Bridging the Risk Perception Gap ?

Cet été, en rédigeant un article pour The Conversation sur le coût des assurances, on avait été surpris par une remarque des éditeurs qui nous reprochait de citer davantage de rapports professionnels que d’articles académiques. Dans beaucoup de domaines, cette critique serait justifiée. Mais en assurance, ces rapports, ou brochures, rédigées par les réassureurs, les courtiers ou les agences spécialisées constituent souvent les sources les plus fiables, parfois les seules, pour accéder à des chiffres crédibles, à des données récentes et à une compréhension granulaire du fonctionnement réel du marché. Elles ne sont pas neutres, bien sûr ; elles diffusent un récit. Mais en les lisant “en diagonale”, ou plutôt à contre-jour, elles révèlent bien plus que ce qu’elles prétendent dire : elles donnent à voir comment les acteurs redéfinissent les responsabilités, les périmètres de risque et les équilibres économiques du secteur.

Prenons le rapport Bridging the Risk Perception Gap publié par Howden Re il y a quelques jours. On y des discussions techniques, centrées sur la modélisation, l’incertitude, ou la disponibilité des données. Mais à mesure qu’on avance dans sa lecture, une impression se dégage, et on a l’impression que ce qui est présenté comme un “écart de perception” relève peut être moins d’un malentendu technique que d’une redéfinition du périmètre du risque et de sa répartition entre acteurs. Dès l’introduction, on nous explique que les assureurs directs ont absorbé une part croissante des pertes catastrophes naturelles, passant de 54 % en 2022 à 67 % en 2024 . Cette évolution est présentée comme une conséquence du “hard market” et d’un désalignement technique. Pourtant, la littérature académique rappelle depuis longtemps que la répartition du risque n’est jamais un phénomène neutre ni mécanique. François Ewald, dans L’Etat providence, rappelait que l’assurance repose sur une “politique du risque”, une construction institutionnelle qui organise la solidarité et délimite les responsabilités. C’est précisément cette dimension institutionnelle que le rapport tend à invisibiliser en renvoyant la divergence à un simple déficit de données.

“Améliorer la modélisation” ou “reconfigurer les responsabilités”

Un fil conducteur traverse le document : le marché souffrirait d’une “insuffisance de données” et d’un “manque de robustesse des modèles”, en particulier pour les périls de fréquence. On lit par exemple que

« the lack of robust data and modelling capabilities has made reinsurers hesitant to re-engage » (p. 4) .

Cette explication, répétée, suggère que la divergence de perception du risque tient à un déficit d’information, que la modélisation permettrait progressivement de combler. Or les travaux de Paul Slovic montrent précisément l’inverse. Dans The Perception of Risk, il insiste sur le fait que les divergences entre “experts” et “non-experts” (ou, ici, entre réassureurs et cédantes) ne sont pas réductibles à la qualité des données. Elles reflètent des positions institutionnelles différentes, des régimes d’incitation distincts, et des rapports différenciés au contrôle et à la responsabilité. J’ai l’impression que le rapport Bridging the Risk Perception Gap illustre cette dynamique. Ce qu’il présente comme un “écart de perception” me semble relever plutôt d’une reconfiguration de ce que les réassureurs souhaitent, ou acceptent, d’assumer, en particulier sur les couches basses et moyennes. L’idée selon laquelle une modélisation plus fine suffirait à “réconcilier” les deux côtés du marché masque ainsi une réalité structurelle : la technique n’est pas seulement un outil de description, mais un outil de redéfinition du périmètre du risque.

La proposition de recourir davantage aux couvertures paramétriques en est un bon exemple. En faisant reposer le déclenchement d’indemnisation sur des indices exogènes, ces solutions redéfinissent ce qui constitue un événement indemnisable. Elles n’objectivent pas le risque : elles le reconfigurent. Le rapport reconnaît d’ailleurs très explicitement que cette approche

« shifts the inflation risk back to the cedant » (p. 6) .

La modélisation devient ici l’instrument d’un déplacement de responsabilité. Cette articulation entre technique et gouvernance du risque a été analysée en profondeur dans Modern risk management : a history , où Peter Field rappelle que les modèles ne se contentent pas de représenter les risques. Le rapport Bridging the Risk Perception Gap s’inscrit dans cette logique, les solutions techniques qu’il met en avant redéfinissant le risque autant qu’elles prétendent en améliorer la mesure.

Climat : la causalité commode

Le rapport attribue une partie du désalignement technique à l’évolution du climat, affirmant que

« climate change is driving an increase in secondary perils » (p. 4) .

