L’objectif de ce tutoriel est de donner un aperçu rapide des fonctionnalités du logiciel de tarification Akur8.

Ce tutoriel est divisé en deux parties principales.

Dans la première partie, nous allons construire une modélisation complète depuis le jeu de données de démonstration joint à ce tutoriel. On y trouvera tous les éléments de l’état de l’art en tarification actuarielle, tels que :

Dans la deuxième partie, nous montrerons certaines Fonctionnalités avancées ciblées sur des cas d'utilisation plus complexes, mais également comment automatiser certains processus manuels afin d'augmenter la productivité et de réduire les frictions.

Vous remarquerez une icône statique de chat située en bas à droite. Ce chat vous permettra de contacter notre équipe d'Actuaires et de Data Scientists.

N'hésitez pas à nous contacter si vous rencontrez des difficultés lors de ce tutoriel : notre équipe se fera un plaisir de répondre rapidement à vos questions.

Pour accéder à Akur8, saisissez l'URL qui vous est fournie dans votre navigateur Chrome.

Lorsque vous accédez à la page Akur8 via le lien que vous avez reçu par e-mail, vous devrez confirmer vos informations d'identification.

Une fois connecté, vous accédez à la page de sélection de l'espace de travail (“Workspace”). Les espaces de travail sont dédiés aux équipes travaillant sur un même périmètre : les bases de données et les projets de modélisation sont donc partagés au sein d’un même espace.

Si vous n'avez accès qu'à un seul espace de travail, vous y entrerez directement sans passer par cette étape.

Pour les besoins de ce tutoriel, vous pouvez entrer dans un espace de travail créé en amont.

Le logiciel Akur8 comporte actuellement 3 sections :

Données (“Data”) : permet de télécharger des bases de données, de les inspecter et de préparer les données avant de créer les modèles.

Risques (“Risk”) : permet de construire des modèles une fois que les données sont prêtes (cf. Section Risque).

Agrégation (“Aggregation”) : permet d’agréger les modèles de fréquence, de sévérité et de propension en un seul modèle de risque,, puis par exemple de mener des analyses de loss ratios.

Les pictogrammes à gauche de l'écran indiquent dans quelle section l'utilisateur se trouve actuellement. Après être entré dans le projet, l'utilisateur se trouve dans la section Données.

La section Données (“Data”) contient une liste de toutes les bases de données précédemment chargées dans Akur8.

Lorsque vous entrez dans votre espace de travail personnel pour la première fois, cette liste peut être vide.

Une nouvelle base de données peut être créée en appuyant sur le bouton + au milieu de l'écran (ou sur le bouton + en bas de la liste des bases de données) :

Saisissez le nom d'une nouvelle base de données, sélectionnez un fichier à télécharger puis confirmez que celui-ci ne contient pas de données personnelles. Les données peuvent être téléchargées (au milieu) en appuyant sur le bouton TÉLÉCHARGER (“UPLOAD”). La progression du téléchargement est affichée sur la droite de l’écran.

Une base de données peut être téléchargée sous plusieurs formats : CSV, parquet, CSV zippé (pour le téléchargement rapide de grandes bases de données) ou base de données SAS.

La base de données, une fois téléchargée, sera prétraitée pour calculer les distributions et les statistiques. Cette opération peut prendre quelques minutes.

La barre de progression indiquant l'état du prétraitement est affichée en haut à droite de l'écran.

Comme le prétraitement s'exécute sur le cloud, il est possible de télécharger d'autres jeux de données pendant l'exécution du processus.

Une fois qu'une base de données a été téléchargée et prétraitée, son résumé s'affiche pour en donner les principales informations : nom du fichier CSV d'origine, date de création et quelques statistiques sur le nombre de lignes et de colonnes.

Il est possible de partager des informations sur cette base grâce à la note de documentation. Les informations renseignées seront disponibles pour tous les utilisateurs autorisés à accéder à l'espace de travail et seront incluses dans la documentation finale des modèles (voir la section Exporter vos modèles et votre documentation).

Il est également possible de voir quel utilisateur a créé la base ou a effectué les dernières modifications.

La liste de gauche contient toutes les variables présentes dans la base. Nous pouvons sélectionner chaque variable pour une inspection détaillée.

Il est possible de rechercher une variable particulière en appuyant sur l'icône de recherche en haut de la liste. Par exemple, saisissons l'âge dans le champ de recherche pour sélectionner la variable driver_age.

