Intelligence du risque d'inondation
Plus des deux tiers des dommages d'inondation aux États-Unis surviennent en dehors des zones à haut risque de la FEMA. Si votre moteur de tarification s'ancre encore à la Zone AE par rapport à la Zone X, vous tarifez mal le risque des deux côtés : surfacturation de la maison surélevée à l'intérieur de la zone, sous-facturation de la maison sur dalle à l'extérieur. Les assureurs qui sont passés à la notation IA au niveau de la propriété écrèment déjà vos meilleurs risques.
Nous construisons la couche d'intelligence du risque d'inondation qui relie les scores des fournisseurs, la surveillance satellite et vos données de sinistres en un facteur de tarification unifié que votre examinateur du DOI peut approuver.
68,3 %
Dommages d'inondation en dehors des zones à haut risque de la FEMA
NC State / First Street Research
106,1 %
Ratio combiné projeté des assurances habitation, 2025
III / AM Best
20 % de TCAC
Croissance des polices d'inondation privées, 2020-2024
Resources for the Future
Considérez un scénario concret qui se reproduit des milliers de fois dans votre portefeuille chaque année.
Une maison unifamiliale dans le comté de Harris, au Texas. Zone X de la FEMA (risque d'inondation minimal). Construite en 2004 sur une fondation en dalle sans aucune surélévation au-dessus du niveau du sol. Le terrain est imperméabilisé à 85 % (allée en béton, terrasse, garage indépendant). Le drain pluvial le plus proche se trouve à 400 pieds et fait partie d'un réseau municipal vieux de 30 ans conçu pour un événement pluvieux décennal.
Zone X. Aucune obligation d'assurance contre les inondations. Si le propriétaire souscrit une police d'inondation facultative, elle est tarifée selon les facteurs du NFIP Risk Rating 2.0, qui ne tiennent pas compte du taux de surface imperméable, de l'infrastructure de drainage sous-dimensionnée, ni du fait que la maison présente une élévation du rez-de-chaussée nulle au-dessus du niveau du sol. Votre système propose une prime de 450 $/an.
Sur un portefeuille de 50 000 polices d'assurance habitation dans le sud-est du Texas, ce schéma de propriétés en Zone X mal tarifées représente généralement 2,8 à 4,2 M$ de fuite annuelle. Cela correspond à 30 à 40 propriétés générant 70 K$ à 120 K$ de sinistres d'inondation par événement face à des primes annuelles de 450 $.
Ce n'est pas une hypothèse. Le comté de Harris compte 1,2 million de propriétés en Zone X. Après l'ouragan Harvey, 70 % des sinistres d'inondation provenaient de l'extérieur des zones à haut risque de la FEMA. Les assureurs qui ont identifié ces propriétés avant l'événement ont réduit leur ratio de pertes catastrophiques de 8 à 12 points cette année-là.
Chaque fournisseur ci-dessous résout une partie du problème. Aucun ne le résout de bout en bout. Le véritable défi consiste à construire l'intégration et la documentation réglementaire qui transforment des solutions ponctuelles en un plan de tarification approuvé.
