Réseau de neurones

Un réseau de neurones artificiels est un modèle composé de couches successives d'unités de calcul, chacune combinant les sorties de la couche précédente selon des poids, puis appliquant une transformation non linéaire. L'entraînement ajuste ces poids, parfois des milliards, pour minimiser l'erreur sur les données, par une méthode de rétropropagation du gradient. Lorsque le réseau comporte de nombreuses couches, on parle d'apprentissage profond. Ces modèles peuvent approcher des relations d'une complexité que les méthodes classiques ne captent pas, et ils ont transformé depuis le début des années 2010 la reconnaissance d'images, de la parole et le traitement du texte. En assurance, leur usage est net pour les données non structurées : photos de dommages, documents, voix des appels, textes. Pour la tarification sur données tabulaires, leur avantage sur les méthodes d'arbres est plus discuté, et leur opacité pose des difficultés de justification. La recherche actuarielle a proposé des architectures qui combinent un réseau de neurones et la structure lisible d'un modèle linéaire généralisé, pour conserver l'interprétation variable par variable tout en captant des effets complexes.