Mémoires d'Actuariat
Modélisation prédictive des reconnaissances CatNat sécheresse : vers une meilleure estimation des provisions technques pour l'exercice courant
Auteur(s) VO H. L. C.
Société Axa Gie
Année 2025
Confidentiel jusqu'au 08/07/2027
Résumé
Ces dernières années, la France a été confrontée à des épisodes de sécheresse de plus en plus fréquents et intenses, en raison du dérèglement climatique. Ces périodes prolongées de faibles précipitations ont eu un impact significatif sur les sols argileux, qui se contractent lors des périodes de sécheresse extrême et gonflent lors des fortes pluies, créant ainsi des contraintes considérables sur les fondations des maisons construites sur ces sols. Plus de la moitié des maisons individuelles en France, soit environ 11,1 millions, pourraient être potentiellement touchées par ce phénomène, dont 3,3 millions seraient fortement impactées, avec des fissures et des dommages structurels. Ces dommages entraînent des répercussions financières importantes pour les familles concernées, certaines devant même quitter leur domicile devenu inhabitable. En parallèle, le coût des sinistres liés à ces phénomènes a considérablement augmenté. Ces évolutions soulèvent des défis importants pour les compagnies d'assurance, notamment en ce qui concerne la prévision et la gestion des sinistres liés à la sécheresse. Ce mémoire a pour objectif d’estimer la charge des sinistres sécheresse sur l'année courante. Cette estimation repose sur l'utilisation de l'OpenData, telles que les données météorologiques et les données sur la nature des sols, ce qui permettra d'anticiper les communes qui seront reconnues comme ayant subi une catastrophe naturelle au cours de l'année. En combinant ces résultats avec les expositions issues du portefeuille de contrats d'assurance Multi Risques Habitation (MRH), il sera possible d'estimer de manière plus précise les pertes financières potentielles liées à la sécheresse pour la compagnie d'assurance. Mots-clés : Subsidence, Indice de sécheresse, Modèle Linéaire Généralisé (GLM), Régime Ca- tastrophe Naturelle, XGBoost, Explainable Boosting Machine (EBM), OpenData.
Abstract
Over the recent years, France has faced increasingly frequent and intense drought episodes due to climate change. These prolonged periods of low precipitation have had a significant impact on clay soils, which contract during extreme drought and swell during heavy rains, placing considerable strain on the foundations of houses built on these soils. It is estimated that over half of the individual houses in France, approximately 11.1 million, could potentially be affected by this phenomenon, with 3.3 million facing significant impact, including cracks and structural damage. These damages have significant financial repercussions for the affected families, with some having to leave their uninhabitable homes. The cost of claims related to these phenomena has increased considerably. Between 1989 and 2015, the average annual cost of drought-related claims was €400 million, but during the period 2016-2020, this cost averaged €1 billion per year. For the year 2022, the cost of drought-related claims is estimated to exceed €3 billion, representing a record since the establishment of the natural disaster compensation scheme. These developments pose significant challenges for insurance companies, particularly in terms of forecasting and managing drought-related claims. The objective of this study is to estimate the ultimate charge of drought claims for the current year. This estimation is based on the use of Open Data such as meteorological data and soil data, which will allow for the anticipation of municipalities recognized as having experienced a natural event during the year. By combining these results with the exposures from the Multi Risk Habitation (MRH) insurance contract portfolio, it will be possible to more accurately estimate the potential financial losses associated with drought for the insurance company. Keywords: Subsidence, Drought index, Natural Catastrophe decree, Generalized Linear Model (GLM), XGBoost, Explainable Boosting Machine (EBM), OpenData.
Auteur(s) VO H. L. C.
Société Axa Gie
Année 2025
Confidentiel jusqu'au 08/07/2027
Résumé
Ces dernières années, la France a été confrontée à des épisodes de sécheresse de plus en plus fréquents et intenses, en raison du dérèglement climatique. Ces périodes prolongées de faibles précipitations ont eu un impact significatif sur les sols argileux, qui se contractent lors des périodes de sécheresse extrême et gonflent lors des fortes pluies, créant ainsi des contraintes considérables sur les fondations des maisons construites sur ces sols. Plus de la moitié des maisons individuelles en France, soit environ 11,1 millions, pourraient être potentiellement touchées par ce phénomène, dont 3,3 millions seraient fortement impactées, avec des fissures et des dommages structurels. Ces dommages entraînent des répercussions financières importantes pour les familles concernées, certaines devant même quitter leur domicile devenu inhabitable. En parallèle, le coût des sinistres liés à ces phénomènes a considérablement augmenté. Ces évolutions soulèvent des défis importants pour les compagnies d'assurance, notamment en ce qui concerne la prévision et la gestion des sinistres liés à la sécheresse. Ce mémoire a pour objectif d’estimer la charge des sinistres sécheresse sur l'année courante. Cette estimation repose sur l'utilisation de l'OpenData, telles que les données météorologiques et les données sur la nature des sols, ce qui permettra d'anticiper les communes qui seront reconnues comme ayant subi une catastrophe naturelle au cours de l'année. En combinant ces résultats avec les expositions issues du portefeuille de contrats d'assurance Multi Risques Habitation (MRH), il sera possible d'estimer de manière plus précise les pertes financières potentielles liées à la sécheresse pour la compagnie d'assurance. Mots-clés : Subsidence, Indice de sécheresse, Modèle Linéaire Généralisé (GLM), Régime Ca- tastrophe Naturelle, XGBoost, Explainable Boosting Machine (EBM), OpenData.
Abstract
Over the recent years, France has faced increasingly frequent and intense drought episodes due to climate change. These prolonged periods of low precipitation have had a significant impact on clay soils, which contract during extreme drought and swell during heavy rains, placing considerable strain on the foundations of houses built on these soils. It is estimated that over half of the individual houses in France, approximately 11.1 million, could potentially be affected by this phenomenon, with 3.3 million facing significant impact, including cracks and structural damage. These damages have significant financial repercussions for the affected families, with some having to leave their uninhabitable homes. The cost of claims related to these phenomena has increased considerably. Between 1989 and 2015, the average annual cost of drought-related claims was €400 million, but during the period 2016-2020, this cost averaged €1 billion per year. For the year 2022, the cost of drought-related claims is estimated to exceed €3 billion, representing a record since the establishment of the natural disaster compensation scheme. These developments pose significant challenges for insurance companies, particularly in terms of forecasting and managing drought-related claims. The objective of this study is to estimate the ultimate charge of drought claims for the current year. This estimation is based on the use of Open Data such as meteorological data and soil data, which will allow for the anticipation of municipalities recognized as having experienced a natural event during the year. By combining these results with the exposures from the Multi Risk Habitation (MRH) insurance contract portfolio, it will be possible to more accurately estimate the potential financial losses associated with drought for the insurance company. Keywords: Subsidence, Drought index, Natural Catastrophe decree, Generalized Linear Model (GLM), XGBoost, Explainable Boosting Machine (EBM), OpenData.