| Fournisseur | Ce qu'ils font | Force | Lacune |
|---|---|---|---|
| ZestyAI | Intelligence immobilière basée sur la CV. Scores Z-FLOOD, Z-FIRE, Z-WIND issus d'imagerie aérienne et de permis de construire. | Éprouvé en production à grande échelle. Plus de 6 partenariats d'assureurs signés au seul T1 2026. Couverture multi-périls. | Aucune modélisation du drainage pluvial. L'opacité des rouages du modèle complique les dépôts auprès du DOI dans des États comme le CO et le NY. Scores statiques, sans surveillance déclenchée par événement. |
| ICEYE | Constellation satellite SAR pour la surveillance des inondations en temps réel. Plus de 30 satellites, revisite en moins de 24 h. | Seul fournisseur disposant de données satellite propriétaires. Partenariats avec Munich Re et AXA (2026). Mises à jour de l'étendue des inondations toutes les 6 heures pendant les événements. | Observation uniquement, non prédictive. Incertitude de profondeur urbaine de +/-15 cm (double rebond). Nécessite un pipeline personnalisé pour transformer le SAR brut en flux de travail de sinistres. |
| First Street | Scores Flood Factor (1-10) pour chaque propriété américaine. Risque cumulé sur 30 ans. Données grand public gratuites, API institutionnelle. | La base de données du risque d'inondation américain la plus complète. Forte notoriété publique. Inclut les aléas fluviaux, côtiers et pluviaux. | Modèle d'aléa uniquement. N'évalue pas la vulnérabilité structurelle (FFE, matériaux de construction). Pas actuellement accepté comme facteur de tarification réglementaire. |
| Fathom (Swiss Re) | Données mondiales d'aléa d'inondation. Swiss Re l'intègre dans son modèle catastrophe interne (janv. 2026). Jeux d'événements probabilistes sur 50 000 ans. | Modélisation basée sur la physique. Meilleurs scénarios climatiques prospectifs. Le soutien de Swiss Re confère de la crédibilité auprès des réassureurs. | Détenu par Swiss Re, ce qui crée un conflit potentiel pour les assureurs ayant d'autres relations de réassurance. Couche d'aléa uniquement, sans vulnérabilité au niveau de la propriété. |
| Verisk / AIR | Modélisation catastrophe historique. Flood Score 3.0 pour l'évaluation du risque d'inondation américain au niveau de la propriété. XactGen pour l'estimation des sinistres par IA. | Les relations d'assureurs les plus profondes. Familiarité réglementaire. Accepté comme standard par la plupart des DOI. | Architecture héritée modernisée a posteriori par l'IA. Cycle d'innovation plus lent. La tarification groupée rend coûteuse l'utilisation des seuls composants inondation. |
| RMS / Moody's | Plateforme de modélisation catastrophe. Acquisition de Cape Analytics pour l'intelligence immobilière géospatiale alimentée par l'IA. | Intégration profonde aux assureurs. L'acquisition de Cape ajoute l'évaluation immobilière basée sur la CV. | L'acquisition de Cape Analytics est toujours en cours. Calendrier d'intégration incertain. Cape est plus solide sur le vent/les incendies de forêt que sur l'inondation. |
| Neptune Flood | MGA doté du moteur de souscription propriétaire Triton. Approche API-first. Partenariat avec Palomar pour l'inondation privée à l'échelle nationale. | Le flux de devis-souscription d'inondation privée le plus rapide. Intégration ChatGPT pour la distribution numérique. Expertise inondation pure. | Concurrent, et non un outil que vous pouvez licencier. Leur pile technologique est propriétaire et indisponible pour les autres assureurs. |
| Big 4 / grands intégrateurs | Deloitte, Accenture, EY, PwC proposent des services de conseil et de mise en œuvre insurtech. | Notoriété de marque. Grandes équipes. Relations existantes avec la direction des assureurs. | Ils mettent en œuvre des plateformes, ils ne construisent pas d'intelligence inondation sur mesure. Une mission Accenture démarre à plus de 2 M$ et livre un exercice de sélection de fournisseurs, et non un moteur de notation opérationnel. Aucune expertise propriétaire du domaine de l'inondation. |
Le paysage des fournisseurs est fragmenté à dessein. ZestyAI vend des scores immobiliers. ICEYE vend des données satellite. Fathom vend des couches d'aléa. Verisk vend des modèles catastrophe. Aucun fournisseur unique n'a intérêt à construire la couche d'intégration qui combine des sources de données concurrentes, car cette couche banaliserait son produit individuel. Cette couche d'intégration, plus la documentation réglementaire pour la faire approuver comme plan de tarification, c'est ce que nous construisons.
Chaque capacité répond à une lacune précise du paysage des fournisseurs. Nous travaillons avec les scores et les données que vous achetez déjà, pas contre eux.
