Nos derniers articles

Les Foundation Models (FM) transforment l'assurance en intégrant des données non structurées (textes, images, capteurs) aux modèles actuariels classiques (tarification, provisionnement, capital). Ils améliorent la détection des risques et la précision des prédictions, notamment pour les risques climatiques.
Cependant, leur adoption exige un cadre de gouvernance rigoureux. Pour préserver l'interprétabilité et la conformité prudentielle, les FM doivent s'insérer dans des architectures hybrides (ex. CANN). Les actuaires doivent encadrer des risques spécifiques : fuite temporelle, discriminations indirectes via les embeddings, surcoût computationnel et défaut de calibration des événements extrêmes. L'expertise actuarielle reste indispensable pour garantir l'équité et la stabilité financière.

The AI Act, initially overlooking multifunctional AI like foundation models, led to debates. Industry sought exemption, civil groups pushed for inclusion, foreseeing safety gaps and burdens on users. "General Purpose AI systems" (GPAIS) emerged in discussions, aiming to extend Act requirements to adaptable models, addressing operator responsibility. Current debate focuses on adapting the Act to cover these advanced AI, revealing its initial limitations. The paper will delve into this evolution, highlighting challenges and proposing policy adjustments for GPAIS regulation within the AI Act's framework.