6 mai 2019

Étude de cas : évolution de l’aléa de retrait-gonflement des argiles dans le Var

A propos de Callendar

Callendar est une start-up spécialisée dans l’exploitation des projections climatiques dans le cadre de décisions d’entreprises ou d’organismes publics. Notre mission est de vous aider à prendre les bonnes décisions partout où le climat actuel ou futur compte. Nous vous proposons des résultats rapides, opérationnels et sur-mesure grâce à des méthodologies et des outils conçus pour allier réactivité et rigueur scientifique. Cette étude de cas propose un aperçu des données et des méthodes que nous pouvons mettre à votre disposition.

 

Téléchargez notre plaquette     Nous contacter     

 

Contexte et questions de recherche

Les sols argileux, ordinairement saturés d’eau dans les régions tempérées, peuvent perdre jusqu’à 10% de leur volume par asséchement en cas de sécheresse intense avant de se réhydrater et de retrouver leur volume avec le retour des précipitations. Ce phénomène entraine un mouvement de retrait-gonflement qui endommage les bâtiments construits en surface et les infrastructures souterraines (réseaux électriques, tuyauteries…). Il a entrainé des milliers de sinistres lors des sécheresses de 1976, 1989, 1990, 2003 ou 2005. Dans le cadre d’une étude pour un acteur de l’assurance, nous voulons :

  1. Préciser les conditions climatiques locales associées aux dégradations liées aux retraits-gonflements des argiles (RGA)
  2. Évaluer la probabilité que ces conditions se présentent à l’avenir dans le département du Var
  3. Évaluer l’exposition des biens assurés à cet aléa

Conditions climatiques associés aux RGA

Dans le cadre de cette étude de cas simplifiée, nous avons retenu un schéma météorologique associé à ce risque : une période de sécheresse intense (15 jours au moins avec des précipitations inférieures à 1mm par jour) suivie de précipitations importantes (plus de 50mm en l’espace de 5 jours).

Pour une étude réelle, la valeur prédictive de ce modèle devrait être vérifiée sur la base de données météorologiques et de déclarations de sinistres passées.

Une approche alternative consisterait à utiliser ces données historiques et un algorithme d’apprentissage automatique (machine learning) pour découvrir les liens existants entre les conditions météorologiques et l’apparition de dommages. Un des intérêts de cette approche est qu’elle peut être rapidement répliquée dans une zone géographique différente, où le climat ou la géologie nécessiterait normalement le développement et la validation d’un nouveau modèle. Son inconvénient principal réside dans le volume de données nécessaire pour que l’apprentissage converge.

Probabilité d’occurrence

Nous utilisons ensuite les projections climatiques établies par des instituts de recherche spécialisés pour rechercher la fréquence à laquelle le schéma météorologique retenu se présente.

Pour cette étude de cas, nous nous sommes appuyée sur les projections réalisées par l’Institut Pierre-Simon Laplace pour le scénario d’émission RCP4.5.

Les cartes suivantes représentent la probabilité annuelle que cette alternance sécheresse-précipitations se présente sur une période de référence (1971-2000) à gauche et sur les trois prochaines décennies (2021-2050) à droite :

Cette probabilité augmente globalement et sa répartition dans l’espace change : le centre du département en particulier, zone peu exposée pendant la période de référence, est désormais concerné par ce risque. Pour un acteur de l’assurance, cette conclusion est importante : elle signifie que, même si la composition de son portefeuille de biens assurés lui permettait dans le passé de mutualiser efficacement le risque, ce ne sera peut-être plus le cas dans les prochaines décennies.

Dans le cadre d’une étude réelle, cette probabilité devrait être calculée de la même façon avec d’autres modèles de façon à évaluer le niveau le niveau de convergence et l’incertitude existant sur l’évolution du risque.

Exposition des biens assurés aux RGA

Les paramètres climatiques ne sont pas le seul facteur dans l’évaluation de ce risque. Nous pouvons par exemple croiser les résultats précédents avec les caractéristiques géologiques sols, notamment les cartes d’aléas produites par le BRGM.

A partir d’une liste d’adresses ou de coordonnées géographiques, nous pouvons ensuite tester pour chaque bien s’il est situé dans une zone d’aléas et si la probabilité que cet aléa se réalise a augmenté par rapport à la période de référence. Cette évaluation peut être effectuée pour plusieurs horizon de temps afin de projeter l’évolution du risque dans le temps

Nous contacter sans engagement     Découvrir d’autres études de cas