La discrimination est un problème récurrent dans l'industrie de l'assurance et qui persiste, indépendamment de l'intentionnalité, lorsque l'assureur s'assure que le processus de tarification n'a pas d'information sur les variables socialement controversées ou légalement interdites. Nous contextualisons le problème dans l'assurance des particuliers en tenant compte de la législation en vigueur aux États-Unis et dans l'Union européenne. Nous analysons d'abord la plus grande base de données publiquement accessible sur les accidents de la circulation routière signalés par la police aux États-Unis. Ensuite, nous formulons le problème de tarification dans un cadre causal pour fournir des outils pouvant aider à identifier les sources de discrimination. Cela conduit à des critères que nous proposons pour obtenir des primes actuariellement équitables qui peuvent atténuer la discrimination. Ceux-ci sont réunis dans une approche de microsimulation pour l'assurance automobile aux États-Unis qui approxime les statistiques populationnelles et les données d'accidents déclarés. Nos résultats montrent que certaines hypothèses actuarielles traditionnelles peuvent entraîner des conséquences discriminatoires non intentionnelles.