Jeudi 25 septembre 2025 | 9h30 – 12h

Accueil en présentiel à partir de 9h30 | Début de l’événement en ligne à partir de 10h

1Oh-10h45 : Quentin Guibert – Impact du changement climatique sur la mortalité : une extrapolation des effets de la température à partir de séries temporelles en France

Quentin Guibert est maître de conférences à l’Université Paris-Dauphine et membre de l’Institut des actuaires. Sa recherche a pour fil conducteur des problematiques rencontréees en sciences actuarielles ou dans le cadre de la modelisation statistique des risques en assurance, en biostatistique, voire en démographie. Il a également travaillé sur des problématiques de gestion des risques et de régulation en assurance. Auparavant, il a été professeur associé (PAST) à l’Université Paris-Dauphine. Il a réalisé sa thèse en sciences de gestion à l’ISFA (Institut de Science Financière et d’Assurances, Université Lyon 1), puis a réalisé un post-doctorat dans la même université financé par l’ANR Lolita.

Impact du changement climatique sur la mortalité : une extrapolation des effets de la température à partir de séries temporelles en France

La plupart des modèles de mortalité contemporains reposent sur l’extrapolation de tendances ou d’événements passés. Toutefois, les dynamiques démographiques seront fortement affectées par le changement climatique, notamment par l’influence des températures sur la mortalité. Dans cet article, nous proposons une nouvelle approche permettant d’intégrer les effets de la température dans les projections de mortalité au moyen d’un modèle multi-populations. Cette méthode combine un modèle stochastique de mortalité avec un modèle d’épidémiologie climatique, afin de prédire les variations de mortalité liées aux fluctuations quotidiennes de température, qu’elles soient excessives ou insuffisantes. L’intérêt de cette approche réside dans sa capacité à perturber les projections de mortalité en mobilisant les prévisions de température issues des modèles climatiques, et à évaluer l’impact de ce facteur de risque, non pris en compte dans les modèles de mortalité conventionnels. Nous illustrons ce modèle de mortalité appliqué à des données françaises, stratifiées par sexe et par âge, en mettant l’accent sur les températures passées et la mortalité observée. En utilisant les projections issues des modèles climatiques selon différents scénarios du GIEC, nous analysons les gains et pertes d’espérance de vie liés à la température, ainsi que la mortalité supplémentaire induite par les vagues de chaleur extrêmes, et les quantifions en intégrant ce nouveau facteur de risque dans les intervalles de prévision. Enfin, nous étudions les différences géographiques au sein de la France métropolitaine.

11h-11h45 : Étienne Raynal – Allocation d’actifs averses au risque dans un contexte de changement climatique avec apprentissage par renforcement et modèles de Markov cachés

Consultant et docteur en actuariat, Étienne Raynal a soutenu une thèse sur l’intégration du risque climatique en assurance. Data scientist diplômé de l’Ecole Centrale de Lille, Etienne travaille sur l’intégration des risques environnementaux depuis 5 ans dans le groupe de travail durabilité de Galea & Associés, pour les clients du cabinet ainsi que dans ces travaux de recherche.  Ses travaux plutôt centrés sur l’assurance de personnes portent notamment sur la construction de stress tests climatiques de mortalité, les stratégies d’allocation d’actifs résilientes, ou encore la prise en considération des risques liés de biodiversité. 

Allocation d’actifs averses au risque dans un contexte de changement climatique avec apprentissage par renforcement et modèles de Markov cachés

Nous cherchons à relever le défi d’identifier une stratégie d’arbitrage idéale à long terme, capable de s’adapter à la vision du marché propre à chaque individu. Dans cette recherche, nous enrichissons la littérature existante sur l’allocation optimale d’actifs en recourant à un algorithme d’apprentissage par renforcement fondé sur un processus de décision markovien. L’espace d’états de ce processus est défini à partir de l’estimation d’une chaîne de Markov cachée (HMC), qui sert à caractériser les dynamiques de marché. Notre agent acquiert des connaissances sur le marché à chaque pas de temps à travers cette caractérisation, en utilisant l’algorithme MAP pour déterminer une stratégie optimale. Nous étendons ensuite l’espace d’états de l’agent afin d’y intégrer un indice de risque physique et un indice de risque de transition climatique. Après avoir montré les limites actuelles de l’intégration de tels indices, nous explorons trois scénarios possibles de matérialisation des risques climatiques sur les régimes de marché, susceptibles d’être intégrés dans des stress tests climatiques, et analysons le comportement de notre agent dans chacun de ces scénarios. Cet article illustre ainsi la pertinence de l’estimation d’une HMC pour construire des stratégies d’allocation résilientes, pouvant être utilisées dans des stress tests climatiques intégrant des hypothèses sur l’impact du changement climatique sur la volatilité.