ISFA Seabird /

Projection de la sinistralité des inondations et sécheresses en France métropolitaine à partir de données libres

Domaine(s)	Mémoire
formation(s)	ISFA () / resp.: / intervenant:

Informations sur les documents

Type de document	Mémoires
société	Seabird
Auteur(s)	DELYON MANIABLE S.
Numéro
Date de référence	03/11/2025

Résumé

Dans ses derniers rapports, le GIEC met en garde contre l’augmentation rapide des températures et des catastrophes naturelles, soulignant les conséquences en termes de sinistralité, notamment pour les assureurs qui devront faire face à ces nouveaux défis. C’est pourquoi l’ACPR a réalisé un deuxième exercice pilote d’évaluation des risques climatiques pour les banques et les assurances et qu’un rapport dit « Langreney » sur le régime Cat Nat a été mandaté par le gouvernement. Ce régime est particulièrement concerné par l’accroissement des sinistres liés aux inondations et aux sécheresses, périls les plus coûteux. Ce mémoire propose une étude approfondie de ces deux types de catastrophes naturelles en France métropolitaine, avec pour objectif de modéliser la projection de leur sinistralité à l’horizon 2050. L’approche retenue dans ce mémoire se distingue par l’utilisation de données ouvertes pour développer des modèles de prévision de la fréquence des inondations et des sécheresses à une échelle fine, celle de la maille communale. Cette granularité permet d’obtenir des projections plus précises, en phase avec les scénarios climatiques du GIEC, et alignées sur les méthodes de reconnaissance des catastrophes naturelles utilisées par les assureurs. Le mémoire débute par une présentation des enjeux climatiques actuels et de leur impact sur le secteur de l’assurance. Une deuxième partie est consacrée à l’analyse détaillée des données disponibles et aux limites de l’Open Data dans ce contexte. Les sections suivantes se concentrent sur la conception et l’implémentation des modèles prédictifs, qui permettent de projeter la sinistralité des inondations et des sécheresses à l’horizon 2050. Les résultats obtenus sont ensuite comparés aux études existantes, en particulier les travaux de l’ACPR, afin d’évaluer la robustesse des modèles proposés et leur pertinence pour les assureurs. Les résultats obtenus sont finalement intégrés dans un outil.

Abstract

In its latest reports, the IPCC warns of the rapid increase in temperatures and natural disasters, highlighting the consequences in terms of claims, particularly for insurers who will have to face these new challenges. This is why the ACPR conducted a second pilot exercise to assess climate risks for banks and insurance companies, and a report known as the "Langreney Report" on the Cat Nat regime was commissioned by the government. This regime is particularly concerned with the increase in claims related to floods and droughts, the most costly perils. This thesis offers an in-depth study of these two types of natural disasters in metropolitan France, with the aim of modeling the projection of their claims at the 2050 horizon. The approach taken in this thesis is distinguished by the use of open data to develop prediction models for the frequency of floods and droughts at a fine scale, that of the communal level. This granularity allows for more precise projections, in line with the IPCC climate scenarios, and aligned with the methods of recognizing natural disasters used by insurers. The thesis begins with a presentation of current climate challenges and their impact on the insurance sector. The second part is dedicated to a detailed analysis of the available data and the limitations of Open Data in this context. The following sections focus on the design and implementation of predictive models that allow for the projection of flood and drought claims at the 2050 horizon. The results obtained are then compared with existing studies, particularly those by the ACPR, in order to evaluate the robustness of the proposed models and their relevance to insurers. The results are finally integrated into a tool.

Mémoire complet

>

Mémoire_1709.pdf

Lien permament : https://www.ressources-actuarielles.net/C12574E200674F5B/0/4F3556709B18DF88C1258BA6006BF6A5