Tag Archives: tribune

Crise climatique : la prochaine bombe à retardement du système financier

Le Monde daté d’aujourd’hui a publié une courte tribune sur le sujet de l’impact financier de la crise climatique, où je me suis autorisé à quitter le monde de l’assurance pour parler du système financier, en général. Je publie ici le draft précédant, un peu plus long (et sourcé)

Face à la multiplication des catastrophes naturelles, les assureurs ont déjà sonné l’alarme : le climat est devenu un facteur de risque économique majeur. Pourtant, le monde bancaire continue d’ignorer les signaux, tout en finançant massivement les industries fossiles. Ce paradoxe pourrait précipiter une nouvelle crise financière mondiale, dont les contours sont déjà visibles.

Depuis plusieurs années, les compagnies d’assurance alertent : les événements climatiques extrêmes ne relèvent plus du risque marginal. Ils constituent désormais une donnée structurelle, incontournable, aux impacts systémiques. La hausse continue du coût des sinistres — inondations, incendies, tempêtes — pousse certaines d’entre elles à restreindre ou abandonner leurs activités dans les zones les plus vulnérables, comme la Californie ou la Floride (lemonde). Le monde bancaire, en revanche, tarde toujours à prendre la pleine mesure de ce basculement. Or si les assureurs encaissent les chocs, les banques pourraient en être les vecteurs systémiques.

Le dérèglement climatique n’est pas seulement une menace environnementale ; il représente un danger financier d’une ampleur inédite. Sécheresses prolongées, élévation du niveau des mers, canicules et ouragans perturbent durablement l’économie réelle. Ils affectent les récoltes, détruisent des infrastructures, dévalorisent les biens immobiliers et provoquent des déplacements massifs de population. Ces perturbations génèrent des pertes de revenus, des défauts de paiement, des hausses de primes d’assurance et, in fine, une instabilité croissante pour les institutions financières.

L’année 2023 a encore illustré cette vulnérabilité : les pertes assurées ont avoisiné les 100 milliards de dollars, sur un total de plus de 250 milliards de coûts économiques (swissre, swissre). L’année 2024, elle, a enregistré des dommages économiques encore plus lourds, estimés à 417 milliards de dollars, dont environ 154 milliards assurés, selon Gallagher Re (gallagherre) et Munich Re (munichre). Aux États-Unis seulement, 27 catastrophes différentes ont généré chacune plus d’un milliard de dollars de dégâts (noaa). Ces chiffres confirment une tendance : la fréquence et l’intensité des sinistres augmentent, vraisemblablement en lien avec une année 2024 qui a très probablement établi un record de chaleur mondiale .

Et l’année 2025 ne montre aucun signe de ralentissement. Dès juin, l’Europe est confrontée à une vague de chaleur majeure, avec des températures dépassant 42 °C dans plusieurs pays du sud, et des records locaux jusqu’à 45 °C en Espagne et au Portugal (reuters, guardian). Selon des prévisions de l’ECMWF et un rapport de l’Institut Max Planck, ce phénomène s’inscrit dans une tendance saisonnière plus précoce, annonçant un été anormalement chaud sur le vieux continent (maxplanck). Ce début d’année 2025 laisse présager une aggravation des impacts sanitaires, économiques et logistiques, faute de préparation adéquate.

Ce risque est encore largement sous-estimé dans les modèles bancaires. Les analyses de crédit, les stress tests réglementaires et les calculs de rentabilité sont rarement conçus pour anticiper des scénarios extrêmes, répétitifs et multisectoriels. Pourtant, les liens sont évidents. Une inondation détruit un quartier résidentiel : la valeur des biens s’effondre, les emprunteurs ne peuvent plus rembourser, les garanties deviennent caduques. Une sécheresse ruine les récoltes : les exploitants agricoles font défaut, les collectivités locales voient leurs recettes s’amenuiser, les banques régionales réduisent le crédit. L’économie se contracte, et le choc se transmet.