L’histogramme en haut de l'écran représente la distribution de la variable sélectionnée. Les valeurs manquantes apparaissent en rouge. Au centre, vous pourrez trouver quelques statistiques décrivant la variable (certaines statistiques telles que la médiane et la moyenne ne sont disponibles que pour les variables numériques). Une note de documentation, permettant aux utilisateurs de donner des informations additionnelles sur la variable sélectionnée, est également disponible.

Le type de variable est défini à droite de l'écran :

Variable ordinale : si la variable admet un ordre spécifique. Toutes les variables numériques sont par défaut considérées comme ordinales, mais parfois les variables non numériques doivent être aussi définies comme ordinales (par exemple, une variable contenant les modalités «A», «B», «C»… peut présenter un ordre pertinent).

Variable catégorielle : si la variable contient des catégories sans ordre spécifique. Toutes les variables non numériques sont considérées comme catégorielles par défaut, mais parfois les variables numériques peuvent être catégorielles (par exemple dans le cas de 3 groupes «1», «2» et «3» sans ordre spécifique).

Le type de variables (ordinales/catégorielles) a un effet important sur les modèles : pour les variables ordinales, les coefficients seront ajustés et lissés en prenant en compte l’ordre des modalités. Sinon, chaque modalité sera traitée indépendamment.

Les valeurs manquantes sont directement gérées Akur8 : le coefficient correspondant sera mis à la valeur moyenne par défaut, et sera ajusté aux données observées si ces dernières sont significatives (le coefficient ne sera pas groupé avec ses voisins).

Ce processus est essentiel pour la performance de la modélisation, mais il peut prendre du temps. Afin de ne pas avoir à le répéter sur des bases similaires, on peut le reproduire automatiquement sur différentes bases (voir Utilisation avancée - Format de réutilisation).

Il existe un raccourci clavier pour examiner rapidement toutes les variables et modifier leur type si nécessaire : Alt + ↑ ou Alt + ↓ pour sélectionner la variable précédente ou suivante, ou Alt + O et Alt + C pour changer un type de variable de Catégorielle à Ordinale et vice-versa.

Un résumé de ces raccourcis est disponible en appuyant sur la petite icône de clavier en haut à droite de l'écran.

Il est possible de modifier les modalités de chaque variable (regroupement, réordonnancement et gestion des valeurs manquantes) en appuyant sur le bouton MODIFIER LES MODALITÉS (“MODIFY LEVELS”). Nous couvrons en détail les transformations des données dans la section Utilisation avancée.

Une fois que vous avez téléchargé, vérifié et si nécessaire modifié vos données, appuyez sur la section Risque (“Risk”) à gauche.

La liste à gauche de l'écran contient tous les projets de modélisation déjà créés (lors de votre première visite, cette liste devrait être vide).

Dans cette section, notre objectif sera de modéliser la fréquence des sinistres pour une couverture de responsabilité civile automobile en dommages matériels. La modélisation comprendra différentes étapes qui permettront de présenter l'essentiel du processus Akur8.

Vous pouvez créer un nouveau modèle en appuyant sur le bouton + au milieu de l'écran (ou sur le bouton + en bas de la liste si d'autres projets ont déjà été créés).

Une fois le projet créé, un résumé du Projet de modélisation s'affiche à l'écran avec certaines de ses propriétés : nom, type, date de création et base de données sur laquelle la modélisation sera effectuée.

Afin de créer des modèles, le projet doit être configuré. Vous devez définir :

Le premier écran permet de définir les objectifs du projet de modélisation :

Cette étape permet à l'utilisateur de définir quelles variables ne peuvent pas être utilisées dans la modélisation. Akur8 va alors détecter et sélectionner le sous-ensemble optimal de variables en fonction des contraintes définies par l'utilisateur.

Il existe différentes raisons d’exclure des variables :

Variables a posteriori non disponible au moment de la souscription : les variables cibles et en général l’exposition sont des exemples évidents de variables a posteriori, mais certaines autres variables, modifiées au cours du processus de gestion des sinistres, peuvent entrer dans cette catégorie.

Pour faciliter la détection de ces variables a posteriori, qui sont souvent très fortement corrélées à la cible, nous calculons un score d’Importance de la variable qui indique le pouvoir prédictif individuel de chaque variable.

