mortalité supérieurs dans les grandes villes, ayant une plus forte prévalence de certaines maladies et une supposée incapacité à s’adapter au progrès moderne. Ces thèses furent publiées par l’American Economic Association et reprises dans des revues respectées, donnant une caution pseudo-scientifique à des politiques commerciales discriminatoires (Wolff 2006 ; NAIC 2021).
Pourtant, dès cette époque, des voix critiques s’élevaient. W. E. B. Du Bois, dans The Philadelphia Negro (1899), dénonçait l’usage biaisé de la statistique raciale. Les taux de mortalité plus élevés des Afro-Américains, expliquait-il, ne reflétaient pas une prétendue « infériorité biologique », mais des conditions sociales et sanitaires dramatiques : logements insalubres, pauvreté, discriminations dans l’accès aux soins. Autrement dit, ce que les assureurs présentaient comme une donnée « objective » relevant de la biologie était en réalité le produit de l’injustice sociale.
Pour ceux qui veulent faire l’analyse, je peux renvoyer aux tables de mortalité de la CDC qui, jusque dans les années 1970, proposait des tables “for the Negro population”.

Dans le livre, j’avais tracé les probabilités de survie, et les probabilités annuelles de décès dans les deux groupes (hommes Noirs ou Blancs).

Mais au delà des questions de chiffres, certes importantes, la tension était là : fallait-il considérer ces différences statistiques comme un fondement légitime pour réduire les prestations d’assurance, ou comme l’expression même d’une inégalité sociale qu’il fallait combattre ? Les assureurs choisirent la première option, en habillant leurs pratiques du manteau de la rationalité actuarielle.
Sur le plan actuariel, la logique est simple. Dans une population hétérogène où coexistent des individus à risque élevé et d’autres à risque faible, l’assureur doit rester à l’équilibre : les cotisations encaissées doivent suffire à couvrir les sinistres attendus, plus une marge pour les frais et le bénéfice. Deux voies s’offrent alors à lui :
C’est cette seconde option qu’ont retenue Prudential et d’autres compagnies dans les années 1880 : plutôt que d’afficher des primes explicitement différenciées selon la race, elles maintinrent un prix uniforme, mais avec des prestations réduites pour les Noirs, souvent d’un tiers. Pourquoi ce choix ? Plusieurs raisons se cumulaient :
En apparence, l’égalité était respectée : chacun pouvait accéder à une police d’assurance au même prix. Mais l’égalité réelle était biaisée, car ce prix n’achetait pas la même protection. C’est ce paradoxe qui illustre la violence de la généralisation statistique : transformer une moyenne en destin contractuel, et l’habiller des atours de la rationalité économique.
On pourrait croire que l’histoire des deux tiers appartient au passé, à une époque révolue où le racisme se proclamait ouvertement et où les statistiques servaient d’alibi à des discriminations frontales. Pourtant, ces pratiques posent aujourd’hui encore un problème conceptuel majeur : comment repérer et mesurer les discriminations en assurance ?
Lorsque les primes diffèrent entre groupes, la discrimination saute aux yeux et peut être documentée, contestée, parfois même sanctionnée. Mais l’exemple de Prudential en 1881 rappelle que l’injustice peut se nicher ailleurs : non pas dans ce que l’on paie, mais dans ce que l’on reçoit. Ici, le prix de la police d’assurance était identique pour les Blancs et les Noirs, mais l’indemnité, elle, était réduite d’un tiers.
Cette asymétrie est redoutable pour les chercheurs comme pour les régulateurs. Les primes sont visibles, publiées, comparables. Les prestations, elles, se découvrent seulement au moment du sinistre, dans les détails des clauses contractuelles ou dans les pratiques d’indemnisation. L’égalité peut être affichée à l’entrée (tout le monde a accès au contrat) et détruite à la sortie (mais pas pour le même montant d’indemnisation).
