Risques de l’assurance habitation face aux changements environnementaux et à la fraude opportuniste : approches économétriques et d’apprentissage automatique

ClimateFraudRisk est un projet interdisciplinaire qui vise à analyser et prédire la fraude opportuniste en assurance habitation dans un contexte d’intensification des risques climatiques. En s’appuyant sur des données microéconomiques Canada–France couvrant la période 2013–2025, le projet étudie les comportements de déclaration de sinistres avant, pendant et après des événements extrêmes (inondations, feux de forêt, tempêtes), afin de quantifier l’augmentation de la fraude et d’en identifier les déterminants contractuels, socio‑économiques et spatiaux. Sur le plan méthodologique, ClimateFraudRisk combine trois approches complémentaires : (i) des modèles économétriques de durée et de choix discret pour mesurer l’aléa moral et la décision de déclarer un sinistre, (ii) des algorithmes de machine learning interprétables (XGBoost, forêts aléatoires, SHAP) adaptés aux bases fortement déséquilibrées typiques de la fraude, et (iii) des méthodes d’inférence causale (différences‑en‑différences, contrôle synthétique avec prise en compte des effets de débordement spatiaux) pour isoler l’impact des chocs climatiques sur la fraude. Le projet s’inscrit au coeur des axes “Monnaie, économie, finance”, “Humanités environnementales” et “Interactions humaines et sciences des données” de la MSH Val de Loire, et produit à la fois des avancées théoriques, des outils opérationnels pour les assureurs et des recommandations pour les décideurs publics.