Par exemple, le coût d'une Réclamation pour Dommages Matériels (zéro si le client n'a pas de réclamation) est naturellement fortement prédictif du nombre réel de réclamations : il s'agit bien sûr d'une variable a posteriori.

Variable non fiable, de qualité faible ou d’origine inconnue.

Variable indisponible, qui n'est pas accessible dans l'environnement de production (et bien qu'elles puissent être calculées, cela nécessiterait un changement important dans le processus de souscription et ne peut pas être fait pour des raisons pratiques).

Les variables qui ne doivent pas être utilisées dans la modélisation peuvent être désélectionnées avec le bouton bleu à gauche de leur nom. En règle générale, les variables Cible, Exposition et Date ne sont pas sélectionnées par défaut.

Lorsque cela a été fait pour un modèle, il est possible de réutiliser les définitions de variables : ce processus est décrit dans l'annexe Réutilisation de définition de variable de ce tutoriel.

D'autres options de modélisation, ayant un impact sur les comportements des variables, peuvent être définies à ce stade. Ces options plus avancées (y compris les offset de variable et les contraintes) sont décrites dans l'annexe Forcer un comportement de variable.

Maintenant, nous sommes prêts à construire les modèles.

Cette étape permet de construire un ensemble de modèles basés sur des combinaisons distinctes de paramètres (Grid Search).

Vous devez définir :

Les paramètres de parcimonie et de lissage définissent le nombre de modèles créés : des valeurs plus élevées signifient des choix plus précis dans la création des modèles, mais aussi un temps de calcul plus long. Après avoir sélectionné le nombre de variables, vous pouvez laisser le nombre de pas à leurs valeurs par défaut.

Pour chaque combinaison de lissage et de parcimonie, 5 modèles différents sont créés :

L'utilisation de la validation croisée permet d'avoir une estimation fiable des performances des modèles créés.

Par la suite, les scores de performance (Gini, Deviance…) des modèles seront les scores moyens sur les 4 échantillons.

Les barres d'erreur indiquent les performances de l'échantillon le moins performant et les performances de l'échantillon le plus performant (si vous n'êtes pas familier avec la validation croisée à k-blocs, ou « k-fold cross-validation », vous pouvez trouver plus de détails sur Wikipedia).

Une fois le processus terminé, nous pouvons voir les modèles créés dans un graphique, où chaque point représente un modèle différent. Comme nous avons demandé 5 niveaux de parcimonie et 7 niveaux de lissage, 35 solutions à notre problème de modélisation ont été élaborées, avec différents nombres de variables et différents lissages.

Dans le graphique :

Ce graphique offre une visualisation claire du compromis possible entre la complexité du modèle et ses performances :

Après avoir sélectionné un modèle en cliquant dessus, l'écran Aperçu du modèle (“Model Overview”) s'ouvre.

L'objectif de l'aperçu est de donner plus d'informations sur les performances d'un modèle (sur la validation croisée), ainsi qu'un aperçu rapide de ses propriétés (variables sélectionnées ainsi que leur importance).

A gauche, l'importance des variables sélectionnées :

la longueur de chaque barre indique l'importance de chaque variable, mesurée par le spread de ses coefficients.

Une définition du spread des variables est fournie dans l'annexe Spread des variables.

Sur le côté droit, une inspection approfondie des métriques est possible en naviguant sur trois onglets :

Une description de certains de ces KPIs est donnée dans l’Annexe Technique de ce tutoriel.

Toutes les variables sont affichées dans la liste de gauche ; elles sont classées par ordre d'importance dans le modèle. Les variables sélectionnées sont identifiées par un point bleu à côté de leur nom ().

Un graphique de la variable sélectionnée s'affiche à droite. Ce graphique contient trois lignes et un histogramme :

Chaque ligne peut être affichée/masquée dans le graphique en cliquant sur son nom dans la légende.

Il est possible de zoomer en sélectionnant la région à agrandir, ou en sélectionnant l'intervalle, en déplaçant la souris verticalement ou horizontalement.

Pour effectuer un zoom arrière, double-cliquer sur le graphique.

Lors du choix d'un modèle, nous pouvons nous retrouver dans différentes situations :

Akur8 permet de naviguer dans tous les différents modèles et de sélectionner le meilleur compromis entre ces deux scénarios extrêmes.

