Famille de modèles statistiques généralisant la régression linéaire, devenue le standard de la tarification non-vie et de la segmentation des risques.
Le modèle linéaire généralisé est une famille de modèles statistiques qui étend la régression linéaire classique en l'adaptant à des variables qui ne suivent pas une loi normale, ce qui est précisément le cas des grandeurs assurantielles comme la fréquence des sinistres, souvent modélisée par une loi de Poisson, ou leur sévérité, modélisée par une loi gamma. Grâce à une fonction de lien reliant la prédiction aux variables explicatives, le modèle estime l'influence propre de chaque facteur de risque, âge, secteur, taille, mesures de sécurité, sur la sinistralité attendue. Cette approche s'est imposée comme le standard de la tarification non-vie, car elle permet une segmentation fine et statistiquement fondée, en isolant l'effet de chaque variable toutes choses égales par ailleurs. Elle reste appréciée pour sa transparence et son interprétabilité, qualités importantes face aux régulateurs et pour la compréhension du portefeuille, là où des modèles d'apprentissage automatique plus puissants sont souvent plus opaques. En assurance cyber, l'application des modèles linéaires généralisés se heurte cependant à la rareté et à l'instabilité des données, qui limitent la fiabilité des estimations et imposent souvent de compléter la statistique par le jugement d'experts.
Un actuaire utilise un modèle linéaire généralisé pour estimer comment le secteur d'activité, la taille de l'entreprise et la présence d'une authentification multifacteur influencent séparément la fréquence des sinistres cyber, afin de bâtir une tarification segmentée.
GLM, modèle linéaire généralisé, generalised linear model