Les forts enjeux liés à l’industrie de l’assurance viennent s’inscrire dans un contexte général de révolution numérique où les clients assurés sont de plus en plus exigeants et avertis sur l’offre d’assurance en raison de la démultiplication des canaux d’information. A ce titre, une menace de plus en plus imminente se profile avec l’entrée sur le marché de potentiels nouveaux acteurs susceptibles de mieux connaitre les besoins clients au regard des masses de données qu’ils auraient collectées en amont par divers canaux.

Dans ce contexte toutes les dispositions techniques et technologiques qui concourent à plus d’agilité et de souplesse dans les approches classiques de mesure, de suivi et d’appréciation du risque sont expérimentés dans les compagnies d’assurance. Jusque-là les données étaient souvent appréhendées en silo et rarement mises en commun. Il existe désormais plusieurs solutions pour le traitement et l’exploitation rapide de ces données.

Celles-ci font appel à des compétences spécifiques. C’est dans ce contexte que l’Institut du Risk Management s’est engagé à proposer aux actuaires et professionnels de l’assurance une formation de qualité avec des applications concrètes en assurance.

Pourquoi se former à la Data Science ?

La formation valide la compétence complémentaire "Exploiter la data science dans le secteur de l'assurance".

PUBLIC VISE ET PRE-REQUIS 

La formation s’adresse aux professionnels de l’analyse statistique (actuaires, chargés d’études actuarielles, responsables de la tarification et de l’évaluation des risques, data scientiste sans connaissance du secteur assurantiel, ayant besoin d’acquérir des compétences complémentaires leur permettant de développer leurs champs d’expertise dans le domaine de la data-science pour les métiers techniques de l’assurance.

Il est conseillé d’avoir un niveau M2 en mathématiques appliquées, statistiques ou finance mathématique, ou un diplôme d’ingénieur ou d’école de commerce avec un contenu mathématique ou statistique conséquent. Aucune ancienneté professionnelle requise.

PROFIL DES STAGIAIRES

Qui sont les stagiaires de la formation ?

OBJECTIFS DE LA FORMATION
La formation valide la compétence complémentaire "Exploiter la data science dans le secteur de l'assurance".

• C1. Mettre en œuvre une veille technique, technologique, et règlementaire en lien avec la data science et l’intelligence artificielle dans le secteur de l’assurance afin d’identifier des méthodologies innovantes et des algorithmes pertinents de machine Learning dans le secteur de l’assurance.
• C2. Exploiter un grand volume de données de la compagnie d’assurance ou mutuelle afin de les utiliser dans les processus de quantification de risque assurantiel en compagnie d’assurance ou mutuelle.
• C3. Elaborer et mettre en œuvre les algorithmes de machine Learning et les méthodes de data science les plus pertinents aux regards des données et des objectifs fixés, en corrigeant, si besoin, les imperfections des logiciels récupérés en open source tout en les challengeant avec les modèles actuariels traditionnels de quantification des risques assurantiels afin de quantifier les risques assurantiels d’une compagnie ou d’une mutuelle.
• C4. Interpréter les résultats issus des modèles de machine Learning construits en zoomant et en analysant sur chaque segment du portefeuille étudié la performance des modèles et la minimisation des erreurs de prédiction, en lien avec le cas d’usage ; en utilisant à bon escient les packages disponibles sous R et Python ; afin de sécuriser l’utilisation de ces nouveaux modèles au sein de tout processus métier en compagnie d’assurance ou mutuelle.
• C5. Rédiger un rapport de résultat du travail effectué sur les données de l’organisation afin de faciliter la prise de décision opérationnelle sur une problématique assurantielle.
  
  

PROGRAMME
Le parcours de formation est organisé en 2 semestres. 

SEMESTRE 1 : LES FONDAMENTAUX 
Initiation au machine learning avec Python - 1 JOUR 
Pratique de la data science avec R - 3 JOURS
Algorithmes d'Intelligence Artificielle - 2.5 JOURS
Mettre en oeuvre un projet de Machine Learning en assurance - 3.5 JOURS 

SEMESTRE 2 : APPROFONDISSEMENT
Droit des données en assurance, anonymisation et cybersécurité - 2.5 JOURS
Machine learning distribué et applications actuarielles - 2 JOURS
Deep learning, Textmining et Natural Language Processing - 2 JOURS
Apprentissage séquentiel pour la gestion des risques - 1.5 JOURS
Intelligence artificielle pour l'assurance - 2 JOURS

EQUIPE PEDAGOGIQUE

Découvrez ici la présentation des membres de l'équipe pédagogique de la formation

MOYENS ET METHODES PEDAGOGIQUES

Présentations multi-supports (Présentations PDF, cas pratiques Excel et autres, documents d’approfondissement), séances en petites groupes avec restitutions,
Cours magistraux, séances d’exercices et de révision, cas pratiques proposés par les intervenants, travaux en groupes avec restitution au groupe, présentation des participants d’étude de cas

CANDIDATURE ADMISSIBILITE ADMISSION 

Parcours accessible par la voie de la formation continue.
Les candidats sont invités à retourner l’ensemble des éléments suivants :

Le dossier de candidature complété
Un curriculum vitae
Une lettre de motivation
La photocopie des diplômes

Le jury de sélection se réunit pour étudier les candidatures. Il est composé d’un représentant de l’Institut des actuaires, d’un représentant de l’Institut du Risk Management et du directeur scientifique du programme.

Le responsable de la certification peut organiser un entretien avec le candidat afin d’étayer le dossier de candidature et de préciser les motivations ou les expériences du candidat. Le compte-rendu de cet entretien est présenté avec le dossier de candidature au jury de sélection.

VALIDATION DE LA FORMATION

Examens de contrôle continu type études de cas
Rappport de projet faisant l'objet d'une soutenance orale : Le rapport de projet de fin d’études est un travail écrit de réflexion sur un sujet relatif aux données. Il s’agit de développer un sujet basé sur l’expertise professionnelle de chacun, à l’aide d’éléments abordés au cours de la formation, mais aussi de recherches personnelles.

TAUX DE REUSSITE

79 % des stagiaires en 2021
100 % des stagiaires en 2020
92 % des stagiaires en 2019
100 % des stagiaires en 2018

TAUX DE SATISFACTION

Moyens d’évaluation de la satisfaction stagiaire : à la fin de la session, une enquête de satisfaction est remise aux stagiaires pour évaluer la qualité de la formation enseignée et l’organisation.

En 2021, le taux de satisfaction de la formation était de 90%
En 2020, le taux de satisfaction de la formation était de 80%
En 2019, le taux de satisfaction de la formation était de 85%
En 2018, le taux de satisfaction de la formation était de 100%

RDV sur notre chaîne Youtube :
=> les replay des webinaires d'informations portant sur la session 2022
=> les portraits des stagiaires et intervenants de la promotion 2020