Lors de l'examen des variables, dès que l’on détecte des coefficients suspectés de sur-ajustement, un modèle plus lisse doit être sélectionné.

Par exemple, dans la base de données du tutoriel, la variable vehicle_max_speed peut présenter une tendance au sur-ajustement (ses coefficients capturent un signal douteux) : si tel est le cas, appuyez sur le bouton / pour sélectionner un modèle plus robuste.

Notez que le lissage appliqué est global, c’est-à-dire cohérent pour toutes les variables d'un modèle : un clic sur les boutons de lissage sélectionnera un autre modèle, avec un nombre similaire de variables et un lissage global plus faible/plus fort.

Fort lissage : dans l'image précédente, les algorithmes d’Akur8 segmente la variable en seulement trois segments. Si ce choix est bien robuste, certains signaux pertinents ne sont pas captés sur le segment des jeunes conducteurs.

Faible lissage : dans l'image précédente, le lissage appliqué est insuffisant car les tendances modélisées ne sont pas cohérentes. Le modèle est clairement sur-ajusté car il capte du bruit.

Lissage optimal : l'image précédente montre un compromis optimal entre la robustesse de la segmentation et le signal inclus dans le modèle.

Dans l'Arborescence du modèle sur la gauche de votre écran, le modèle que vous venez de taguer apparaîtra sous le nom de votre projet de modélisation.

L'ajout d'interactions se fait en deux étapes :

L'interaction considérée peut être choisie de deux manières différentes :

Une fois les calculs terminés, Akur8 affichera la liste des interactions triées selon leur signification statistique (un score inférieur à 100% signifie que la signification de l'interaction est inférieure au seuil utilisé pour la création des modèles GLM).

Dans l'exemple de l'image ci-dessus, l'interaction entre driver_gender et driver_age est la plus significative. Le graphique montre les valeurs observées et prédites en fonction de l'âge et du sexe de l’assuré. En inspectant le segment “jeune” (les modalité les plus à gauche de chaque distribution), nous pouvons voir une interaction. Le risque des jeunes femmes est surestimé (la Ligne ajustée orange est nettement au-dessus de la Ligne observée en violet), tandis que celui des hommes est sous-estimé (à l’opposé de la ligne orange et violette). Akur8 a correctement détecté cet effet (bien connu) et lui a associé un score d'interaction élevé.

À ce stade, l'utilisateur doit inspecter les interactions proposées par l'outil et désélectionner celles qui, même si elles semblent pertinentes, n'ont pas de valeur d’un point de vue actuariel.

Comme précédemment, Akur8 affiche le graphique du Grid Search montrant les performances des nouveaux modèles avec interactions. Le modèle GLM initial (en orange) est également affiché à des fins de comparaison.

Il existe trois visualisations possibles :

Afin de créer un modèle géographique, vous devrez utiliser une base de données géographique contenant au moins 3 colonnes :

REMARQUE : Le code postal est la variable géographique la plus courante rencontrée dans les jeux de données. Cependant, toute variable à laquelle il est possible d'attacher une latitude/longitude peut être utilisée aussi facilement. Cela signifie que si la localisation exacte de l’assuré est disponible, Akur8 est capable de traiter l’information géographique même avec des millions de points distincts.

Si seules des coordonnées projetées sont disponibles, il est toujours possible d’utiliser le module de traitement de la géographie. Les capacités de visualisation seront cependant limitées car il ne sera pas possible de placer les points sur une carte.

Akur8 permet, jusqu’à un certain seuil, la présence de codes postaux sans coordonnées GPS attachées (cependant, pour éviter de construire des modèles dénués de sens, pas plus de 10% des codes postaux ne doivent manquer).

Dans la section Données, nous avons déjà téléchargé cette base de données géographique. Si besoin, veuillez suivre les instructions fournies dans la section Créer une nouvelle base de données.

Dans l'écran Préparation du Modèle Géographique, sélectionnez les colonnes du fichier de localisation géographique.

Assurez-vous de vérifier que le Type de coordonnées est égal à Lat/Long.

Enfin, il est possible de contraindre les coefficients liés aux code postaux à ne prendre qu’un nombre prédéfini de niveau : pour ce faire, il suffit d’activer l’option Quantification des coefficients géographiques et de spécifier le nombre de niveaux.

Le nombre de pas définit le nombre de modèles géographiques à générer, chacun présentant un différent niveau de lissage de leurs coefficients.