C’est pourquoi l’histoire des discriminations en assurance ne relève pas seulement de l’archéologie institutionnelle : elle éclaire des questions contemporaines. À l’ère des algorithmes et de l’assurance connectée, il est plus que jamais nécessaire de scruter non seulement les tarifs, mais aussi les prestations réelles et les indemnisations effectives. Car la justice ne se mesure pas seulement à ce que l’on paie pour entrer dans le système, mais à ce que l’on obtient quand on en a besoin.
Du Bois, W. E. B. (1899). The Philadelphia Negro: A Social Study. Philadelphia: University of Pennsylvania Press.
Hoffman, F. L. (1896). Race Traits and Tendencies of the American Negro. Publications of the American Economic Association, vol. 11, no. 1–3. New York: Macmillan.
National Association of Insurance Commissioners (NAIC). (2021). Milestones in Racial Discrimination within the Insurance Industry. NAIC Research Report.
Wolff, E. N. (2006). “The Myth of the Actuary: Life Insurance and Frederick L. Hoffman’s Race Traits and Tendencies of the American Negro.” Public Health Reports, Jan-Feb. 2006; 121(1):84-91.
U.S. Centers for Disease Control and Prevention (CDC). (1970). Life Tables for the Negro Population of the United States, 1900–2001. National Center for Health Statistics
La question de l’équité n’a jamais cessé de diviser juristes, philosophes et responsables politiques. Faut-il traiter tout le monde de la même manière pour atteindre une société juste, ou bien reconnaître que certaines inégalités historiques exigent un traitement différencié ? Des arrêts emblématiques de la Cour suprême américaine (wikipedia, wikipedia) aux débats sur la parité en Europe (Coffé et al. (2024)), des politiques de « reservations » en Inde (wikipedia ou Aygün & Turhan (2025)) aux mesures canadiennes d’équité en emploi (wikipedia), les sociétés oscillent entre deux visions inconciliables, mais également légitimes. Ce billet propose de revenir sur cette tension constitutive, en explorant ses racines historiques et ses déclinaisons contemporaines.
Depuis plus d’un demi-siècle, la quête d’égalité s’impose comme l’un des enjeux politiques et philosophiques les plus disputés. Aux États-Unis, le mouvement des droits civiques des années 1960 marque un tournant décisif. Le Civil Rights Act (1964) et le Voting Rights Act (1965) mettent fin, du moins sur le plan légal, à la ségrégation institutionnelle qui prévalait dans le Sud depuis la fin de la guerre de Sécession. Mais très vite, un problème apparaît : l’égalité proclamée en droit n’entraîne pas automatiquement l’égalité en fait.
Dans ce contexte, la Cour suprême américaine devient l’arène de débats fondamentaux. En 1978, l’affaire Regents of the University of California v. Bakke ( wikipedia) porte sur les quotas d’admission destinés aux minorités. Le juge Harry Blackmun y écrit une phrase devenue célèbre : “In order to get beyond racism, we must first take account of race. There is no other way. And in order to treat some persons equally, we must treat them differently.”
Cette formule, qui peut sembler paradoxale, condense une vision : corriger des siècles d’inégalités requiert un traitement différencié. Pourtant, d’autres voix s’élèvent. En 2007, John Roberts, alors Chief Justice, exprime une position inverse lors d’une affaire sur l’attribution des places dans des écoles publiques : “The way to stop discrimination on the basis of race is to stop discriminating on the basis of race.”
Deux visions, deux philosophies : l’une mise sur l’action correctrice, l’autre sur l’égalité par la neutralité. Ces deux pôles nourrissent, depuis un demi-siècle, des débats sans fin sur la justice, l’équité et les politiques publiques.
La première approche consiste à reconnaître que les injustices historiques ne disparaissent pas d’elles-mêmes et que l’égalité formelle ne suffit pas. C’est le raisonnement derrière ce que le droit américain nomme le disparate treatment. L’idée est simple : si les règles du jeu sont biaisées par le poids du passé, les appliquer de manière identique à tous ne peut que reproduire les inégalités existantes.