Cette explication, quoique plausible sur certains aléas, est scientifiquement partielle. Les travaux de l’OCDE (en particulier Risk Awareness, Capital Markets and Catastrophic Risks) rappellent que l’essentiel de la croissance des pertes tient non à l’aléa, mais à l’exposition et à la vulnérabilité des actifs. Mettre la responsabilité sur les aléas secondaires permet de présenter l’incertitude comme exogène : le problème viendrait du monde, non de l’organisation du marché, des arbitrages d’accumulation, ou du retrait progressif des réassureurs des couches de fréquence. On retrouve ici une dynamique décrite par Barbara Hudson dans Justice in the Risk Society. Le climat devient un argument commode pour légitimer des modifications de périmètre, alors même que la montée des pertes s’explique d’abord par la structure collective d’exposition.

Un écart de perception, ou une réallocation 

À mesure que l’on avance dans le rapport, l’objet réel devient plus clair : il ne s’agit pas de réduire un écart cognitif, mais de stabiliser une nouvelle frontière dans la répartition du risque. La distinction finale proposée entre

brute-force discipline” et “technical discipline” (p. 9)

va dans ce sens : la période récente, marquée par un resserrement de l’appétit de risque, serait désormais appelée à se transformer en une discipline technique, plus stable, plus prédictible. Autrement dit, une normalisation du retrait. L’idée même d’un “risk perception gap” repose sur l’hypothèse implicite que les deux parties cherchent à mesurer la même chose, alors que leurs positions institutionnelles (et les incitations qui en découlent) divergent profondément.

Le biais paramétrique

Le rapport insiste à plusieurs reprises sur la capacité des couvertures paramétriques à résoudre ce que les auteurs perçoivent comme la principale source du “risk perception gap” : l’incertitude, en particulier celle liée à l’inflation des sinistres non dommages. Il affirme ainsi que les structures paramétriques peuvent fournir une

« undisputable evidence of the inflation held in the subject portfolio » (p. 6)

permettant un règlement automatique, transparent, sans dépendre des processus d’expertise. Ce langage est très assurant (évoquant “preuve indiscutable”, “clarification”, “discipline technique”). Mais la littérature scientifique montrent que ces promesses reposent sur une ambivalence profonde, rarement reconnue dans les documents commerciaux, et que la technique paramétrique ne réduit pas l’incertitude, elle la reconfigure. Dans l’introduction, présentant le chapitre sur l’assurance paramétrique dans The Global Insurance Market and Change, Anthony Tarr, Julie-Anne Tarr, Maurice Thompson et Dino Wilkinson expliquent que

« A parametric contract is an agreement to make a payment upon the occurrence of a triggering event and as such is detached from loss or damage to an underlying physical asset or piece of infrastructure »

autrement dit, l’objet assuré n’est plus la perte, mais le signal, la valeur de l’indice, la condition observable, certes idéalement très corrélée à la perte. Mais seulement corrélée. De fait, la reconceptualisation de ce qui constitue un événement indemnisable (non plus un dommage mais une condition statistique) transfère mécaniquement toutes les situations où le dommage existe mais l’indice ne déclenche pas vers le cédant (basis risk). Robert Jerry, dans Understanding Parametric Insurance: A Potential Tool to Help Manage Pandemic Risk, montre que cette dissociation ouvre un espace considérable pour les réassureurs, permettant de contrôler avec précision, en amont, les situations indemnisables, en limitant les incertitudes liées au comportement des assurés, aux variations de coûts, ou aux débats d’expertise. Dans la littérature académique, cette capacité de pré-cadrage est décrite comme l’un des principaux attraits du paramétrique pour les assureurs et réassureurs. Mais elle génère mécaniquement un risque systémique pour l’assuré ou la cédante, celui de subir un sinistre réel sans activation du trigger.

La littérature économique sur l’indice (notamment Enrico Biffis, Erik Chavez, Alexis Louaas & Pierre Picard, dans Parametric insurance and technology adoption) souligne que ce basis risk constitue la contrainte structurelle fondamentale du paramétrique. Mais le rapport  Bridging the Risk Perception Gap n’évoque jamais cette dissymétrie. Or c’est précisément elle qui explique pourquoi le paramétrique, loin de résoudre le “gap”, le déplace, du domaine technique vers le domaine politique, c’est-à-dire celui de la définition des responsabilités. La littérature comparée confirme ce point. Le paramétrique est un outil d’allocation financière, pas un outil de mesure fidèle du risque. C’est exactement ce que montre aussi Robert Jerry, dans Understanding Parametric Insurance, PathogenRX (Marsh/Munich Re) n’a quasiment trouvé aucun preneur avant Covid-19, non à cause d’une incompréhension technique, mais parce que les incitations économiques des assurés et des assureurs divergeaient fondamentalement. Ainsi, lorsque Howden Re présente les solutions paramétriques comme un moyen de réduire la divergence de perception du risque, il faut comprendre que le paramétrique clarifie la responsabilité du réassureur, mais en réassignant aux cédantes, via le basis risk implicite, ce qui ne relève pas de la structure de l’indice. La technique, ici, ne vient pas corriger un malentendu, elle vient formaliser une nouvelle frontière dans la répartition du risque.

