Sélectionner une page

L’I.A.* au service de l’évaluation de l’impact du changement climatique sur les activités du secteur financier

Un programme de R&D mené en partenariat avec Skema Business School et l’Université Côte d’Azur, rattaché au domaine d’excellence Data.

Contexte

L’IA permet de mieux réaliser l’évaluation et l’anticipation des risques climatiques financiers (par exemple sur les risques pour les assureurs, les risques de crédit et/ou les risques de marché).

pour quoi ?

Le modèle prédictif de Machine Learning développé tire parti de l’augmentation des données climatiques existantes pour affiner la précision des prévisions des risques climatiques ainsi que de leurs impacts sur les activités du secteur financier, permettant une optimisation de la gestion des risques financiers associés.

Comment ?

La méthode, développée dans une plateforme prédictive, s’appuie sur un processus en deux étapes basé sur l’exploitation des techniques les plus récentes de Machine Learning :

  1. Identification, collecte et analyse des données climatiques existantes pour estimer les risques climatiques identifiés (incendies, inondations, etc.);
  2. Intégration de ces risques climatiques estimés aux données financières considérées, comme les taux de sinistralité ou les valeurs d’actifs, pour évaluer et anticiper les risques financiers potentiels afférents

Pour qui ?

Banques, compagnies d’assurance, gestionnaires d’actifs.

CHERCHEURS

Docteur Anass Akrim

Docteur Anass Akrim

Anass a obtenu son Doctorat en Intelligence Artificielle et Mathématiques Appliquées en maintenance prédictive (secteur aéronautique). Il est issu d’une formation initiale en Mathématiques Appliquées, Informatique et Finance de l’Université Paris Dauphine. Il a aussi un diplôme d’ingénieur des Mines en Big Data et Data Science, associé à un double diplôme en Banque et Finance à l’IAE de Saint-Etienne.
Anass a pu intervenir dans différents secteurs d’activités et sur divers cas d’application d’I.A.: traitement de séries temporelles (prédiction des cours boursiers, trading automatique), détection de fraudes financières, en maintenance prédictive (secteur aéronautique). 
Publication
  • Article académique : A. Akrim et al. “Self-Supervised Learning for Data Scarcity in a Fatigue Damage Prognostic Problem” Engineering Applications of Artificial Intelligence, 2023, doi : https://doi.org/10.1016/j.engappai.2023.105837
  • Note : “L’intelligence artificielle dans le secteur financier, le défi de la « Data Scarcity » ”
  • Working paper : “L’IA pré-entraînée : une technique innovante pour une détection de fraudes plus performante” (à venir)

LES AUTRES PROGRAMMES SQUARE RESEARCH CENTER

Share This