Nous fusionnons l'intelligence immobilière de ZestyAI, la surveillance SAR d'ICEYE, les couches d'aléa de Fathom/First Street et votre historique de sinistres en un score composite au niveau de la propriété. La logique de fusion pondère chaque source en fonction de la géographie et du mélange de périls. Une propriété côtière en Floride s'appuie fortement sur les modèles d'onde de tempête et la surveillance SAR. Une propriété texane à l'intérieur des terres accorde un poids plus élevé à la modélisation du drainage pluvial et aux taux de surface imperméable.
Sortie : un facteur de tarification unique par propriété, mis en cache dans le Guidewire Integration Data Manager ou le cadre External Data Call de Duck Creek, disponible en moins de 50 ms pour un devis-souscription en ligne.
Le dépôt d'un algorithme de tarification augmenté par l'IA exige des mémoires actuariels montrant l'amélioration du ratio de pertes par décile, les classements d'importance des caractéristiques, des contrôles rétroactifs hors échantillon face à des événements historiques, et une analyse d'impact disparate à la granularité du secteur de recensement. Nous produisons le dossier de dépôt complet pour chaque État.
Nous avons cartographié les exigences des 50 États. Le Colorado exige une justification par variable. La circulaire 2024-7 du DFS de New York exige des tests de discrimination par variable de substitution. La Californie exige une approbation préalable assortie d'une documentation complète du modèle. Le dossier de dépôt que nous produisons est adapté aux exigences spécifiques de chaque État, et non un modèle universel.
Lorsqu'un événement d'inondation se déclenche, nous activons le pipeline qui transforme les données SAR brutes d'ICEYE en intelligence de sinistres opérationnelle. Dans les heures suivant le premier passage satellite : votre TIV à risque est calculée par type de garantie, les experts sont dirigés uniquement vers les propriétés confirmées humides par SAR, la gravité est estimée en combinant la profondeur d'inondation SAR avec l'élévation du rez-de-chaussée dérivée par CV, et les sinistres provenant de lieux confirmés secs par SAR sont signalés à la SIU.
Le pipeline fonctionne comme un service géré pendant les événements. Entre les événements, vous ne payez que pour la couche de surveillance qui guette les déclencheurs de programmation satellite. Amélioration typique de l'efficacité de déploiement des experts : 40 à 60 % de visites sur site inutiles en moins.
C'est la lacune que la plupart des fournisseurs négligent. Les inondations pluviales (pluie submergeant les systèmes de drainage) causent la majorité des pertes d'inondation assurées, pourtant la plupart des modèles commerciaux se concentrent sur les crues fluviales et les ondes côtières. Nous construisons des modèles pluviaux au niveau de la propriété à partir de modèles numériques d'élévation dérivés de LiDAR à une résolution d'un mètre, de taux de surface imperméable estimés par CV par parcelle, et de données d'infrastructure municipale d'eaux pluviales (diamètre des conduites, âge, capacité de conception).
Le modèle répond à une question précise : pour une intensité de pluie donnée, à quelle profondeur l'eau monte-t-elle à la porte d'entrée de cette propriété ? La réponse dépend de la micro-topographie dans un rayon de 500 mètres, et non de la zone FEMA.
Avec plus de 24 États adoptant le bulletin modèle sur l'IA de la NAIC, les tests d'équité indépendants de la tarification pilotée par l'IA ne sont plus facultatifs. Nous exécutons des analyses d'impact disparate sur vos tarifs augmentés par l'IA face aux données démographiques des secteurs de recensement, identifions quelles caractéristiques d'entrée portent un signal démographique (l'état de la toiture et la surface imperméable sont les plus courants), et déterminons si le pouvoir prédictif est actuariellement justifié indépendamment de la corrélation.
Le livrable est le dossier de documentation qui satisfait à la norme la plus exigeante (la circulaire 2024-7 du DFS de New York), ce qui signifie qu'il passe partout ailleurs. Cela s'applique que vous utilisiez notre moteur de notation ou des scores tiers de ZestyAI, Cape Analytics ou tout autre fournisseur.
