Modélisation de l’impact du risque physique et de transition sur la solvabilité des banques
Risk & Finance
sur quoi travaille-t-on ?
Pourquoi travaille-t-on sur ce sujet ?
Les banques doivent désormais pouvoir justifier qu’elles répondent aux exigences ESG afin que le système financier concoure à l’évolution de l’économie globale en devant :
- Une finance qui accompagne la transition énergétique vers une économie moins carbonée et aide les activités à faible impact écologique et dissuade les activités polluantes ;
- Une finance qui ne repose pas uniquement sur des critères financiers et de court terme, capable d’aider des projets qui facilitent l’inclusion des personnes plus fragiles et /ou qui prennent en compte les intérêts de moyen et de long terme ;
- Une finance qui soit «gouvernée» de manière plus transparente, plus diverse dans les membres qui la compose et dans ses schémas de pensée.
Dans cette transition vers une Finance plus durable, le volet d’accompagnement de la transition énergétique présente un enjeu essentiel. D’une part, le réchauffement climatique génère des phénomènes météorologiques de grande ampleur et plus fréquents qui pourraient déstabiliser les tissus économiques locaux et conduire à l’érosion de la valeur des actifs. D’autre part, les politiques de lutte contre le réchauffement climatique pourraient également fragiliser le système financier si la transition vers une économie bas-carbone était trop soudaine ou trop tardive, dégradant ainsi la valeur des actifs financiers.
C’est pourquoi, les acteurs financiers sont invités à mettre en place rapidement les dispositifs internes nécessaires pour assurer le suivi de ce risque et son atténuation.
Dès lors, trois types de risques sont à mesurer pour les acteurs financiers, dont les banques :
- Le risque physique : il englobe les risques résultant des dommages directement causés par les phénomènes météorologiques et climatiques. Le risque physique mesure l’impact direct du changement climatique sur les personnes et les biens (sécheresses, inondations, etc.).
- Les risques de transition : ils résultent des effets de la mise en place d’un modèle économique bas-carbone. Plus précisément, d’une modification du comportement des agents économiques et financiers en réponse à la mise en place de politiques énergétiques ou de changements technologiques visant à réduire les émissions de gaz à effet de serre.
- Le risque de responsabilité : il correspond aux compensations qu’une personne morale pourrait être conduite à payer au cas où elle serait jugée responsable de dommages causés par les conséquences du changement climatique.
que fait-on concrètement ?
CHERCHEUR
Guillaume FLAMENT (Doctorant)
Guillaume a rejoint le Square Research Center dans le cadre de sa thèse de Doctorat menée en partenariat avec l’ENSAI (Bourse CIFRE). Diplômé de cette même école en 2020, il souhaite depuis longtemps intégrer le monde de la R&D. Pour se faire il a choisi de suivre l’offre de formation par la recherche de l’ENSAI, qui propose un master de mathématique pure en partenariat avec l’université de Rennes et l’ENS. Il décide de faire ses stages universitaires au sein de laboratoires de recherche, à Polytechnique Montréal et à l’INRIA, dans lesquels il étudie l’apprentissage par renforcement. Conscient des enjeux majeurs auxquels l’humanité doit faire face pour résoudre et s’adapter au changement climatique, il souhaite à l’issue de ce parcours mettre ses compétences au service de la compréhension et de la modélisation de cet enjeux. Ainsi, il décide d’intégrer Square et son programme de R&D appliquée pour aider à mieux intégrer et modéliser les risques physiques et de transition dans le domaine bancaire.
LES AUTRES PROGRAMMES SQUARE RESEARCH CENTER
Assurabilité des risques climatiques
Ce programme de R&D a pour but de fournir aux praticiens du monde de l’assurance des outils mathématiques robustes afin d’accroître leur résilience face aux risques climatiques.
Développer une politique “Diversité & Inclusion” au service de la performance globale
Au sein des entreprises, la nécessaire mise en conformité avec le droit antidiscriminatoire confronte les RH et les DRH à des difficultés importantes pour couvrir l’ensemble des 26 critères prohibés par la loi. Au-delà des enjeux juridiques, la sensibilité de plus en plus grande des “talents”, collaborateurs et candidats, à l’exemplarité des employeurs en matière de lutte contre toutes les discriminations et d’équité font de la diversité et de l’inclusion des éléments clés de la marque employeur.
Être propre ou contribuer à la transition ? La RSE au défi de la durabilité
Ce travail de recherche développe un modèle alternatif de responsabilité sociale d’entreprise, que l’on peut appeler une “Stratégie de Contribution à l’Avènement du Développement Durable” (SCAD) et des méthodologies spécifiques d’accompagnement de SCADs vers la durabilité.
Explicabilité des modèles d’apprentissage automatique
Notre travail de recherche développe des solutions permettant l’amélioration des métriques d’évaluation des modèles d’explicabilité en termes de plausibilité et de fidélité. La conception de modèles de substitution robustes aux attaques adversariales. La génération d’attaques adversariales et d’exemples contrefactuels adaptés, particulièrement ardue dans le cas d’une application NLP, afin d’optimiser la capacité d’interprétabilité des algorithmes d’IA.
Jumeaux numériques des entrepôts — intra logistique
Le jumeau numérique est un type de simulation qui repose sur le principe d’un clone virtuel d’un système physique ou d’un processus. Si l’exploitation du jumeau numérique est très répandue dans les milieux industriels et scientifiques pour soutenir la prise des décisions associées aux produits, très peu de recherches se sont intéressées à son exploitation pour soutenir la prise de décisions associées aux processus. La gestion de l’empreinte carbone et de l’émission des gaz à effet de serre dans l’intra logistique est un processus nécessite notamment l’utilisation des jumeaux numériques que nous développons.
