Ce papier explore les défis posés par le phénomène de subsidence, également connu sous le terme de retrait-gonflement des argiles (RGA), qui représente un risque naturel important pour les assureurs. Le document met en avant trois thématiques essentielles : le provisionnement, le suivi et la compréhension du risque, et les projections climatiques à long terme. Il souligne l’importance de développer des modèles prédictifs pour anticiper les impacts financiers et protéger les biens des clients. Les projections climatiques à horizon 2100, basées sur les scénarios du GIEC, permettent d’anticiper l’évolution du risque de subsidence dans les décennies à venir.

Le document se concentre sur l’utilisation de techniques de machine learning pour prédire la reconnaissance du statut CATNAT. Cette approche est divisée en deux phases : d’abord, la prédiction de la probabilité qu’une commune soumette une demande de reconnaissance, puis la simulation des critères d’éligibilité. Les modèles de régression de type gradient boosting sont particulièrement efficaces pour cette tâche.