La construction d’un récit 

Ce type de narration est bien documenté dans la littérature. Dans le chapitre sur l’assurance paramétrique, publié dans The Global Insurance Market and Change, Wynne Lawrence, Julie-Anne Tarr, Nigel Brook, Meg Chaperon et Arnaud Sorel rappellent que le paramétrique est souvent présenté comme une innovation comblant un manque,

« At a time when cash flow was at a premium for pandemic-impacted businesses, the insurance industry struggled to respond. Settlement periods could be as long as many months to far more extended periods as insurers struggled to manage dramatic escalations in claims, interpretation of widely
divergent policy wording around the basis for indemnity and exclusions, and protracted litigation processes for clarification and settlement. Even in cases of uncontested liability, indemnity policies’ requirements around causation and resulting loss verifications can be time, labour and cost-intensive. »

La recherche d’une causel peut être trop longue, une corrélation pourrait nous sauver… La rhétorique est tournée vers la rapidité des paiements, la transparence des triggers, la simplicité contractuelle, ce qui construit une figure de l’assureur technique dont l’expertise dépasse celles des autres acteurs. Une figure que Howden Re reprend dans son rapport. Sans théoriser frontalement la non-neutralité de la technique, Jerry montre que l’assurance paramétrique dépend de choix d’indices et de données traversés par des contraintes institutionnelles et politiques (jusqu’à la manipulation possible des chiffres), et que ces choix ont des effets distributifs : le trigger remplace la perte par une mesure, ce qui crée du basis risk et peut fragiliser la mutualisation, voire accroître biais et discriminations.

Le caractère “innovant” ne relève donc pas d’une supériorité technique, mais d’une capacité à redéfinir les termes du contrat assurantiel. Le rapport Parametric Insurance and Natural Disaster Relief Reform (en chinois, mais qu’on peut traduire en français avec un outil en ligne, au moins l’introduction – je ferais un billet un jour sur l’importance d’aller chercher des documents en chinois, en coréen, en japonais, pour comprendre vraiment ce qui se passe en Asie) montre que le système chinois de secours en cas de catastrophes naturelles repose largement sur des mécanismes d’aide ex post, fortement dépendants du budget public, et insuffisamment dotés de sources de financement stables et prévisibles. L’assurance paramétrique n’a pas vocation à transformer la nature de l’assurance, mais à compenser les limites structurelles des mécanismes existants de secours, en fournissant aux finances publiques des ressources rapides et prévisibles après les catastrophes. On retrouve cette idée dans les exemples d’assurance paramétriques agricole exploitée via la microfinance qui montrent que ces dispositifs servent souvent des objectifs publics ou quasi-publics (rapidité de décaissement, stabilisation budgétaire, gestion de crise) beaucoup plus que de réelles avancées dans la modélisation actuarielle.

C’est ce que la littérature en risk management décrit comme la fonction narrative de l’innovation, elle permet de stabiliser des décisions économiques en les rendant socialement acceptables. Les réassureurs ne se contentent pas de proposer des solutions, ils produisent un récit dans lequel ces solutions deviennent nécessaires, rationnelles, presque inéluctables. Lorsque Howden Re oppose la “brute-force discipline” du hard market à une “technical discipline” fondée sur l’innovation (comme je l’évoquais plus haut), il reformule un retrait comme un progrès. C’est exactement ce que décrit Modern risk management : a history, au cours des différents chapitres, montrant que les modèles, en finance comme en assurance, servent autant à légitimer des stratégies de marché qu’à décrire des réalités. Dans cette perspective, la dimension héroïque du récit n’est pas un ornement rhétorique, mais un élément fonctionnel, qui sert à produire de la confiance dans un moment où les réassureurs, ayant restreint leur appétit pour les couches basses, doivent justifier leur repositionnement. En ce sens, les cas mis en avant dans ces rapports ne sont pas de simples illustrations techniques, ce sont des dispositifs de récit qui consolident une nouvelle grammaire du risque, dans laquelle l’innovation technologique n’est ni neutre ni pure, mais un instrument de gouvernance.