Ces effets se renforcent dans un contexte d’interconnexion financière mondiale. Une crise immobilière en Asie du Sud‑Est peut fragiliser des fonds européens exposés. Une envolée des prix agricoles due à un effondrement des rendements en Amérique latine alimente l’inflation dans les pays importateurs. Un ouragan qui paralyse le Golfe du Mexique peut faire flamber les prix du pétrole. Le climat, en frappant simultanément plusieurs secteurs et régions, devient un déclencheur potentiel de crise systémique.

Les petites et moyennes entreprises, en particulier, sont les plus vulnérables. Moins bien assurées, disposant de peu de trésorerie, elles subissent de plein fouet les ruptures d’activité liées aux événements extrêmes. Une coupure d’électricité prolongée, la fermeture d’une route, la destruction d’un entrepôt ou l’inaccessibilité d’un marché local peuvent suffire à précipiter leur faillite. Or les PME représentent une large part de l’emploi et du tissu économique local. Leur disparition accélère les dynamiques de désindustrialisation, d’inégalités territoriales et de précarisation.

Dans ce contexte, la posture des grandes institutions bancaires devient de plus en plus intenable. D’un côté, elles commencent à reconnaître officiellement les risques liés au climat. De nombreux établissements publient des rapports ESG, participent à des coalitions climatiques, s’engagent à aligner leurs portefeuilles sur les objectifs de l’Accord de Paris. De l’autre, elles continuent à financer massivement les industries fossiles. Selon le rapport 2023 du collectif Banking on Climate Chaos, les 60 principales banques mondiales ont accordé près de 7 000 milliards de dollars de financements aux énergies fossiles entre 2016 et 2022 — soit après la COP21 (oilchange).

Ce double discours illustre une forme de schizophrénie financière. Tout en reconnaissant les risques climatiques à venir, les banques persistent à alimenter les causes de ces mêmes risques : pétrole, gaz, charbon, aviation, automobile thermique. Cette logique de court terme, dictée par la rentabilité immédiate, revient à scier la branche sur laquelle repose leur propre stabilité. Pire, elle légitime la poursuite d’un modèle de croissance carbonée, extractive, dont les effets délétères sont aujourd’hui avérés.

Les appels à une réforme profonde du système financier se multiplient. La Banque centrale européenne, la Banque d’Angleterre ou encore la BRI insistent sur la nécessité d’intégrer les risques climatiques dans les stress tests, la réglementation prudentielle et les mécanismes d’évaluation d’actifs (bce, boe, bri). Mais les progrès restent limités, en particulier en matière de désengagement des actifs fossiles et de redirection des investissements vers les infrastructures durables.

Il ne s’agit plus seulement d’un problème de gestion de risque, mais de responsabilité systémique. Le climat pourrait être à l’origine de la prochaine crise financière mondiale. Et cette fois, les acteurs ne pourront pas prétendre qu’ils n’avaient pas été prévenus. Les données sont là, les courbes sont connues, les modèles sont disponibles. Ce qu’il manque encore, c’est la volonté politique et financière de rompre avec un modèle de croissance devenu, à bien des égards, insoutenable (risques).

Intelligence artificielle et assurance IARD

L’intelligence artificielle pose de nombreux défis, tant technologiques qu’éthiques, voire philosophiques. Les problèmes les plus souvent évoqués étant le biais des données et la transparence des algorithmes (ou des modèles). Ce problème est bien connu en justice prédictive (les juristes parleraient de justice actuarielle) : les modèles doivent être interprétables, compréhensibles, et tenir compte du biais connu des données. Car à part les expériences randomisées, les données « neutres » ou « brutes » n’existent pas. Si je veux construire un score de fraude, j’utilise ainsi des données construites suite à des enquêtes pour fraudes, la majorité des observations découlant d’une suspicion préalable de fraude. Il est ainsi nécessaire de comprendre comment les données ont été collectées, ce que tout statisticien apprenait historiquement à faire. L’interprétabilité des modèles pose des questions complexes car elle est associée à un processus narratif, ce dernier proposant souvent une explication causale à un mécanisme (qui est souvent implicite dans l’idée du processus prédictif). Mais la grande majorité des modèles actuariels et d’apprentissage machine se contentent d’étudier des corrélations. Le genre est ainsi corrélé avec la sinistralité en assurance automobile, et les actuaires avaient pris l’habitude de justifier cette relation en recourant à des stéréotypes, de la même manière que la conduite d’une voiture de sport prêtait à un conducteur les pratiques de tous les conducteurs de voitures de sport. Cette généralisation par stéréotypes, au cœur du travail de l’actuaire, est aujourd’hui remise en cause par l’idée de personnalisation de l’assurance, comme cela s’observe également dans le domaine de la santé. Cette personnalisation est devenue indispensable en grande dimension : les classes de risques n’ont pas de sens. Avec plusieurs centaines de variables explicatives, plus aucun individu ne se ressemble, et il devient impossible de raconter une histoire autour d’un assuré « moyen ».