Gouverner la RSE et contribuer à la transition écologique
Nos travaux de recherche portent sur le modèle de gouvernance à mettre en place pour favoriser l’ancrage de la RSE au sein d’une entreprise en contribuant à la transition écologique. L’objectif est de créer un cercle vertueux mesurable, pilotable et valorisé pour l’ensemble des parties prenantes de l’entreprise.
L’apprentissage automatique au service de l’évaluation des niveaux de risque : le défi de la “Data scarcity” dans le secteur financier
Dans le secteur financier, la maîtrise de plus en plus de données provenant de différentes sources est un élément stratégique majeur, aussi bien pour les activités globales des actifs financiers que pour la maîtrise des opérations.
L’assurance au défi de la transition
Le programme de recherche « l’assurance au défi de la transition » propose et teste des solutions innovantes qui aident les acteurs du secteur de l’assurance à identifier les meilleurs leviers d’action pour s’adapter et participer aux transformations induites par le changement climatique.
Le Natural Language Processing pour le risque climatique: Analyse et scoring de la réputation climatique des entreprises en utilisant les algorithmes de l’IA.
Nous proposons une approche basée sur les algorithmes de Natural Language Processing (NLP) pour faire face aux limites des scores ESG. Précisément, nous développons une solution d’IA innovante qui permet d’analyser et d’évaluer la réputation climatique des entreprises en temps réel à partir des documents textuels.
Modèles d’alignement des portefeuilles sur les trajectoires climatiques
Nous réalisons un cadre conceptuel complet inédit permettant d’objectiver l’analyse des portefeuilles d’investissement et, ainsi, de créer une série de modèles capables d’intégrer et de traiter des données portant sur les émissions de gaz à effet de serre des entreprises ; d’adapter les méthodes de projection de ces émissions de gaz à effet de serre aux données disponibles, et de s’appuyer sur des méthodes mixtes pour optimiser les projections ; d’apporter de la transparence quant au fonctionnement et à l’organisation des algorithmes sous-jacents au modèle.
Management stratégique de la donnée
Nous proposons un modèle organisationnel qui dépasse la simple architecture technique et permet d’allier technologie et gestion des ressources humaines. Ce modèle organisationnel s’appuie sur trois briques identifiées dans la modélisation Data Vault 2.0 et propose de nouvelles composantes comme l’éducation sur la donnée pour dépasser les freins existants à l’usage de celle-ci.
Modélisation de l’impact du risque physique et de transition sur la solvabilité des assurances
Nous améliorons la prise en compte du caractère non-stationnaire et multivarié des variables climatiques dans le domaine des statistiques. À partir du nouveau cadre mathématique établi, nous permettons aux assureurs non-vie d’évaluer leurs risques liés au changement climatique en considérant les dépendances entre risques.
Modélisation de la culture organisationnelle pour conduire le changement
Nous renforçons la capacité des organisations à mieux saisir et mesurer les facteurs culturels qui ont des effets directs et indirects sur leur écosystème et sur leur capacité à bien se transformer et à conduire le changement . L’analyse de la culture organisationnelle en particulier reste souvent reléguée au second plan, rendant tout diagnostic culturel délicat, voire infructueux, privant les organisations d’un levier clé du changement choisi.
Nouvelles méthodes de travail et de management
Nous développons un modèle de démarche permettant de comprendre la manière dont les pratiques professionnelles « font méthode » dans une organisation. Le programme vise à modéliser la meilleure façon de mettre en mouvement les personnes, les équipes et l’organisation, et ainsi conduire le changement en fonction des pratiques et de la configuration de l’entreprise.
Numérique Responsable
Notre programme de R&D développe un outil de mesure de la valeur immatérielle du numérique débouchant sur un outil d’analyse et d’aide à la décision. Nous permettons au numérique responsable de faire partie intégrante de la stratégie RSE et de la stratégie IT d’une entreprise, consolidant ainsi le pilotage des performances extra-financières.
Piloter la performance par la valeur
L’approche par la valeur permet aux décideurs de développer une stratégie intégrée sur l’ensemble de leur réseau de valeur (écosystème) recouvrant aussi bien les enjeux de performance (financière, extra-financière, opérationnelle) que les défis les plus contemporains de la compétitivité, de l’innovation et de la rentabilité. Piloter la performance par la valeur permet aux COMEX d’aligner stratégie, organisation, opérations et management.
Plateformisation et Stratégies d’Innovation
Nos travaux permettent de proposer un nouveau cadre de référence pour concevoir et de piloter les nouveaux projets de modèles d’affaires et de déterminer dans quelle mesure la plateformisation peut être — ou pas — un levier de développement. Nous nous concentrons plus particulièrement sur les perspectives de plateformisation dans le contexte de l’Open Banking, et les impacts sur les modèles de création de valeur.
Soutenabilité Bancaire
Nous avons développé une modélisation économétrique qui permet d’analyser les déterminants (facteurs exogènes et endogènes) impactant le profit et le risque bancaire. Interrogeant de ce fait la pérennité des modèles d’affaires bancaires, autrement appelée « soutenabilité bancaire », nos travaux proposent un cadre d’analyse neuf qui permet de mesurer et d’anticiper les impacts sur le profil de rentabilité et de risque des banques, et ce en fonction de leurs spécificités : banque de détail, banque d’investissement, banque de grande clientèle, banque universelle.
Uplift Modeling
Nos travaux de recherche s’inscrivent dans le champ de l’inférence causale, domaine du machine learning visant à produire des modèles d’aide à la décision capables d’exploiter de grandes masses de données complexes. L’une de nos applications phares est le ciblage marketing : nos modèles permettent de maximiser le ROI des campagnes grâce des analyses individuelles sélectionnant les profils clients à cibler en priorité.