Exposé par  Maud Thomas. 

Les méthodes fondées sur les arbres sont des outils d'apprentissage automatique pratiques et puissants qui peuvent être considérés comme des alternatives aux modèles de régression et de prédiction classiques tels que les modèles linéaires généralisés. Les procédures les plus courantes sont conçues pour estimer l'espérance d'une variable aléatoire, c'est-à-dire, en matière de risque, un scénario central (ou une meilleure estimation selon la terminologie de Solvabilité II). Dans ce travail, nous proposons une extension de ces méthodes arborescentes à l'étude des événements extrêmes, qui présente un intérêt particulier lorsqu'il s'agit d'étudier la queue de la distribution et de concevoir des politiques de réassurance. Nous proposons une description détaillée de notre adaptation des arbres de décision et justifions la méthodologie avec de nouveaux résultats de cohérence sur ces sujets. Nous illustrons la performance de la procédure sur les bases de données d'assurance non-vie. L'extension à la forêt aléatoire est également abordée. LIEN