C’est de là que découle l’affirmative action, traduite en français par « discrimination positive ». Cette politique, mise en place aux États-Unis dès les années 1970, vise à favoriser l’accès des minorités raciales, mais aussi des femmes, à l’éducation et à l’emploi. L’arrêt Grutter v. Bollinger (2003) confirmera la possibilité pour les universités de prendre en compte la race comme critère, à condition qu’il s’agisse d’un facteur parmi d’autres (wikipedia).
Philosophiquement, cette position trouve des échos chez plusieurs auteurs. Rubenfeld (1997) insiste sur la nécessité de reconnaître l’histoire pour parvenir à une justice effective. Pojman (1998), bien que critique, rappelle que les partisans de la discrimination positive la justifient par l’impératif de compenser les désavantages structurels. Anderson (2004) défend l’idée d’une égalité démocratique, qui exige parfois des mesures différenciées pour rendre effectif le principe d’égalité citoyenne.
Les exemples ne manquent pas. Dans le domaine universitaire, les programmes destinés aux minorités sous-représentées ont permis à des milliers d’étudiants afro-américains ou latino-américains d’accéder à des établissements d’élite. Dans le monde du travail, des entreprises publiques comme privées ont instauré des programmes de diversité et d’inclusion visant à refléter la composition réelle de la société.
Mais cette logique ne se limite pas aux États-Unis.
Dans tous ces cas, l’argument est le même : pour corriger une inégalité durable, il faut accepter de traiter différemment – au moins temporairement.
Face à cette approche, une autre philosophie propose une conception radicalement différente de l’équité. John Roberts, en 2007, résume cette vision : “The way to stop discrimination on the basis of race is to stop discriminating on the basis of race.”
Cette approche, dite colorblind (indifférente à la couleur), défend l’idée que toute distinction, même animée des meilleures intentions, ne fait que renforcer la pertinence de catégories raciales ou sociales que l’on devrait au contraire abolir. Ici, la justice réside dans le processus lui-même : si les règles sont les mêmes pour tous, alors le résultat sera juste, quelle qu’en soit la répartition.
Dans la jurisprudence américaine, cette conception s’appuie sur le concept de disparate impact. Plutôt que de corriger par un traitement différencié, il s’agit d’évaluer les effets indirects des politiques : si une règle apparemment neutre produit un effet disproportionné sur une minorité, alors elle peut être jugée discriminatoire. Mais en aucun cas il ne s’agit d’introduire des quotas ou des préférences explicites.
Politiquement, cette vision inspire nombre de décisions conservatrices. Après sa seconde élection, Donald Trump fit de l’abrogation de programmes de diversité une mesure symbolique, au nom de la neutralité et du refus du « favoritisme ». Dans l’opinion publique, cet argument trouve un écho : pourquoi le fils d’un immigré récent devrait-il être désavantagé face à un étudiant afro-américain bénéficiant de quotas, alors même qu’aucun de ses ancêtres n’a participé à l’esclavage ou à la ségrégation ?
Cette approche existe aussi ailleurs.
Cette philosophie a sa cohérence : en refusant toute différenciation, elle espère faire disparaître, à long terme, la pertinence même des catégories sociales et raciales. Mais elle a aussi ses limites. Car en se focalisant uniquement sur la neutralité du processus, elle peut ignorer le poids des inégalités structurelles, reproduisant ainsi, sous couvert de justice, les hiérarchies héritées de l’histoire.
Ces deux visions ne cessent de s’affronter, aux États-Unis comme ailleurs. Pour les uns, l’équité se situe dans le processus : des règles justes produisent des résultats justes. Pour les autres, la justice exige une prise en compte active des inégalités existantes, et donc un traitement différencié.
Cette tension traverse également les débats européens sur la parité, les quotas pour personnes handicapées dans l’emploi, ou encore les politiques migratoires. Elle se retrouve au Canada, dans les discussions sur les droits des peuples autochtones. Elle est centrale en Inde, où les reservations sont à la fois considérées comme un instrument de justice et critiquées comme une source de nouvelles fractures sociales.
On pourrait dire que cette opposition est universelle : faut-il viser l’égalité par le traitement identique ou par le traitement différencié ? Les expériences internationales montrent que chaque société tente d’y répondre à sa manière, en fonction de son histoire, de ses institutions et de ses idéaux.
