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.

CHERCHEUR

Docteur Anass Akrim

Docteur Anass Akrim

Anass a obtenu son Doctorat en Intelligence Artificielle et Mathématiques Appliquées en maintenance prédictive (secteur aéronautique). Sa thèse portait sur l’application des méthodes de Deep Learning pour prédire avec précision la durée de vie restante des composants aéronautiques, permettant ainsi d’optimiser l’efficacité de la maintenance et d’accroître la sécurité dans l’industrie aérospatiale. Anass 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. Avec des solides compétences en mathématiques appliquées, statistiques, informatique et finance, il possède une expertise polyvalente dans les secteurs financier et aérospatial, notamment en matière de prévision de risques financiers, de détection d’anomalies et de maintenance prédictive.Dans ses travaux de recherche au sein du Square Research Center, il s’intéresse particulièrement aux enjeux actuels en intelligence artificielle : l’exploitation des données climatiques, la rareté des données étiquetées (i.e. data scarcity), l’évaluation de l’incertitude et l’interprétabilité des modèles prédictifs pour optimiser les performances et la prise de décision.

LES AUTRES PROGRAMMES SQUARE RESEARCH CENTER

Share This