L’assurance, l’immobilier et la fabrique de l’ignorance

Cette fin de semaine, le New York Times rapportait que Zillow, premier site immobilier américain, a retiré discrètement de ses annonces les scores de risques climatiques (inondation, incendie, chaleur) produits par First Street Foundation. Le retrait suit les pressions d’agents immobiliers et le lobbying de plusieurs Multiple Listing Services (MLS), notamment celui de Californie, l’un des plus puissants du pays. Comme l’écrit la journaliste Claire Brown, Zillow a supprimé ces scores suite à une plainte,

“Zillow stopped displaying the scores after complaints from the California Regional Multiple Listing Service”

Mais que se passe-t-il lorsqu’une information sur les risques entre en collision avec des intérêts économiques solidement installés ? Mary Douglas le soulignait, en 1992, dans Risk and Blame

institutions themselves are the monitors which determine what is going to count as information

Le risque, autrement dit, ne se contente pas d’exister ; il est façonné, filtré, parfois instrumentalisé comme une technologie morale, c’est-à-dire un instrument utilisé pour orienter les comportements en fonction des intérêts d’un groupe. Le cas Zillow en est un exemple presque didactique : la connaissance produite par les modèles climatiques devient un coût pour l’industrie immobilière, donc elle doit être rendue silencieuse. Dans Risk and Culture, Mary Douglas écrivait :

“Blaming the system is a way of protecting the community from morally unacceptable risks. […] What is dangerous is not the event itself, but the threat it poses to an established social order.”

Les risques climatiques, dans cette perspective, menacent une “social order” : la fluidité des marchés immobiliers. Ils deviennent donc socialement inacceptables… non pas parce qu’ils sont faux, mais parce qu’ils sont vrais et dérangeants.

L’objection immobilière : quand l’économie préfère l’ignorance

Le PDG du MLS californien déclare que

“When we saw entire neighborhoods with a 50 percent probability of the home flooding this year and a 99 percent probability of the home flooding in the next five years, especially in areas that haven’t flooded in the last 40 to 50 years, we grew very suspicious,”

L’argument est ancien et classique : un modèle est suspect lorsqu’il contredit l’expérience vécue. Or de nombreux travaux de climatologie et d’hydrologie rappellent que l’expérience passée n’est plus un guide fiable dans une distribution de risques non stationnaire. C’est précisément la thèse de tous les ouvrages sur les régimes extrêmes, la loi des queues épaisses ou le “stationarity is  dead” de Milly et al. (2008). Les hydrologues, les assureurs et les climatologues le répètent depuis 20 ans : le passé n’est plus un indicateur du futur. Dans The Physics of Climate Change, Lawrence Krauss écrit :

“The past climate is no longer a faithful record of the future—it is a fossil.”

Le commentaire du MLS illustre l’une des limites épistémologiques mises en avant par les philosophes des risques : la circularité de la validation. Si l’on exige qu’un risque futur soit déjà observé dans le passé, alors aucun risque émergent n’est légitime. Cette logique fut historiquement mobilisée pour nier les risques industriels dans les années 1950–1980 (asbestos, tabac, pollution). Sheila Jasanoff parle à ce propos de technologies of humility : la nécessité de reconnaître que l’absence d’événement n’est pas un argument.

La granularité excessive du risque

Le New York Times met en évidence, très justement, une tension fondamentale :  les modèles de risques climatiques ne sont pas conçus pour être lus au niveau de la maison individuelle. Madison Condon, chercheuse en droit et économie du climat, dit dans l’article

“With forward-looking models, we can’t check their outputs against a record, they are necessarily forecasting events that have not yet happened. The First Street models might provide a good enough answer for certain questions or certain hazards, But what level of accuracy is good enough changes substantially if the question is about one specific property you are about to spend your life savings on.”

Cette remarque rejoint deux axes centraux de la littérature scientifiques.  Tout d’abord, Les modèles de catastrophe sont fondamentalement des modèles de population, pas de micro-prédiction. Ils sont efficaces en agrégé, mais imprécis en micro-lieu. Mais il y a aussi l’illusion de précision (Lavine, Gigerenzer) : donner un chiffre très précis à un niveau spatial très fin crée une illusion d’exactitude, et donc une vulnérabilité cognitive.

Dans beaucoup d’ouvrages scientifiques sur le climat (notamment les rapports sur les risques de montée des eaux et les travaux de climat extrême), on retrouve cette idée : le risque est distribué spatialement, mais la vulnérabilité est locale et socio-économique. Le modèle ne peut donc être lu sans tenir compte du bâti, des protections locales, des pratiques d’assurance, et surtout des inégalités.

