STAGE M2 – IA et tarification non-vie – Paris – F/H

ADDACTIS; Paris; Sur place; EUR 10 000 - 17 000; Temps partiel

Résumé du poste

Addactis recherche un stagiaire M2 pour une mission de 6 mois à Paris, au sein de la practice Consulting P&C. Vous accompagnerez l’élaboration de stratégies tarifaires pour des assureurs, en articulant les apports de l’IA et du ML dans la tarification non-vie.

Vos missions incluent réaliser un état de l’art de l’IA dans ce domaine, identifier les étapes où l’IA apporte de la valeur, développer et tester des approches sur des cas concrets, et formuler des recommandations réglementées et

Qualifications

• Les méthodes de tarification en assurance non-vie.
• L'application du Machine Learning et de l'IA générative à l'actuariat.
• Les enjeux d'interprétabilité et de gouvernance des modèles.
• Le métier de consultant actuaire.

Responsabilités

• Réaliser un état de l'art des usages de l'IA dans la tarification non-vie.
• Identifier les étapes du processus de tarification où l'IA apporte de la valeur.
• Développer et tester des approches (Machine Learning, IA générative) sur des cas concrets (ex: construction d’un scoring de type zonier ou véhiculier).
• Évaluer les résultats (performance, interprétabilité, contraintes réglementaires) et formuler des recommandations.

Formation

Stage M2

Description du poste

Informations clés du stage :

• Stage de M2, de 6 mois

• Périmètre : Tarification non-vie, Intelligence artificielle, Machine learning

• Localisation : PARIS

La practice Consulting P&C met à la disposition de nos clients sa connaissance marché et son pragmatisme pour accompagner l’élaboration des stratégies tarifaires des assureurs, tant pour sauvegarder leur portefeuille qu'aider à le piloter et à trouver le meilleur équilibre entre rentabilité et compétitivité.

Missions principales :

• Réaliser un état de l'art des usages de l'IA dans la tarification non-vie.

• Identifier les étapes du processus de tarification où l'IA apporte de la valeur.

• Développer et tester des approches (Machine Learning, IA générative) sur des cas concrets (ex: construction d’un scoring de type zonier ou véhiculier).

• Évaluer les résultats (performance, interprétabilité, contraintes réglementaires) et formuler des recommandations.

Les apprentissages :

• Les méthodes de tarification en assurance non-vie

• L'application du Machine Learning et de l'IA générative à l'actuariat

• Les enjeux d'interprétabilité et de gouvernance des modèles

• Le métier de consultant actuaire