Mémoires d'Actuariat
Les modèles de Machine Learning au service de l'égalité Femme-Homme: comment les actuaires viennent challenger la réglementation?
Auteur(s) PHILIPPE R.
Société Galea
Année 2022
Résumé
Malgré un écart de taux d’activité qui s’est constamment réduit en France depuis les années 1970, l’égalité homme-femme au sein des entreprises reste un sujet particulièrement sensible et de plus en plus regardé. La loi « Rixain » du 24 décembre 2021 et la loi « Avenir Professionnel » adoptée en septembre 2018 comportent ainsi plusieurs mesures visant à une plus grande égalité entre les femmes et les hommes dans les entreprises. Le suivi des indicateurs obligatoires à l’échelle de grosses structures peut nécessiter la manipulation d’un volume de données conséquent où l’intelligence artificielle saura apporter son efficacité. Le champ d’application de l’actuariat trouve ici une extension pour le moment assez peu exploitée. Ce mémoire va s’intéresser dans un premier temps aux indicateurs réglementaires de l’égalité Homme/Femme qui se veulent applicables à toute entreprise, tout en démontrant leurs limites. Dans un second temps, la mise en place d’indicateurs personnalisés qui permettront une meilleure visibilité des inégalités existantes sera étudiée en exploitant les possibilités offertes par la Data Science, dans une optique pour les Ressources Humaines de pouvoir disposer d’informations supplémentaires dans le processus de décisions, à adapter aux situations particulières de l’entreprise. En effectuant un suivi fin des indicateurs, l’actuaire aura contribué au respect des exigences réglementaires, à la prévention et le pilotage de risques sociaux en évitant d’éventuelles pénalités.
Abstract
Despite a gap in labor force participation rates that has steadily narrowed in France since the 1970s, gender equality within companies remains a particularly sensitive and increasingly watched topic. The "Rixain" law of December 24, 2021 and the "Avenir Professionnel" law adopted in September 2018 thus include several measures aimed at greater gender equality in companies. The monitoring of mandatory indicators on the scale of large structures may require the handling of a significant volume of data where artificial intelligence will be able to bring its efficiency. The field of application of actuarial science finds here an extension that is currently not very well exploited. This thesis will first focus on the regulatory indicators of gender equality which are intended to be applicable to any company, while demonstrating their limitations. Secondly, the implementation of personalized indicators that will allow a better visibility of existing inequalities will be studied by exploiting the possibilities offered by Data Science, with a view to providing Human Resources with additional information in the decision-making process, to be adapted to the particular situations of the company. By carrying out a fine monitoring of the indicators, the actuary will have contributed to the respect of the regulatory requirements, to the prevention and the management of social risks by avoiding possible penalties.
Mémoire complet
Auteur(s) PHILIPPE R.
Société Galea
Année 2022
Résumé
Malgré un écart de taux d’activité qui s’est constamment réduit en France depuis les années 1970, l’égalité homme-femme au sein des entreprises reste un sujet particulièrement sensible et de plus en plus regardé. La loi « Rixain » du 24 décembre 2021 et la loi « Avenir Professionnel » adoptée en septembre 2018 comportent ainsi plusieurs mesures visant à une plus grande égalité entre les femmes et les hommes dans les entreprises. Le suivi des indicateurs obligatoires à l’échelle de grosses structures peut nécessiter la manipulation d’un volume de données conséquent où l’intelligence artificielle saura apporter son efficacité. Le champ d’application de l’actuariat trouve ici une extension pour le moment assez peu exploitée. Ce mémoire va s’intéresser dans un premier temps aux indicateurs réglementaires de l’égalité Homme/Femme qui se veulent applicables à toute entreprise, tout en démontrant leurs limites. Dans un second temps, la mise en place d’indicateurs personnalisés qui permettront une meilleure visibilité des inégalités existantes sera étudiée en exploitant les possibilités offertes par la Data Science, dans une optique pour les Ressources Humaines de pouvoir disposer d’informations supplémentaires dans le processus de décisions, à adapter aux situations particulières de l’entreprise. En effectuant un suivi fin des indicateurs, l’actuaire aura contribué au respect des exigences réglementaires, à la prévention et le pilotage de risques sociaux en évitant d’éventuelles pénalités.
Abstract
Despite a gap in labor force participation rates that has steadily narrowed in France since the 1970s, gender equality within companies remains a particularly sensitive and increasingly watched topic. The "Rixain" law of December 24, 2021 and the "Avenir Professionnel" law adopted in September 2018 thus include several measures aimed at greater gender equality in companies. The monitoring of mandatory indicators on the scale of large structures may require the handling of a significant volume of data where artificial intelligence will be able to bring its efficiency. The field of application of actuarial science finds here an extension that is currently not very well exploited. This thesis will first focus on the regulatory indicators of gender equality which are intended to be applicable to any company, while demonstrating their limitations. Secondly, the implementation of personalized indicators that will allow a better visibility of existing inequalities will be studied by exploiting the possibilities offered by Data Science, with a view to providing Human Resources with additional information in the decision-making process, to be adapted to the particular situations of the company. By carrying out a fine monitoring of the indicators, the actuary will have contributed to the respect of the regulatory requirements, to the prevention and the management of social risks by avoiding possible penalties.
Mémoire complet
