Traçabilité des données et proxys du risque climatique

Par Jonas Mohamed Osman Abdelghafour.

Les analyses de risque financier lié au climat — les revues thématiques de la BCE, les recommandations de la TCFD, et les informations à publier au titre d'IFRS S2 — exigent des institutions qu'elles cartographient leurs expositions aux aléas climatiques physiques et de transition et qu'elles quantifient le risque qui en résulte. En pratique, l'essentiel de la difficulté ne réside pas dans la modélisation mais dans les données : la localisation des actifs physiques, les classifications sectorielles, les intensités d'émissions et les scénarios d'aléas s'alignent rarement de façon nette avec les données au niveau de la contrepartie que les institutions détiennent réellement. Une approche disciplinée de la traçabilité, des proxys et de l'incertitude est ce qui rend l'exercice défendable.

La cartographie des expositions est le premier goulot d'étranglement

Les analyses de risque climatique opèrent sur des expositions au niveau des actifs physiques (immobilier, infrastructures) ou des activités économiques (secteur, sous-secteur, géographie). Les systèmes financiers portent typiquement les expositions au niveau de la contrepartie, de la facilité, ou du titre. La mise en correspondance entre les deux est un problème de données avant d'être un problème de modélisation.

Une cartographie des expositions opérante enregistre, pour chaque exposition : l'identifiant de la contrepartie, l'identifiant de l'actif physique ou de l'activité lorsqu'il est disponible, la classification sectorielle (NACE, GICS, ou équivalent), la géographie au niveau le plus fin disponible, l'intensité d'émissions le cas échéant, et la source de chaque champ. Le champ « source » est ce qui rend l'exercice auditable.

La hiérarchie des proxys

Presque aucune institution ne dispose de données réelles et vérifiées pour chaque exposition. Une hiérarchie de proxys rend le repli explicite et cohérent. Une hiérarchie typique est la suivante :

1. Données de contrepartie déclarées (émissions vérifiées, localisations d'actifs divulguées).
2. Données estimées par un tiers (fournisseurs commerciaux tels que CDP, MSCI, S&P Trucost).
3. Moyennes sectorielles et géographiques issues des statistiques nationales ou des jeux de données AIE/EDGAR.
4. Moyenne sectorielle seule.
5. Repli au niveau du portefeuille avec une majoration pour incertitude.

Chaque exposition est étiquetée avec le niveau de hiérarchie qu'elle utilise. Les analyses peuvent alors être présentées à la fois en incluant et en excluant les expositions fortement dépendantes des proxys, et les utilisateurs voient dans quelle mesure la réponse dépend des données les moins fiables.

Quantification de l'incertitude

Les scénarios climatiques eux-mêmes (scénarios de référence du NGFS, cas du WEO de l'AIE) portent une incertitude substantielle dans les trajectoires de politique de transition, les hypothèses technologiques, et la traduction des aléas en impact financier. En complément, les données d'exposition dépendantes des proxys ajoutent une bande d'incertitude supplémentaire, souvent plus large que l'incertitude de scénario pour des portefeuilles individuels.

L'incertitude devrait être présentée aux côtés des estimations ponctuelles. Les approches courantes incluent les fourchettes de scénarios, la sensibilité au niveau de hiérarchie des proxys, et — lorsque les données le permettent — la propagation par Monte-Carlo de l'incertitude des proxys. Une estimation de perte climatique à chiffre unique, sans bandes d'incertitude, surestime la précision de ce qui est en réalité un exercice significativement incertain.

Les contrôles qui rendent les données fiables

Quatre contrôles ont un impact disproportionné. Premièrement, une traçabilité des données documentée du système source jusqu'à la sortie analytique, de sorte que tout indicateur climatique puisse être retracé jusqu'aux champs dont il dépend. Deuxièmement, un rythme de rafraîchissement calé sur la fréquence de mise à jour des données sources, afin que des proxys obsolètes ne persistent pas silencieusement. Troisièmement, un reporting de couverture qui montre la part des expositions utilisant chaque niveau de hiérarchie, suivie dans le temps. Quatrièmement, une revue indépendante de la cartographie et de la logique des proxys par la fonction de deuxième ligne, en cohérence avec la gouvernance des modèles actuariels et les trois lignes de défense.

Gouvernance

Les indicateurs de risque climatique alimentent de plus en plus l'appétit pour le risque, la planification du capital et les publications. Cela relève l'exigence de qualité des données. Le reporting au conseil et au comité des risques devrait inclure, aux côtés des indicateurs d'exposition et de perte principaux, une déclaration explicite de la couverture, de la dépendance aux proxys et des limites connues. Ceci est cohérent avec l'orientation des attentes prudentielles de la BCE et avec l'exigence d'IFRS S2 de divulguer les hypothèses et incertitudes significatives.

Modes d'échec courants

Trois schémas reviennent. L'usage des proxys n'est pas suivi, si bien que les utilisateurs des analyses ne peuvent pas savoir sur quoi les chiffres sont ancrés. Les résultats de scénarios sont comparés entre institutions comme s'ils étaient comparables, alors que les différences méthodologiques dominent. Et les indicateurs climatiques sont présentés sans bandes d'incertitude, donnant un faux confort sur un exercice réellement incertain.

Limites

Même une infrastructure de données de risque climatique bien contrôlée reste soumise à l'incertitude des scénarios, au risque de modèle dans la traduction de l'aléa en perte financière, et à la possibilité que le changement climatique observé diverge de tous les scénarios actuellement utilisés. Les contrôles de données réduisent le bruit ; ils n'éliminent pas l'incertitude sous-jacente.

Conclusion

Des analyses de risque climatique crédibles relèvent autant d'une discipline d'ingénierie des données que d'une discipline de modélisation. La traçabilité, une hiérarchie de proxys explicite, le reporting d'incertitude et la revue indépendante sont ce qui permet d'utiliser les résultats pour des décisions plutôt que de les traiter comme illustratifs. Notes connexes : la modélisation prédictive en assurance et la conception des scénarios ORSA et leur usage par le conseil.

---

Écrit par Jonas Mohamed Osman Abdelghafour, actuaire et gestionnaire des risques financiers. Parcours et coordonnées disponibles sur la page à propos.