Pour un plus grand choix, vous pouvez choisir 15 pas de lissage différents.

Les résultats sont présentés de la même manière que pour le Grid Search GLM.

Vous pouvez voir sur le graphe de performance des points de deux couleurs : les points bleus représentent les modèles intégrant la Géographie (avec différents niveaux de lissage), et le point orange représente le modèle GLM que l’on est en train d’enrichir.

Vous pouvez voir la valeur des coefficients en survolant chaque point avec la souris. La carte est zoomable avec la molette de votre souris afin de faciliter l’analyse :

Nous pouvons naviguer à travers différentes valeurs de lissage (géographique) pour pouvoir choisir le compromis optimal.

Lors de la création du premier modèle GLM (dans la section Construire un GLM de base), nous avions décidé d'exclure toutes les variables régionales et externes. Cette opération avait pour but de décorréler l'effet régional pur (déterminé uniquement par la localisation du code postal) de celui reflété par les variables externes.

Maintenant que le signal géographique a été proprement capturé, nous pouvons ajouter ces variables externes.

La page de sélection des variables s'ouvre, comme lors de la première création du GLM. Par défaut, toutes les variables qui se trouvent dans le modèle géographique sont sélectionnées. Cela permet de réajuster les coefficients de ces variables lors de la prochaine étape si cela s’avère nécessaire.

Si vous souhaitez geler complètement les coefficients existants et ajuster uniquement les variables externes, vous pouvez désélectionner toutes ces variables en appuyant sur l'icône de menu SÉLECTIONNER (“SELECT”) puis en appuyant sur Désélectionner tout (“Unselect all”).

Pour les besoins de ce tutoriel, nous conserverons les variables sélectionnées par défaut, auxquelles nous allons maintenant ajouter toutes les variables régionales :

La fenêtre contextuelle qui apparaîtra sera légèrement différente de celle que nous avons vue précédemment lors de la première étape de création de la modélisation. Deux nouveaux boutons apparaissent :

Pour les besoins de cette démo, nous essaierons également d'inclure un plus petit nombre de nouvelles variables :

Après les calculs, le Grid Search affichera ces résultats :

Nous pouvons voir que, dans cette base de données de démonstration, quelques variables externes apportent du signal, alors que toutes les autres sont redondantes.

Les variables régionales sont généralement connues au même niveau de granularité que la variable géographique (ZIP). Par exemple, le regional_number_hospitals indique le nombre d'hôpitaux dans un code postal donné. Ainsi, il est possible de profiter de la structure GAM des modèles pour réduire le nombre de variables en incluant, dans la variable zip, les informations supplémentaires apportées par les variables régionales.

Un score d'inclusion sera calculé pour toutes les variables du modèle. Ce score indique la pertinence à réduire cette variable sur la variable zip. Par exemple, la variable region_rural_area a un score de 100%. Cela signifie que, pour un code postal donné, region_rural_area a toujours la même valeur dans la base de données.

Le nouveau Grid Search avec le modèle réduit apparaît. Si toutes les variables sélectionnées pour la classification ont un score d'inclusion de 100%, le modèle réduit (en bleu) aura exactement les mêmes performances mais comportera moins de variables que le modèle précédent (en orange).

La classification peut également être réalisée sur les modèles de véhicules.

Comme avec la classification géographique, un score d'inclusion sera calculé pour toutes les variables du modèle , pour indiquer la pertinence à projeter cette variable sur la variable vehicle_model.

Une fois les variables concernant le véhicule sélectionnées, Akur8 projettera ces variables sur la variable vehicle_model:

Le nouveau Grid Search avec le modèle réduit apparaît. Si toutes les variables sélectionnées pour la classification ont un score d'inclusion de 100%, le modèle final aura exactement les mêmes performances mais comportera moins de variables que le modèle précédent.

Les regroupements automatiques sont motivés par la pertinence du signal. Il s'agit d'une bonne pratique, robuste, basée sur les données.

Cependant, ce comportement n’est pas toujours souhaitable pour certains segments qui ont une exposition faible mais un effet connu.

C'est par exemple le cas des conducteurs ayant subi plus d'un accident la dernière année, comme le montre la variable nb_claims_last_year.