Peut-être faut-il accepter que cette tension n’aura jamais de solution définitive. Elle est constitutive de la démocratie elle-même, qui oscille entre l’idéal d’universalité et la reconnaissance des particularismes. L’équité, en ce sens, n’est pas un état à atteindre, mais une discussion permanente, un travail sans fin d’ajustement entre le général et le particulier, entre le principe et le réel.
Anderson, E. (2010). The imperative of integration. Princeton University Press.
Chemerinsky, E. (2014). Making Schools More Separate and Unequal: Parents Involved in Community Schools v. Seattle School District No. 1. Mich. St. L. Rev., 633.
Deibel, Z. (2018). Affirmative Action: Regents of the University of California V. Bakke. Cavendish Square Publishing, LLC.
Lippert-Rasmussen, K. (2020). Making sense of affirmative action. Oxford University Press.
Pojman, L. (1998). The case against affirmative action. International Journal of Applied Philosophy, 12, 97-115.
Rubenfeld, J. (1997). Affirmative action. Yale LJ, 107, 427.
Schanze, Eric (2013). « Injustice by Generalization: Notes on the Test-Achats Decision of the European Court of Justice » German Law Journal, Vol. 14, no 2.
Turner, R. (2015). The way to stop discrimination on the basis of race. Stan. JCR & CL, 11, 45
J’ai l’impression que souvent les statistiques permettent de clôturer un débat. Elles donnent une impression d’objectivité, de neutralité, de rigueur. Mais quand elles se transforment en règles de droit ou en barèmes d’assurance, elles cessent d’être de simples moyennes pour devenir des destins. L’affaire Ten Oever, jugée par la Cour de justice des Communautés européennes en 1993, en est une illustration : peut-on refuser une pension à un veuf au motif que « les femmes vivent plus longtemps que les hommes » ? Les discussions qui se sont engagées lors du procès sont éclairantes, mais aussi déroutantes, mettant en lumière une tension forte entre la justice qui protège l’individu contre la généralisation, et celle qui accepte l’approximation statistique au nom de l’efficacité collective.
En 1993, la Cour de justice des Communautés européennes est saisie d’une affaire singulière : Gerardus Cornelis Ten Oever v Stichting Bedrijfspensioenfonds voor het Glazenwassers- en Schoonmaakbedrijf. L’histoire est simple, et tragique. Monsieur Ten Oever perd son épouse, employée dans le secteur du nettoyage et affiliée à un fonds de pension professionnel. Mais à la lecture du règlement, il découvre que si les veuves ont droit à une pension de survivant, les veufs, eux, n’y ont pas droit. À l’époque, le droit à une pension de veuf n’existait pas encore. Saisi, l’Avocat général Van Gerven va rappeler que même si les femmes vivent en moyenne plus longtemps que les hommes, cela ne dit absolument rien de la vie d’une femme particulière, ni de celle d’un homme particulier.
« Discrimination exists when men and women are treated, not as individuals, but as a group … He rejected the view that difference in life expectancy could be seen as a relevant and objective difference in that it had any direct bearing on the life expectancy of a particular individual. »
L’argument actuariel (la moyenne statistique) ne saurait devenir un destin juridique. On retrouve ici l’écho d’une idée ancienne. Hume déjà distinguait entre ce qui « est » et ce qui « doit être » : une régularité empirique (« les femmes vivent plus longtemps ») ne peut justifier une norme morale ou juridique (« les femmes doivent payer plus », ou « les hommes n’ont pas droit à une pension »). L’affaire Ten Oever illustre ce moment où le droit vient rappeler à l’ordre la statistique : la moyenne ne fait pas loi.
Le juriste Eric Schanze, dans son article Injustice by Generalization (2013), reprend ce fil et le déroule. Selon lui, nos institutions (assurance, droit, économie) reposent toutes sur des généralisations. Or, même les plus robustes conduisent à ce qu’il appelle une injustice par généralisation : l’individu est jugé à travers une moyenne qui ne lui correspond pas. Exemple typique : les femmes vivent plus longtemps en moyenne, donc elles recevront des pensions plus faibles. Mais appliquer cette règle à chaque femme, indépendamment de sa trajectoire singulière, revient à l’enfermer dans la statistique.
