Accumulation Marine Cargo et IA

Par Jonas Mohamed Osman Abdelghafour.

Le risque de catastrophe maritime possède un caractère distinctif : l'exposition se déplace. Un modélisateur de catastrophes immobilières sait où se trouvent les bâtiments assurés ; un modélisateur cargo doit raisonner sur des conteneurs qui se trouvent quelque part entre Shanghai et Rotterdam, empilés dans des ports dont le débit change quotidiennement. Le marché l'a appris douloureusement lors d'événements comme l'explosion du port de Tianjin en 2015, qui a produit des milliards de pertes cargo et connexes concentrées dans une seule zone de stockage dont peu d'assureurs avaient mesuré leur exposition globale. Le risque d'accumulation — dans les ports, dans les entrepôts, à bord de porte-conteneurs toujours plus grands transportant vingt mille boîtes — reste la queue qui remue le chien du portefeuille maritime.

Le traitement actuariel traditionnel de ce risque était rudimentaire : des chargements de catastrophe basés sur les primes, des registres d'agrégats portuaires statiques mis à jour annuellement et le recours à la réassurance pour absorber ce qui ne pouvait être mesuré. Les sociétés de modélisation de catastrophes ont depuis construit des modèles dédiés au cargo maritime couvrant les tempêtes, les ondes de tempête et les séismes dans les principaux ports. Les analyses du potentiel d'accumulation au niveau des ports ont montré que les scénarios de pertes assurées les plus importants se situent dans des ports que peu de souscripteurs auraient cités en premier — l'accumulation est fonction du temps de séjour du fret, de la densité de valeur et de l'aléa, et non seulement du débit.

La couche d'intelligence : savoir où se trouve réellement le risque

Ce qui a changé, ce sont les données. Le suivi des navires par AIS, l'imagerie satellite, les flux de congestion portuaire et les bases de données commerciales permettent désormais aux assureurs d'estimer, presque en temps réel, quelle valeur est à flot sur quels navires, séjourne dans quels ports et traverse quels points de passage stratégiques (chokepoints). L'apprentissage automatique est le seul moyen pratique de fusionner ces flux : faire correspondre les polices d'assurance aux mouvements des navires, estimer la valeur des conteneurs à partir des manifestes commerciaux et consolider le résultat en une image d'accumulation en direct. Un souscripteur capable d'interroger l'exposition actuelle dans le détroit d'Ormuz, ou la valeur au repos dans un port menacé par un ouragan, mène une opération de risque fondamentalement différente de celui qui travaille sur la déclaration d'agrégats de l'année dernière.

La géopolitique a rendu cette capacité urgente. Les déroutements en mer Rouge ont redirigé le commerce autour du cap de Bonne-Espérance, modifiant la durée des voyages, les points d'accumulation et l'exposition aux risques de guerre. La « flotte fantôme » (shadow fleet) — des pétroliers opérant avec une propriété opaque, un pavillon irrégulier et des transpondeurs désactivés, estimée aujourd'hui à environ un sixième de la flotte mondiale de pétroliers — crée des risques associatifs pour les assureurs dont les navires assurés partagent des gestionnaires, des eaux ou des partenaires de transfert avec des tonnages sanctionnés. L'analyse de l'intelligence maritime montre une augmentation des transferts de navire à navire « sombres » comme technique d'évasion. Détecter ces comportements — interruptions d'AIS dans des zones à haut risque, séquences de ports anormales, changements soudains de pavillon — est un problème de reconnaissance de formes que l'apprentissage automatique gère bien mieux qu'une revue manuelle.

Conséquences actuarielles : des agrégats annuels aux modèles cat vivants

Pour l'actuaire, trois pratiques doivent être reconstruites. Premièrement, le chargement catastrophe devrait devenir dynamique : les composantes guerre et cat du prix technique devraient répondre aux données actuelles d'acheminement, d'exposition aux points de passage et d'accumulation, plutôt que d'être fixées annuellement. Deuxièmement, des scénarios de catastrophes réalistes devraient être générés à partir de l'exposition en direct — la bonne question n'est pas de savoir ce qui se passerait si une tempête frappait le port X avec une cargaison moyenne au repos, mais quelle est notre perte si elle frappe avec la cargaison qui s'y trouve réellement cette semaine. Troisièmement, la modélisation du capital devrait refléter la corrélation mesurée : les incendies de porte-conteneurs, les pertes portuaires et les événements de guerre touchent simultanément le cargo, le corps, la responsabilité et les objets de valeur (specie), et un modèle de capital qui traite ces branches comme indépendantes sous-estime le risque de queue maritime.

La question de gouvernance que les conseils d'administration devraient poser est simple : si un port majeur subissait une catastrophe ce soir, combien de temps nous faudrait-il pour déclarer notre exposition brute — des minutes, des jours ou des semaines ? Pour la majeure partie du marché, la réponse honnête est encore « des semaines ». La technologie pour le faire en quelques minutes existe et est disponible commercialement ; ce qui reste à faire est le travail actuariel et d'ingénierie pour l'intégrer dans la tarification, le contrôle de l'accumulation et le capital. Le prochain Tianjin est une question de « quand ». La fracture compétitive se fera entre les assureurs qui découvrent leur exposition par les sinistres et ceux qui la connaissaient avant la perte.