Les “cartographies interdites” 

De nombreux chercheurs ont montré que la publication d’une information sur les risques suscite presque toujours une controverse sociale. Comme le soulignent Reghezza-Zitt et Rufat dans Resilience Imperative,

“any representation of risk involves choices: what is shown, what is omitted, what is made salient”

Une carte n’est donc jamais un simple reflet du réel : elle sélectionne, ordonne et rend visibles certains dangers, tout en en invisibilisant d’autres, et contribue de ce fait à reconfigurer les rapports de force autour du territoire qu’elle représente. Pour Bankoff, Frerks et Hilhorst dans Mapping Vulnerability,

“vulnerability… defies the possibility of reading it from a general chart”

autrement dit, aucune carte ne peut prétendre offrir une représentation neutre ou complète du danger. Toute cartographie du risque simplifie, met en avant certains éléments, en omet d’autres, et participe ainsi à structurer les rapports sociaux autour de ce risque. Les débats sur Zillow s’inscrivent exactement dans cette dynamique. Rendre visible un risque climatique n’est jamais neutre, cela crée des gagnants et des perdants, et l’immobilier fait partie des secteurs où cette visibilité est la plus politiquement sensible. Trois précédents historiques viennent immédiatement à l’esprit.

L’histoire de la cartographie des inondations en France au XIXᵉ siècle montre déjà à quel point rendre visible un danger pouvait déclencher une crise politique locale. Après la crue de 1856, l’État et les ingénieurs des Ponts et Chaussées engagent un vaste travail de délimitation des zones inondables. Très vite, des communes protestent : être placées en “zone inondable”, c’est voir menacés la valeur foncière, l’attractivité de la commune, parfois même sa capacité à emprunter et à investir. Les travaux d’histoire des catastrophes et des politiques hydraulique que tu m’as fournis insistent sur ce point : la carte ne se contente pas d’enregistrer un risque naturel, elle reconfigure les rapports de force locaux en désignant des territoires comme “à problème”. Ce que l’on observe déjà à cette époque, c’est une grammaire politique très stable : la représentation savante du risque est perçue comme un acte performatif, qui fait exister publiquement une menace jusque-là socialement déniée.

Un siècle plus tard, les “redlining maps” de la Home Owners’ Loan Corporation aux États-Unis offrent un autre précédent, encore plus brutal, de la puissance performative des cartes. En classant les quartiers de A à D, avec les quartiers majoritairement noirs et pauvres systématiquement relégués en catégorie “hazardous”, l’administration ne se contente pas de décrire un risque de défaut de crédit : elle organise une véritable ségrégation financière et immobilière. La littérature historique et économique sur le redlining montre bien que ces cartes ont fixé durablement les trajectoires urbaines : un quartier coloré en rouge était privé d’accès au crédit, ce qui entraînait dégradation du bâti, désinvestissement public, puis renforcement des stigmates sociaux. Là encore, le parallèle avec les scores de risques climatiques est évident : dès qu’une représentation du risque est attachée à un lieu, elle pèse sur les prix, les flux d’investissements et, in fine, sur les populations qui y vivent.

Plus récemment, le cas des cartes de FEMA illustre une troisième configuration, où l’enjeu n’est plus tant la production de la carte que la gestion de son obsolescence. Plusieurs travaux que tu m’as transmis soulignent combien de municipalités américaines résistent à la mise à jour des zones inondables : une nouvelle carte signifie, très concrètement, hausse des primes d’assurance, contraintes de construction supplémentaires et baisse immédiate de la valeur immobilière. Il en résulte des cartes souvent en retard sur la réalité climatique, non par manque de capacité technique, mais parce que l’ajustement à la nouvelle distribution des risques est politiquement et économiquement explosif.

Vu depuis ces trois précédents historiques, la décision de Zillow de retirer les scores de risques des annonces s’inscrit dans une continuité troublante : plutôt que d’assumer les effets redistributifs d’une information climatique plus précise, on préfère en limiter la visibilité, au prix d’un retour à une asymétrie d’information défavorable aux acheteurs les plus exposés.