La nature interprétable des modèles Akur8 permet d'ajuster manuellement les coefficients via le bouton MODIFIER LES COEFFICIENTS (“EDIT COEFFICIENTS”).

La fenêtre Modifier les coefficients apparaîtra.

Nous pouvons déplacer les coefficients en utilisant l'interface graphique, ou en définissant manuellement les valeurs en appuyant sur l'onglet Valeurs. Pour les besoins de ce tutoriel, nous utiliserons le bouton «baguette magique», qui a pour fonction d'aligner les valeurs prédites aux valeurs observées (le dernier bouton du bloc Aligner).

Nous pouvons également modifier d'autres variables, si nécessaire, en les sélectionnant sur le côté gauche de l'écran.

Trois options sont disponibles :

ATTENTION : l'objectif de l'écran Modifier les coefficients (“Modify Coefficients”) est d'ajuster manuellement des segments à très faible exposition, mais présentant un comportement connu de par l’expertise de l’utilisateur. Il ne s'agit en aucun cas de regrouper des segments au signal bruité susceptibles d'apparaître dans les modèles. Nous recommandons de suivre un approche basée sur les données, c’est-à-dire d’augmenter le lissage (global) jusqu’à ce que les tendances bruitées disparaissent.

Pour les besoins de ce tutoriel, nous avons sélectionné APPLIQUER LES MODIFICATIONS (“APPLY MODIFICATIONS”) : comme l'exposition des coefficients modifiés est extrêmement faible, le changement n'aura aucun impact sur les autres variables. Une fois les calculs terminés, les changements seront appliqués et resteront en évidence tout au long du processus de modélisation, afin d’assurer gouvernance et traçabilité.

Ce modèle sera le modèle final de cet exercice. Dans la section suivante, nous allons exporter sa documentation.

Afin d’utiliser les modèles en production et de communiquer les décisions et les résultats de modélisation, il est essentiel de pouvoir exporter les modèles ainsi que leur documentation

Tout d'abord, le modèle doit être tagué (cela peut être fait en appuyant sur le bouton TAGUER LE MODÈLE (“TAG MODEL”) en haut à droite de l'écran).

Il est possible d'exporter un modèle dans différents formats :

La documentation contient :

Akur8 fournit des fonctionnalités supplémentaires qui peuvent vous aider à créer des modèles de manière plus productive et plus rigoureuse encore. Dans cette section, nous nous concentrerons sur quelques cas pratiques :

→ Section Données (“Data”) :

→ Section Risques (“Risk”) :

Comme nous l'avons vu dans la section Données (“Data”), après avoir téléchargé une base de données, il est nécessaire de regarder les différentes variables du jeu de données et de déterminer si elles doivent être traitées comme Catégorielles ou Ordinales. C'est une étape nécessaire qui améliorera considérablement les performances et la cohérence des modèles si elle est effectuée correctement.

Si nous mettons à jour une nouvelle version de la même base de données, ou une copie filtrée, il serait nécessaire d'effectuer ce même travail répétitif deux fois. Conformément à philosophie d'Akur8, cette tâche doit être automatisée dans le mesure du possible. Le logiciel permet de définir des relations entre les colonnes du jeu de données. Cela réduit le nombre d'itérations manuelles nécessaires pour d’obtenir la meilleure configuration.

Pour lier une version mise à jour de la base de données à une version pré-existante, sélectionnez la nouvelle base de données, appelée Tuto_DB_updated dans l'écran ci-dessous :

Une liste des colonnes de la base de données mise à jour apparaîtra, avec les colonnes de la base de données de référence en comparaison, si une colonne équivalente a été trouvée. Un score évaluant la pertinence de cette correspondance est également affiché.

Comme nous pouvons le voir, il est possible de repérer rapidement les différences entre les bases de données : une nouvelle colonne a été introduite (New external variable, à la première ligne), et le score de correspondance dans la variable year est surligné en orange, ce qui signifie qu'un nouveau niveau (une nouvelle année) a été introduit. Il est possible de modifier manuellement la correspondance de certaines colonnes en appuyant sur son nom, si le nom de la colonne a été modifié mais que la relation est toujours vraie.

Toutes les propriétés catégorielles/ordinales sont copiées de la version de référence depuis la base de données vers la version mise à jour, avec les commentaires et le travail de préparation des données effectué sur la base de données de référence.

Lors de la phase de modélisation, il est également possible d’utiliser la même sélection de variables que pour la base de données de référence entre des bases de données déjà analysées.

