L’essor de la statistique en médecine est l’ultime étape de la quête d’une médecine scientifique poursuivie tout au long de l’histoire de la discipline. Cette méthodologie de production des preuves médicales est reconnue par tous comme un gage de qualité justifiant les prises de décisions médicales au niveau individuel et collectif.Initialement, le concept est une démarche pédagogique prônant l’autonomie de chaque praticien dans la recherche, l’analyse critique et l’application personnalisée des preuves disponibles. La démarche rejette le dogmatisme médical. Ce concept a été et demeure largement controversé. Pour autant, il a rapidement traversé les frontières pour devenir une exigence déontologique et juridique au risque d’une dérive normative.La priorité laissée à la qualité méthodologique des preuves médicales au détriment de leur applicabilité en vraie-vie pose question.L’hypothèse de ce travail est qu’il existe, aux différentes étapes du circuit de la preuve médicale, des biais cognitifs et/ou méthodologiques qui peuvent impacter l’exercice pertinent de la médecine malgré son alibi scientifique.Au travers de l’exemple des maladies respiratoires chroniques, ce travail épistémologique se propose de caractériser la preuve médicale. Il décompose le circuit de la preuve médicale pour analyser sa méthodologie de production, ses sources, vecteurs et cibles de diffusion, les conséquences de l’implication des agences réglementaires et de l’Etat dans son applicabilité mais aussi les biais cognitifs auxquels sont soumis médecins et patients. Il vise à déterminer avec transparence sur quelles preuves la médecine se fonde pour en permettre une utilisation pertinente. / The use of statistics in medicine is the final step for the development of scientific medicine pursued throughout the history of the discipline. This method of production of medical evidence is recognized by healthcare professionals, drug manufacturers and political institutions as a pledge of quality that justifies medical decision-making at the individual and collective levels. Initially, the concept is an educational approach advocating the autonomy of each practitioner in bibliographic research and critical appraisal of available evidence for their use in the context of personalized medicine. The approach rejects medical dogmatism. This concept has been and remains largely controversial. However, it has quickly become a deontological and legal requirement that could drift back to dogmatism. The priority given to the methodological quality of medical evidence while poor attention is paid to its real-life applicability raises concerns. In this work we hypothesize that, from the production to the use of medical evidence there are cognitive and/or methodological biases that may alter the relevance of medicine practice despite its scientific alibi. Through the example of chronic respiratory diseases, this epistemological work aims at characterizing the medical evidence. To do so, we analyzed its production methodology, the sources, vectors and targets for dissemination, the consequences of the involvement of regulatory agencies and governments in its applicability and the cognitive biases that may apply to physicians and patients. It aims at determining transparently on what type of evidence medicine is based to enable its relevant practice.

Le secteur de l'assurance automobile est confronté à plusieurs bouleversements règlementaires, financiers, comportementaux et technologiques. Afin de faire face aux défis résultant de ces changements et maintenir leur profitabilité, les assureurs doivent innover en matière de tarification. Dans ce contexte, nous développons dans cette thèse deux thématiques liées à la tarification en assurance automobile. La première thématique s'articule autour de l'optimisation des stratégies tarifaires, en souscription et au renouvellement. La deuxième thématique est orientée vers l'utilisation des expérimentations dans l'objectif de mieux appréhender les déterminants de la demande d'assurance.Tout d'abord, nous nous intéressons à l'optimisation tarifaire au renouvellement. Nous illustrons comment les modèles de demande empiriques reposant sur les données dont disposent l'assureur peuvent être utilisés afin d'optimiser sa rentabilité et la rétention de ses clients. Nous élargissons ensuite le cadre d'optimisation en tenant compte des dépendances inter-temporelles entre les décisions tarifaires actuelles et les profits générés au cours des périodes ultérieures. Ainsi, nous introduisons le cadre de Valeur Client qui permet à l'assureur d'adapter sa stratégie tarifaire en fonction des comportements des assurés au cours de leur vie client tout en tenant compte du cycle du marché. Les illustrations empiriques des deux premiers chapitres reposent sur des données naturelles observées par l'assureur.Dans la deuxième partie de la thèse, nous illustrons l'apport des expérimentions de terrain et de laboratoire à la compréhension de la demande d'assurance automobile. Une expérimentation de terrain nous permet d'affiner la mesure de l'élasticité prix des clients et de traiter le problème de tarification comme un problème de bandit contextuel. L'évaluation offline de plusieurs stratégies d'apprentissage par renforcement montre que celles appliquant une expérimentation tarifaire ciblée obtiennent de meilleures performances financières en comparaison à la stratégie myope, qui exclut toute possibilité d'expérimentation. Enfin, nous présentons les résultats d'une expérimentation de laboratoire dont l'objectif était de mesurer la valeur ajoutée des variables privées issues des modèles de décision dans le risque. En particulier, nous analysons le rôle de l'aversion au risque et la perception du risque dans l'explication des choix d'assurance automobile. La même expérimentation nous a permis d'analyser la validité externe en assurance expérimentale, c'est-à-dire la ressemblance des comportements des individus dans un