Les modèles First Street : science robuste, usages fragiles

Revenons un instant sur les données et les modèles mentionnés dans l’article du New York Times. Il existe un consensus large, dans la littérature scientifique et dans les évaluations institutionnelles américaines, sur le fait que les cartes FEMA (Flood Insurance Rate Maps — FIRMs) sont souvent obsolètes, parfois très anciennes, et méthodologiquement limitées. Le Department of Homeland Security lui-même, dont dépend FEMA, notait dès 2017 que plus de la moitié des cartes d’inondation américaines avaient plus de 15 ans, et qu’un nombre significatif n’avaient pas été mises à jour depuis 30 à 40 ans (DHS, National Flood Mapping Program Review, 2017). Le Government Accountability Office (GAO) confirme ce diagnostic : en 2022, il rapporte que

“FEMA’s flood maps remain inaccurate or outdated in many areas”

en raison de capacités limitées et de résistances locales à la révision (GAO-22-104, 2022). La littérature académique dit la même chose : dans Understanding Disaster Insurance, Kousky (2020) rappelle que

“FEMA’s flood maps remain incomplete and often outdated; they were never designed to provide a full accounting of flood risk, particularly under a changing climate.”

ou encore Smiley (2020)

“outdated and inaccurate, FEMA flood maps fail to fully capture risk”

Cela signifie que les cartes FEMA utilisent souvent des données hydrologiques, topographiques et pluviométriques qui ne reflètent plus les conditions environnementales actuelles, ni a fortiori celles induites par le changement climatique.

À l’inverse, la méthodologie de First Street Foundation s’appuie sur des modèles hydrologiques et hydrauliques continus, fondés sur des DEM haute résolution (USGS + LiDAR), l’intégration de l’imperméabilisation urbaine, des intensités de pluie mises à jour (NOAA Atlas 14), des données de débordement fluvial, des modèles côtiers (surcote, marées, élévation du niveau de la mer), et surtout des projections climatiques CMIP6. Matthew Eby, de First Street Foundation, est interrogé dans l’article du New York Times,  et comme il le dit,

“Our models are built on transparent, peer-reviewed science and the full methodologies are publicly available for anyone to review on our website.”

Effectivement First Street Foundation met réellement en ligne une méthodologie complète, notamment via le document FSF Flood Model – Technical Methodology, Version 3.0 (juillet 2023), accessible publiquement. On y trouve la description détaillée des données d’entrée : topographie haute résolution (USGS DEM, LiDAR quand disponible), hydrologie et hydraulique (débits USGS, marées et surcotes NOAA, intensités de pluie NOAA Atlas 14), occupation du sol (imperméabilisation, couvert végétal), ainsi que les projections climatiques issues de modèles CMIP6 et de données downscalées. Toutes ces sources sont listées dans les pages “Methodology” et “Data Sources” du site de FSF. Les données historiques d’inondation servent à la validation mais non au calcul direct du “Flood Factor” d’une propriété (FSF précise explicitement que les “historic flood events” ne déterminent pas la note d’un bien individuel).

Cette transparence documentaire est réelle, mais la reproductibilité intégrale du modèle reste limitée. D’une part, le modèle combine plusieurs couches (pluvial, fluvial, côtier, ruissellement urbain) à une résolution très fine (3 m), ce qui exige un traitement SIG massif et un accès à des données parfois difficiles à reconstituer dans leur état exact. D’autre part, les projections climatiques reposent sur des hypothèses (scénarios d’émissions, intensité des tempêtes, montée des eaux) que FSF reconnaît comme sources d’incertitude. Enfin, le modèle ne capture pas toutes les données locales de vulnérabilité : rehaussement individuel des maisons, drainage municipal récent, protections privées, etc. Certains analyses indépendantes (on peut penser à Review of a New Online Modeling Tool) recommandent donc de considérer les résultats comme indicateurs de risque probabiliste, utiles pour corriger l’asymétrie d’information, mais non comme diagnostics structurels à l’échelle de la maison.

Leur méthodologie est en réalité nettement plus avancée que les cartes FEMA, souvent vieilles de 20 à 40 ans.  Dans Climate Shock, Gernot Wagner et Martin Weitzman écrivent

“Inaction is often justified by questioning the models—especially when the newer models are more precise than the legacy systems they threaten.”

Les critiques adressées aux modèles First Street ne portent donc pas sur leur validité scientifique, mais sur leur impact économique.

Quand l’information change les comportements

Le New York Times mentionne un résultat majeur issu d’une expérience menée par Redfin et analysée dans Disaster on the horizon : rendre visible l’information sur le risque modifie de manière mesurable et significative les comportements d’achat. L’expérience, conduite auprès de 18 millions d’utilisateurs, consistait à afficher aléatoirement un score de risque d’inondation provenant de First Street Foundation sur les pages d’annonces. Les chercheurs montrent que, chez les utilisateurs exposés à l’information, les recherches se déplacent vers des zones à plus faible risque, et que les transactions portant sur des biens identifiés comme “à haut risque” enregistrent une baisse moyenne de 1 % du prix de vente (Bernstein, Gustafson & Lewis, 2024). L’étude conclut que

“the disclosure of flood risk information leads to a statistically significant reduction in demand for high-risk properties”

confirmant une intuition déjà présente dans les travaux de psychologie du risque : lorsque l’information devient saillante, elle modifie l’arbitrage des acheteurs. Kunreuther & Meyer le disaient dans The Ostrich Paradox, (2017)

“Markets underreact to low-probability high-consequence risks when information is not salient.”

