Modèles génératifs pour l'assurance des catastrophes naturelles // Generative methods for insurance of natural catastrophes

L'assurance des catastrophes naturelles est déstabilisée par les évolutions liées au changement climatique. Redéfinir le partage du risque entre acteurs publics et privés nécessite la projection, à moyen ou long terme, de scénarios climatiques. Les spécificités du secteur de l'assurance nécessitent également la projection de variables économiques, et l'analyse de quantiles élevés (la réglementation imposant la maîtrise d'un quantile à 99.5%). La présente thèse visera à mettre en place des techniques d'IA génératives pour projeter le risque, et à les utiliser pour définir des stratégies de partage de risque adaptées. Ces techniques devront être adaptées au contexte de l'étude de la queue de distribution (théorie des valeurs extrêmes), entraînant le développement de techniques génératives permettant de capter des événements sévères et rares, ayant vocation à s'appliquer au-delà du champ assurantiel.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Natural catastrophe insurance is being destabilized by developments linked to climate change. Redefining the sharing of risk between public and private actors requires medium- or long-term projections of climate scenarios. The specificities of the insurance sector also require projecting economic variables and analyzing high quantiles (since regulation mandates control of the 99.5% quantile). This thesis will aim to implement generative AI techniques to project risk and use them to define appropriate risk-sharing strategies. These techniques must be adapted to the study of the tail of the distribution (extreme value theory), leading to the development of generative methods capable of capturing severe and rare events, with potential applications beyond the insurance sector.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Appel anticipé*Contrat doctoral Hi!Paris*Concours IPP ou école membre*Contrat Doctoral E4C

Institut Polytechnique de Paris École nationale de la statistique et de l'administration économique

574 Mathématiques Hadamard

Connaissances en machine learning et IA générative. Si possible connaissance des différents types de scénarios climatiques (RCP, DRIAS...) Appétence pour les applications au secteur de l'assurance
Skills in machine learning and Generative AI If possible, knowledge of different types of climate scenarios (RCP, DRIAS...) Appetite for applications in insurance