Lors de la création d'un modèle, il est possible de réutiliser le travail effectué pour un autre projet dans l'onglet Sélection des variables (“Define Variable”).

Une fenêtre contextuelle apparaîtra permettant de choisir les variables sélectionnées parmi d'autres projets de modélisation.

Akur8 permet le traitement des données au sein de la solution afin d'éviter des itérations coûteuses entre le logiciel de traitement de données (par exemple, SAS) et Akur8. (Notez cependant que Akur8 n’a pas vocation à servir de solution complète de préparation de données ce qui signifie, par exemple, qu'il n'est pas possible d’effectuer des jointures entre différentes sources de données.)

Akur8 propose la modification des niveaux de colonne via un un processus de groupement et ordonnancement, et la gestion des valeurs manquantes.

Prenons par exemple la variable granulaire vehicle_make. Il peut être pertinent de faire des regroupements selon la nationalité du constructeur.

Dans la section Données, accédez à la page Afficher les variables et sélectionnez la variable vehicle_make.

L'écran Modifier les niveaux (“Modify levels”) apparaîtra, montrant la distribution des variables, ainsi que tous ses niveaux sur le panneau de droite. Sur la gauche, il y a la liste complète des variables. Puisqu'après une modification les statistiques sont recalculées, il est fortement conseillé d'effectuer toutes les modifications des variables avant d'appliquer ces modifications.

Le groupement est possible en sélectionnant simplement les niveaux à regrouper. Par exemple :

Les changements sont visibles en temps réel sur le graphique.

Survoler le nom du nouveau groupe avec la souris permettra également de voir tous les anciens niveaux qu'il contient.

Si vous regroupez toutes les marques par pays, la variable Marque mise à jour ressemblera à l'image ci-dessous :

Il est également possible de donner un ordre différent au niveau (cela n'a de sens que pour les variables ordinales) en faisant simplement glisser le nom du niveau à la position appropriée :

Par exemple, la variable studies_level doit être re-ordonnée. Par défaut, il suit l'ordre alphabétique alors que la durée des études serait un ordre beaucoup plus logique.

Enfin, cette fenêtre permet à l'utilisateur de gérer les valeurs manquantes.

Par exemple, nous pouvons gérer les valeurs manquantes dans la variable nb_children :

Les valeurs manquantes seront traitées séparément des autres modalités dans l'algorithme d'apprentissage automatique : lors du lissage des niveaux ordonnés, les valeurs manquantes seront ignorées (non lissées) et :

Dans le cadre d'une mise à jour tarifaire, il est souvent primordial d'actualiser progressivement le tarif à partir d'un tarif existant en production. Tout au long du tutoriel, nous avons créé les modèles en partant de zéro. Cependant Akur8 permet également de mettre à jour de manière optimale un modèle existant. L'import d'un modèle est simple : juste après la création du projet de modélisation, sur l'écran Set Goals (“Définir les Objectifs”), on trouvera en haut à droite de l’écran un bouton IMPORTER UN MODÈLE (“IMPORT MODEL”).

Les imports de modèles depuis de nombreux logiciels ou des fichiers Json sont pris en charge. (Selon les standard nationaux, il peut être nécessaire de définir un Format personnalisé pour le séparateur des fichiers csv.)

Il est nécessaire de vérifier l’adéquation des noms de variables dans le modèle avec ceux présents dans le jeu de données. Toutes les variables pour lesquelles le score de correspondance est inférieur à 100% (dans l'exemple ci-dessous, la variable year) doivent être inspectées.

Dans le cas de la variable year, nous pouvons remarquer que l'année 2020 est surlignée en rouge, ce qui signifie que l'année 2020 est présente dans la base de données mais non spécifiée dans le modèle, ce qui est logique puisque nous importons un ancien tarif.

Par défaut, Akur8 essaiera de gérer ces valeurs de manière optimale (dans ce cas, 2020 est regroupée avec 2019). L’utilisateur a cependant le contrôle sur le coefficient de cette nouvelle modalité grâce au bouton de modification des coefficients affiché sous la distribution.

L'utilisateur peut accéder à ImportedAutoGlmKModel, le modèle importé. Il est alors possible de suivre le processus standard de modélisation et de mettre à jour le modèle.