contexte expérimental et dans le contexte économique réel du marché.En plus de la dualité expérimentation-optimisation dans le domaine de la tarification assurantielle, cette thèse illustre donc la dualité entre les données privées et les données publiques, ainsi que la dualité entre les modèles empiriques de demande d'assurance et les modèles théoriques. / The motor insurance sector currently confronts regulatory, financial, behavioral and technological challenges. Under these circumstances, insurers must uphold in improving their pricing strategies. Two topics related to pricing innovation are discussed in this thesis. We first take up the pricing strategy optimization for new businesses, as well as the renewals. Secondly, we highlight in the usage of experiments in leading us to a better understanding of insurance demand factors.On the first part of this thesis, we address pricing optimization at renewal, then illustrate how empirical demand models that rely on observable data could help the insurers to boost their profits and clients retention rate. We extend afterwards this framework by considering the impact of current pricing decisions on future cash-flows. Consequently, we introduce the Customer Value metric which allows insurers to reflect over the customers' behavior during their lifetime, when it comes to constructing their pricing strategy. The empirical illustrations of the first two chapters rely on natural data observed by the insurer.On the second part of this thesis, field and laboratory experiments will give us better comprehension of the motor insurance demand. Data from a field experiment refine the measure of clients' price elasticity. Offline assessment of several reinforcement learning algorithms shows how pricing experiments can achieve better performances compared with the myopic strategy which does not apply any kind of experiment. Laboratory experiments contribute to the understanding of demand models as well. In particular, we analyze the added value of risk aversion and risk perception in explaining the insurance choices. Furthermore, we examine the external validity of the experiment, i.e. the similarity between the behaviors of the customers in a lab environment versus their factual behaviors in the market.Aside from the duality between experiments and optimization, this thesis also illustrates the duality between private and public data, as well as the duality between empirical and theoretical insurance demand model.

Les études de séroprévalence portant sur les infections au SRAS-CoV-2 doivent souvent composer avec des échantillons non-aléatoires et non-représentatifs, limitant ainsi parfois la validité externe de leurs résultats lorsque ceux-ci sont appliqués à la population générale. Dans le cadre de ce mémoire, il s’agit d’investiguer la représentativité d’une cohorte pédiatrique d’une étude longitudinale de séroprévalence (Enfants et COVID-19 : Étude de séroprévalence) et d’évaluer dans quelle mesure ses estimations de séroprévalence peuvent s’appliquer à la population pédiatrique montréalaise en général. 1 632 enfants ont fourni au point de départ un échantillon sanguin afin de déterminer leur séropositivité aux anticorps contre le SRAS-CoV-2. À l’aide d’une modélisation par régression logistique et d’un procédé de « standardisation marginale », une pondération post-stratification calculée à partir des données du recensement canadien de 2016 a été appliquée à la population d’étude. Les variations dans les estimations de séroprévalence ont finalement été évaluées. D’importantes différences dans la distribution de certaines caractéristiques sociodémographiques peuvent être observées lorsqu’on compare la population d’étude et la population générale en se basant sur les données du recensement canadien de 2016. En comparaison des estimations non-pondérées, les estimations de séroprévalence générées à partir du procédé de « standardisation marginale » montrent une variation de plusieurs points de pourcentage, allant de -0,4% à +3,2%. La pondération n’a pas induit de changement dans l’estimation de mesures relatives comme les ratios de séroprévalence. Lorsque la population d’étude est non-représentative de la population-cible, il est nécessaire de pondérer les caractéristiques sociodémographiques associées à l’issue si l’on veut appliquer les résultats plus généralement. / Prevalence studies on SARS-CoV-2 infections have often based on study populations with non-random and non-representative samples, which limits the external validity of their results when applied to the general population. The aim of this thesis was to investigate the representativeness of a pediatric cohort of a longitudinal seroprevalence study (Children and COVID-19: Seroprevalence study) and to assess to what extent its baseline estimates of seroprevalence can be applied to the Montreal pediatric population. There were 1 632 children participants who provided a blood sample at baseline, which was used to determine their seropositivity to SARS-CoV-2 antibodies. Using logistic regression modeling and a "marginal standardization" method, post-stratification weights calculated from 2016 Canadian census data were applied to the study population. Variations in seroprevalence estimates were then assessed. Significant differences in the distribution of certain sociodemographic characteristics were observed when comparing the study population and the target population based on 2016 Canadian census data. Seroprevalence estimates were generated from the “marginal standardization” approach which differed to that of the non-standardized estimates, and the differences ranges from -0,4% to +3,2%. Weighting did not change relative measures estimates, such as seroprevalence ratios. When the study population is not representative of the target population, it is necessary to weight the sociodemographic characteristics associated with the prevalence estimates, if the results will be applied more broadly.