Le New York Times résume correctement cet effet en notant

“The Redfin experiment, which lasted for three months, affected sales of 8,150 properties that were listed as being at high risk of flooding and reduced their total sales prices by about 1 percent of their value.”

Ce résultat n’est pas anodin : il établit empiriquement que rendre visible le risque climatique crée un effet de marché immédiat, ce qui explique pourquoi la visibilité même de cette information suscite des résistances politiques et économiques, exactement comme dans les précédents historiques que nous avons rappelés. Le problème est donc clair : soit on donne l’information, et le marché ajuste ; soit on la retire, et le marché fonctionne “normalement”… mais au prix de désinformer les acheteurs.

Qui a le droit de savoir ?

Ce contraste entre le faible devoir de transparence des vendeurs immobiliers et les attentes bien plus rigides souvent imposées aux assurés mérite qu’on s’y arrête. Comme je le rappelle dans un billet récent, L’impossible droit à l’erreur, l’impossible droit à l’oubli ?, les systèmes américains d’information publique sont d’une sévérité remarquable vis-à-vis des individus : dans de nombreux États, un assuré peut être lourdement sanctionné s’il omet de déclarer un élément de son passé, notamment des condamnations, des accusations encore pendantes, ou même des arrestations récentes, pourtant non suivies de jugement. Les bases de données publiques — Missouri Sunshine Law (§ 610.100), New York Criminal History Record Search, et les répertoires agrégés par des courtiers privés — transforment chaque trace pénale en stigmate durable, librement accessible à tout employeur, assureur ou bailleur. Comme je l’écrivais

“une simple arrestation (même classée sans suite) peut se muer en exclusion durable”

Autrement dit, l’individu doit “tout dire”, faute de quoi il risque d’être exclu d’un prêt, d’une assurance, ou d’un emploi.

L’asymétrie est frappante puisque l’acheteur immobilier n’a aucun moyen légal d’exiger du vendeur qu’il déclare un antécédent d’inondation ou une vulnérabilité structurelle aux feux. Le New York Times le dit explicitement

“In many states, sellers are not required to disclose information about whether a house has flooded recently or if it is vulnerable to wildfires”

Cette dissymétrie dans le rapport de force est d’autant plus choquante que, dans un cas, l’enjeu est un risque structurel, durable, affectant potentiellement la sécurité future d’un foyer ; dans l’autre, il s’agit souvent de micro-événements individuels dont la pertinence assurantielle ou actuarielle est discutable. La transparence exigée du particulier contraste violemment avec l’opacité tolérée du vendeur immobilier : le premier ne peut invoquer ni droit à l’erreur ni droit à l’oubli, tandis que le second est libre de taire des informations essentielles sur l’exposition réelle du bien au changement climatique.

On touche ici à une injustice structurelle que révèle l’affaire Zillow. L’information climatique, parce qu’elle affecte immédiatement la valeur immobilière, est politiquement neutralisée ; l’information pénale ou personnelle, parce qu’elle permet d’ajuster finement le risque individuel, est, elle, amplifiée, agrégée, rendue indélébile. Dans un environnement où, comme le montre l’expérience Redfin, la seule visibilité d’un risque suffit à modifier le marché, l’effacement volontaire de ces informations dans l’immobilier apparaît comme un privilège que n’ont pas les assurés ordinaires. Ils doivent supporter la mémoire totale du système, alors même que les biens immobiliers, eux, bénéficient d’une forme de droit à l’oubli institutionnel. Cette tension éclaire d’un jour cru le retrait des scores climatiques par Zillow : ce n’est pas seulement un débat technique sur la précision des modèles, mais l’expression d’un régime de responsabilité profondément asymétrique. Dans Climate Change and Cities, Jesse Keenan écrit

“Low-income households are more likely to be harmed by insufficient access to information about climate-related hazards and adaptation options.”

et il est difficile de ne pas être d’accord…

La politique de la visibilité

Cela dit, il convient d’être précis : Zillow n’a pas entièrement supprimé l’accès aux scores, il renvoie désormais vers le site de First Street via un lien discret. Comme le dit le New York Times,

“Real estate listings on Zillow now display hyperlinks to First Street’s website, and users can click through to view climate risk scores for a specific property”

C’est un geste politique très classique : on rend l’information disponible, mais invisible. C’est l’équivalent numérique de mettre un rapport en ligne dans un onglet “archives”. La sociologie des sciences parle de visibility management : gérer la visibilité d’un risque, non pour le corriger, mais pour contrôler son effet social.