Cette personnalisation, qui flatte probablement l’ego de l’assuré, en le rendant unique casse l’idée de mutualisation et de segmentation de l’assurance. Historiquement, une forme de solidarité existait entre individus qui se ressemblaient, mais elle disparait dès lors que chaque assuré doit être vu comme un être unique. Si la théorie économique justifiait cette « spirale de la segmentation », la pratique et la théorie mathématique commence à cerner les limites. Segmenter trop signifie bien souvent que le modèle ne capture plus un signal de fond, et commence à modéliser du bruit, il overfit, et perd en généralisation : un modèle de tarification bon une année ne le sera peut-être plus l’année suivante. Les assureurs rêvent aujourd’hui en voyant les performances des modèles des GAFA qui arrivent à prédirent les prochains achats sur un site (probablement d’ailleurs en créant l’envie). Si des dialogues sont nécessaires entre ces deux mondes que tout oppose, la tortue conservatrice fascinée par son historique de données et le lièvre agile obsédé par l’avenir de l’autre, les modèles avancés d’apprentissage marchent souvent mal dans certains aspects de l’assurance IARD.

 Les algorithmes d’apprentissage profonds (des réseaux de neurones avec de très nombreuses couches, constituant des boîtes noires avec des milliers de paramètres) sont devenus incontournables pour analyser des images (prédire rapidement le coût d’un sinistre matériel automobile à partir d’une dizaine de photos du véhicule endommagé) ou pour analyser ou générer du texte (en offrant une assistance rapide et fiable à un assuré). Mais ils sont difficilement utilisables pour provisionner de manière robuste le coût d’un accident corporel et ils posent des questions intéressantes sur la tarification de l’assurance. Ces algorithmes ont été développés dans un contexte de classification, pour reconnaître des caractères manuscrits ou des objets sur une image et il y a des raisons simples pour comprendre qu’un chien est différent d’un chat sur une photo. Mais expliquer pourquoi Mr Dupont et pas Mme Dupond a eu un accident d’automobile l’an passé est plus complexe. Et ce n’est pas leur but : ces modèles visent à estimer la probabilité que Mr Dupont ait un accident dans l’année. Un modèle très poussé pourra prédire que la probabilité est de 17.23% (au lieu des 15.62% obtenue par un modèle jugé aujourd’hui trop simple), et la prime demandée doit alors augmenter de 10%. Mais est-ce si important si au final pendant les 8 années que Mr Dupont passera dans la compagnie, il n’aura aucun sinistre ? ou en aura un très grave ? L’assurance IARD relève bien souvent d’un aléa très important, la sinistralité étant en très grande partie imprévisible. Un danger est que ces algorithmes proposent des intervalles de prix beaucoup plus grands, et que la mise en compétition de ces modèles fera baisser les primes du marché. Si la sinistralité ne baisse pas en parallèle le marché perdra de l’argent, certains assureurs risquant alors de disparaître. En revanche, si ces nouvelles techniques permettent de réduire la sinistralité, tout le monde sera gagnant, mais cela suppose de faire davantage de prévention, cette dernière reposant sur l’identification de mécanismes causaux clairs, en identifiant quels leviers pourraient réduire la probabilité d’avoir un accident, et sa gravité.