Eric Schanze insiste sur une distinction essentielle : une corrélation empirique ne fonde pas une norme juridique. Le droit ne peut se contenter de l’efficacité actuarielle. Il doit préserver l’égalité de traitement, même au prix d’une certaine inefficacité. Car derrière l’argument « ce n’est pas moi qui discrimine, c’est la statistique », se profile une déresponsabilisation morale des institutions.
On reconnaît là une filiation kantienne : la dignité de l’individu ne peut être sacrifiée au profit de l’agrégat. En réduisant une femme à la statistique « vit en moyenne plus longtemps », on la traite comme un moyen d’optimiser un régime de retraite, et non comme une fin en soi. Même si la généralisation est « vraie » pour le groupe, elle nie la singularité de la personne. Pour Eric Schanze, la statistique est toujours suspecte moralement : elle est une violence épistémique, une réduction de l’humain. Sa position est exigeante : la justice, c’est traiter chaque individu pour lui-même, quel qu’en soit le coût.
À l’opposé, Frederick Schauer défend une approche plus pragmatique, presque désabusée. Dans Profiles, Probabilities, and Stereotypes (2006) et ses textes ultérieurs, il rappelle une évidence : nous ne pouvons pas échapper aux généralisations. Toute décision humaine, même individualisée, passe par des proxys. Quand on analyse la vue d’un pilote aujourd’hui pour prédire sa vue demain, on généralise. Quand on fixe un âge légal pour conduire ou boire de l’alcool, on généralise. Quand un assureur calcule une prime en fonction du lieu de résidence, il généralise. Frederick Schauer distingue alors deux formes :
Selon lui, l’enjeu n’est pas d’abolir la généralisation (c’est selon lui une tâche impossible) mais d’arbitrer entre efficacité et égalité. Il reconnaît que certaines catégories (race, sexe, religion) sont trop chargées symboliquement pour qu’on accepte la moindre généralisation, même statistiquement robuste. Mais ailleurs, l’approximation statistique est jugée acceptable, car tester chaque individu serait tout simplement impossible.
Sa logique est clairement utilitariste : peser les coûts et les bénéfices. Fixer un âge limite pour piloter un avion produira des injustices individuelles (certains septuagénaires sont de meilleurs pilotes que des quadragénaires), mais garantit un gain collectif en sécurité et en simplicité. La statistique, ici, n’est pas immorale : elle est un outil social.
On pourrait croire ce débat réservé aux juristes et aux actuaires. Pour l’anecdote, nous l’avions eu il y a 7 ou 8 ans, avec deux collègues juristes, Delphine Cocteau-Senn et Rodolphe Bigot. On a trouvé la discussion tellement stimulante qu’on a eu la prétention de la mettre par écrit, et de la publier… Mais en réalité, il traverse toutes les discussions qu’on peut avoir sur l’équité.
Certains pensent que la justice réside dans le processus : si les règles sont claires, transparentes, appliquées à tous sans passe-droit, alors le résultat est juste. Peu importe qu’il y ait des écarts, l’important est que chacun ait joué avec les mêmes cartes. Cette vision procédurale, proche d’une tradition libérale, valorise l’égalité de traitement dans le jeu institutionnel. Au contraire, d’autres rappellent que « les voies de l’enfer sont pavées de bonnes intentions ». Un système peut être impeccable dans son fonctionnement local, et pourtant, globalement, produire des injustices profondes. Pour eux, seul le résultat compte. Une règle apparemment neutre mais qui renforce systématiquement les inégalités ne peut pas être juste.
Ces deux visions (justice procédurale et justice conséquentialiste) s’affrontent dans des domaines très divers :
L’affaire Ten Oever nous rappelle une chose simple et essentielle : confondre statistique et destin est une tentation constante. La moyenne rassure, elle donne l’illusion d’objectivité. En tant que statisticien le “paradoxe écologique” nous rappelle que ce n’est jamais une bonne idée , mais la tentation est forte. Mais elle est constante dans nos bureaucraties, qui ont tendance à transformer une courbe en destin, courant le risque d’écraser des vies singulières au nom d’une rationalité froide. Mais le débat doit être posé. Voulons-nous d’un monde juste dans ses règles, ou d’un monde juste dans ses résultats ?