La dépolitisation du risque climatique

La décision de Zillow révèle une tension fondamentale dans les sociétés du XXIᵉ siècle. Les modèles climatiques deviennent assez précis pour produire des risques localisés. Mais l’économie et la politique ne sont pas prêtes à intégrer les conséquences de ces risques. Donc l’information est atténuée, déplacée, rendue non saillante. Toute la littérature scientifique récent converge vers une même idée (qu’il s’agisse d’épistémologie du risque, d’anthropologie des catastrophes, d’économie du climat ou d’histoire des assurances) : le risque n’est jamais seulement un fait naturel, c’est un fait politique.

Le cas Zillow n’est pas un détail du marché immobilier. C’est un laboratoire de la gouvernance du risque climatique, avec cette question essentielle : pouvons-nous réellement entrer dans l’ère de l’adaptation climatique si l’information sur les risques devient politiquement indésirable ? Comme l’écrivait Ulrich Beck dans Risikogesellschaft

“Dabei wird exemplarisch deutlich, worum es im öffentlichen Definitionsstreit um Risiken eigentlich geht: nicht nur um gesundheitliche Folgeprobleme … sondern um die sozialen, wirtschaftlichen und politischen Nebenfolgen dieser Nebenfolgen.”

autrement dit,

“Le cœur du conflit public autour des risques n’est pas seulement leurs effets sanitaires, mais les conséquences sociales, économiques et politiques qui en découlent.”

Le risque devient “réel” socialement lorsqu’il devient un objet de controverse publique, c’est-à-dire quand son existence a des conséquences politiques. Zillow, en retirant les scores, contribue à rendre le risque… moins réel. Mais seulement en apparence.

Références

Bankoff, G., Frerks, G., & Hilhorst, D. (Eds.). (2004).
Mapping Vulnerability: Disasters, Development and People. London: Earthscan.

Beck, U. (1992). Risikogesellschaft, Suhrkamp.

Bernstein, A., Gustafson, M. T., & Lewis, R. (2024). Flood Risk Disclosure and Housing Market Behavior. NBER Working Paper No. 31908.

Brown, C. (2025, November 30). Zillow Removes Climate Risk Scores From Home Listings. The New York Times.

Douglas, M., & Wildavsky, A. (1982). Risk and Culture: An Essay on the Selection of Technical and Environmental Dangers. University of California Press.

First Street Foundation. (2020–2025). Methodologies & Technical Documentation. First Street.

Jasanoff, S. (2003). Technologies of Humility. Nature, 450, 33.

Keenan, J. M. (2018). Sea Level Rise and Housing.
In C. Rosenzweig, W. Solecki, P. Romero-Lankao, et al. (Eds.),
Climate Change and Cities: Second Assessment Report of the Urban Climate Change Research Network (ARC3.2)
(pp. 343–385). Cambridge University Press.

Kousky, C. (2023). Understanding Disaster Insurance: New Tools for a More Resilient Future. Routledge / RFF Press.

Krauss, L. (2021). The Physics of Climate Change. Post Hill Press.

Kunreuther, H., & Meyer, R. (2017). The Ostrich Paradox: Why We Underprepare for Disasters. Wharton School Press.

Milly, P. C. D., Betancourt, J., Falkenmark, M., Hirsch, R., Kundzewicz, Z., Lettenmaier, D., & Stouffer, R. (2008). Stationarity Is Dead: Whither Water Management? Science, 319(5863), 573–574.

Redfin & National Bureau of Economic Research (NBER). (2024). Flood Risk Disclosure and Homebuyer Behavior (Working Paper).

Reghezza-Zitt, M., & Rufat, S. (2015).
Resilience Imperative: Uncertainty, Risks and Disasters. London: ISTE Press / Elsevier.

Roux, J., November, V., & Reghezza-Zitt, M. (2013). Les territoires du risque. Armand Colin.

Smiley, S. (2020). Outdated and inaccurate, FEMA flood maps fail to fully capture risk. Kinder Institute for Urban Research.

U.S. Government Accountability Office. (2022). FEMA: Flood Maps—Actions Needed to Improve Oversight and Management of Mapping Program. GAO-22-104079.

Wagner, G., & Weitzman, M. L. (2015). Climate Shock: The Economic Consequences of a Hotter Planet. Princeton University Press.