Une fois définis les Objectifs du projet de modélisation, il est possible d’imposer des contraintes spécifiques sur une variable.

On peut forcer le comportement de cette variable :

L’offset peut être défini graphiquement, en sélectionnant des coefficients et en utilisant les boutons d'édition à droite du graphique ou, numériquement, en entrant une valeur exacte dans le tableau VALEURS (“VALUES”).

Garantir la stabilité temporelle d'un modèle est essentiel pour une modélisation correcte. Akur8 permet une détection intuitive et explicite des écarts significatifs du niveau de risque d’une année à l’autre.

L’analyse de la stabilité temporelle d'une variable se fait via l'interaction entre la variable et l'année (si c’est bien l’année qui a été choisie comme variable temporelle dans les Objectifs). Si cette interaction est significative, le modèle n'est pas stable dans le temps.

Akur8 ajuste les interactions jusqu'à une valeur de signification déterminée par le lissage du modèle considéré. Lors de la visualisation de chaque variable, le bouton de stabilité temporelle est affiché sous le graphique. Le graphique de stabilité temporelle montre le coefficient d'interaction entre le temps et la variable, ajusté par-dessus le modèle existant.

Cela permet de repérer immédiatement les biais temporels en s’affranchissant des graphiques trop bruités (qui sont très difficiles à lire pour les variables granulaires).

Dans le graphique ci-dessus, on peut remarquer quelques instabilités dans le classement des véhicules, notamment pour le segment 16-26, où le risque en 2018 est nettement supérieur à celui observé en 2019. Accepter cette instabilité temporelle ou supprimer cette variable est un choix qui revient au modélisateur.

Dans cette image, nous pouvons voir que la variable claim_history est stable dans le temps, car aucune interaction significative n'a été détectée.

Dans le même projet, différents modèles peuvent être tagués et inspectés, par exemple, pour analyser les différences entre un modèle simple avec peu de variables et un modèle complexe. Akur8 permet une comparaison rapide et intuitive grâce à son comparateur de modèles.

Vous pourrez comparer tous les graphiques disponibles dans l'outil : spreads, courbe de Lorenz, courbe de lift et variables.

SPREAD DE VARIABLES

Le spread d'une variable est calculé à partir de ses coefficients :

Si une variable n'est pas sélectionnée dans le modèle, tous ses coefficients sont égaux et le spread est égal à 0.

Il représente une vision plus robuste de l’impact de la variable, à l’exclusion des valeurs extrêmes.

Par exemple, dans le graphique ci-dessous, le spread total (100/0) de la variable driver_age est de 150%, ce qui signifie que le segment d’âge le plus risqué est deux fois plus risqué que le segment le moins risqué. Cependant, le spread “robuste” (95/5) est de 45%. Cela signifie que pour cette variable, la valeur élevée du spread 100/0 est principalement expliquée par la contribution d’un segment de faible exposition (les jeunes conducteurs).

On peut mener ces calculs directement depuis les coefficients de la variable :

→ on peut calculer le spread 100/0 :

LECTURE DES GRAPHIQUES DE VARIABLES

La moyenne ajustée et la moyenne observée doivent être, dans la mesure du possible, proches l’une de l’autre. Cependant, pour les modalités de faible exposition, les valeurs moyennes observées peuvent varier de manière non significative. Dans ce cas, les coefficients seront regroupés et les prédictions du modèle (qui elles sont robustes) ne correspondront pas directement aux valeurs observées.

Les coefficients représentent l'impact de la variable sélectionnée uniquement, tandis que la valeur moyenne prédite prend en compte l'impact de toutes les variables présentes dans le modèle.

COURBES DE LIFT ET DE LORENZ

Les métriques des modèles peuvent être visualisées dans l'écran Présentation du modèle (“Model Overview”).

La courbe de lift est construite en ordonnant l'observation des prédictions (sur les échantillons de test dans la Validation Croisée) de la prédiction la plus basse à la plus élevée, et en les agrégeant par des classes de risque contenant chacune 5% de la base de données. Pour chaque classe, les valeurs moyennes prédites et observées sont représentées.

Cette courbe reflète le pouvoir discriminant du modèle (différence entre les risques extrêmes prédits et observés).

Si les courbes se superposent, cela signifie que le modèle prédit bien les valeurs observées, tandis qu'une courbe plus chaotique signifie que les prédictions ne sont pas bien ajustées aux données.