CJCE, 6 octobre 1993, Gerardus Cornelis Ten Oever v Stichting Bedrijfspensioenfonds voor het Glazenwassers- en Schoonmaakbedrijf, C-109/91. Texte intégral disponible sur EUR-Lex : [CELEX 61991CJ0109].
Schanze, Eric (2013). « Injustice by Generalization: Notes on the Test-Achats Decision of the European Court of Justice » German Law Journal, Vol. 14, no 2.
Schauer, Frederick (2003). Profiles, Probabilities, and Stereotypes. Harvard University Press.
Schauer, Frederick (2017). « Statistical (and non-statistical) Discrimination », in Kasper Lippert-Rasmussen (ed.), The Routledge Handbook of the Ethics of Discrimination, Routledge, pp. 42-53.
Fricker, Miranda (2007). Epistemic Injustice: Power and the Ethics of Knowing. Oxford University Press.
Hume, David (1739-1740). A Treatise of Human Nature.
Rawls, John (1971). A Theory of Justice. Harvard University Press.
this Fall I will give the “Global Mathematics Lecture IV” at Kyoto University, a series open to all graduate students across the university (not limited to mathematics). My talk will focus on “algorithmic discrimination in predictive models”, based on Insurance, Biases, Discrimination and Fairness (published last year), with a particular emphasis on applications in insurance, a topic especially relevant for students in the actuarial/insurance track of the MSc program in the Department of Mathematics. Looking forward to engaging discussions with the students!

Parution d’un court article, “Des primes d’assurance personnalisées moins chères grâce à l’IA ? Voici pourquoi il s’agit d’une pente glissante”, sur https://theconversation.com/
L’assurance repose sur un principe de solidarité que mettent à mal les algorithmes chargés de constituer nos profils. À mesure en effet que les algorithmes se précisent, la facture se personnalise. Divers profils « à risque » peuvent ainsi se retrouver exclus des régimes d’assurance, tant les coûts sont élevés. La personnalisation a une légitimité évidente. On doit toutefois lui concilier un accès équitable à l’assurance.
Il faut d’abord savoir que l’assurance est traversée par un paradoxe fondamental. D’un côté, ses principes mêmes supposent un mécanisme collectif où chacun contribue selon sa capacité, et tire profit de la solidarité en cas de sinistre. De l’autre, les avancées technologiques, les données de plus en plus massives et les méthodes actuarielles de plus en plus précises poussent à individualiser toujours davantage les tarifs.
À cette tension s’ajoute un cadre légal de plus en plus exigeant, qui interdit toute forme de discrimination fondée sur des données sensibles, parfois corrélées à des facteurs de risque pourtant pertinents.
La suite sur https://theconversation.com/
En attendant, je peux en profiter pour un petit point rapide de grammaire. La version avant la mise en ligne ce matin avait un titre un peu différent

Dans « des primes moins chères », chères est un adjectif qui qualifie les primes (féminin pluriel) : il s’accorde donc → chères. Et cette petite qualification est à distinguer du cas où cher est adverbe (et donc devient invariable), notamment s’il suit des verbes comme coûter, payer, acheter, vendre : on dit ici
Ces primes moins chères (adjectif, on accorde).
mais on aurait du écrire
Ces primes coûtent moins cher (adverbe, pas d’accord).
si on avait ajouté le verbe coûter… mais avec le verbe être,
Ces primes sont moins chères (adjectif, on accorde)
Enfin, c’est ce que je crois avoir compris….
Le numéro 142 de la Revue Risques est sorti, avec pour thème “Assurance: segmenter sans discriminer”… thème qui m’est cher…

This article was originally written in French, and published here
“The decision cannot be racist since it was made without any information about the person’s ethnic origin. ” We’ve all heard this kind of statement at one time or another. Whether it’s about racism, ageism, or sexism. Whether it’s about human decisions, models, or algorithms. However, “ Kranzberg’s Law ”1 reminds us that technology is neither good nor bad, but it is not neutral either. Neutrality may only come at a certain price. And it may be time to revisit the major principles surrounding segmentation and fairness in insurance, to better understand what we’re talking about when we raise the issue of discrimination.

Figure: Krater representing Theseus and Procrustes, and Theseus killing the Crommyon boar (source The Miriam and Ira D. Wallach Division of Art , 1862 – 1864 )
Continue reading Paradoxes of segmentation and discrimination in insurance
“La décision ne peut pas être raciste puisqu’elle a été prise sans aucune information sur l’origine ethnique de la personne.” Ce genre d’affirmation, on l’a tous entendu un jour ou l’autre. Que ce soit sur le racisme, l’âgisme ou le sexisme. Que ce soient des décisions humaines, des modèles ou des algorithmes. Pourtant, la “loi de Kranzberg”1 nous rappelle que la technologie n’est ni bonne ni mauvaise mais, elle n’est pas neutre pour autant. La neutralité risque de ne venir qu’à un certain prix. Et il est peut être temps de revenir sur les grands principes autour de la segmentation et de l’équité, en assurance, pour mieux comprendre de quoi on parle quand on évoque la question de la discrimination.

Figure: Krater représentant Thésée et Procruste, et Thésée tuant le sanglier de Crommyon (source The Miriam and Ira D. Wallach Division of Art, 1862 – 1864)
Continue reading Les paradoxes de la segmentation et de la discrimination en assurance
Pour compléter mon exposé auprès de l’Association des Masters d’Actuariat, je vais poster un billet, qui reprend les slides de mon intervention, avec un peu du discours qui va avec. Tout d’abord, mille excuses, mais les slides sont en anglais. Et ce que je raconte est très librement basé sur des travaux récents qu’on a pu mener, avec pas mal de monde, dont Laurence Barry (de la chaire PARI), Marie-Pier Côté (professeure à l’université Laval, à Québec), Olivier Côté (doctorant que je co-supervise avec Marie-Pier), Agathe Fernandes Machado (doctorante à l’UQAM), Ewen Gallic, (maître de conférences, à Marseille), François Hu (ancien stagiaire postdoctoral et aujourd’hui consultant en France), Philipp Ratz (ancien stagiaire postdoctoral et aujourd’hui consultant en Suisse), ainsi qu’Ana Patron Pinerez (ancienne stagiaire qui venait de Colombie) et Mulah Moriah (doctorant en France, que j’ai suivi pendant son mémoire de fin de maîtrise).
With Marie-Pier Côté and Olivier Côté, we recently upload a short note, selection bias in insurance: why portfolio-specific fairness fails to extend market-wide, now available on SSRN,
Fairness centres on people. In insurance, the scope of fairness should be the entire insured population, not solely an insurer’s clients. However, each insurance company’s portfolio represents a possibly skewed subsample. Models fit to these selection-biased data do not generalise well for the broader population of insureds. Two biases stem from portfolio composition: representation bias, when large prediction errors are made on individuals from subpopulations infrequently observed, and selection bias, when underwriting and marketing skew the portfolio away from the insured population. We examine how portfolio composition affects fair premium methodologies for mitigating direct and indirect discrimination on a protected attribute. We illustrate how unfairness mitigation based on a selection-biased portfolio does not yield a fair market from the perspective of insureds. Relying on causal inference and a portfolio composition indicator, we describe the selection mechanism and determine conditions under which each bias affects various fairness-adjusted premiums. We propose a method to recover the population-wide fairness-adjusted premiums from selection-biased data, by using a (third-party provided) unbiased estimate of the prohibited attribute distribution. We show that this approach effectively mitigates selection bias but leads to overall premiums that are not balanced. In a limiting case, we show that portfolio-specific fairness-aware premiums can lead to a market-wide unawareness strategy: portfolio composition opens the back door to proxy discrimination.