Quatre phases. La phase 1 est un livrable autonome. Si nous ne trouvons pas de fuite exploitable dans votre portefeuille, vous vous arrêtez là.
Nous analysons votre portefeuille actuel face aux données du risque d'inondation au niveau de la propriété. Pour chaque police, nous comparons la prime que vous facturez à la perte attendue estimée par l'IA. La sortie est une carte thermique de la mauvaise tarification : quelles géographies, quels types de construction, quelles zones FEMA présentent l'écart le plus large entre ce que vous encaissez et ce que vous versez.
Sur un portefeuille IARD typique de 200 M$ de primes émises, cette analyse révèle 2 à 5 M$ de fuite annuelle par antisélection. Ce chiffre, avec le détail au niveau de la propriété, constitue votre dossier d'affaires pour les phases restantes.
Nous construisons le moteur de notation multi-sources réglé sur votre portefeuille spécifique. Cela implique de sélectionner et de pondérer les sources de données qui comptent pour vos géographies, d'entraîner les micro-modèles pluviaux pour vos marchés clés, et de construire l'intégration Guidewire ou Duck Creek avec la couche de cache de pré-notation.
Nous validons le modèle face à votre historique de sinistres. Le test est simple : le classement de risque du modèle prédit-il quelles polices ont déclaré des sinistres d'inondation au cours des 5 dernières années mieux que votre plan de tarification actuel ?
Nous produisons les dossiers de dépôt auprès du DOI pour vos États prioritaires. Chaque dossier comprend le mémoire actuariel, le rapport de validation du modèle (contrôles rétroactifs face à des événements historiques, tests hors échantillon), l'analyse d'impact disparate, et la documentation d'explicabilité montrant comment les facteurs de tarification du modèle se rapportent au risque physique d'inondation.
Les délais de dépôt varient selon l'État. Les États « file and use » (la plupart du Sud-Est) vous permettent un déploiement immédiat dès le dépôt. Les États « prior approval » (Californie, New York) exigent un examen par l'examinateur avant le déploiement, ce qui ajoute 60 à 120 jours.
Mise en service au premier cycle de renouvellement avec des tarifs augmentés par l'IA. Nous surveillons la performance du ratio de pertes, l'adéquation des primes et la rétention des assurés. Le premier cycle de renouvellement est critique : vous verrez certaines polices ne pas être renouvelées à mesure que les risques mal tarifés reçoivent une tarification correcte pour la première fois. L'objectif est que la prime perdue des polices à haut risque qui partent soit plus que compensée par la réduction des sinistres.
Si vous déployez également le pipeline de triage des sinistres par SAR, nous l'activons en parallèle et menons un exercice sur table face à un événement historique de votre portefeuille avant la prochaine saison des ouragans.
Répondez à 8 questions sur vos capacités actuelles de souscription d'inondation. Obtenez une évaluation notée avec des lacunes précises et les prochaines étapes adaptées à votre situation.
Le défi de l'intégration tient moins à l'appel d'API qu'à l'architecture de mise en cache et de repli. Un appel d'API brut vers un service de notation externe prend 200 à 400 ms, ce qui consomme l'essentiel de votre budget de latence pour un devis en ligne. Nous construisons une couche de pré-notation qui traite par lots votre portefeuille en vigueur chaque nuit face à la dernière imagerie satellite et aux flux d'intelligence immobilière, en stockant les scores dans le Integration Data Manager de Guidewire. Lorsqu'une demande de devis arrive, le moteur de tarification récupère le score mis en cache en moins de 50 ms.
Pour les nouvelles soumissions pas encore en cache, nous utilisons un schéma d'enrichissement asynchrone : le devis se poursuit avec un score préliminaire fondé sur les données de zone FEMA et d'élévation disponibles, puis le score IA complet le complète en quelques minutes. La file de renvoi capte tous les cas où les scores préliminaire et complet divergent significativement.
Ce schéma maintient votre flux de devis-souscription sous 500 ms tout en garantissant que chaque police reçoive finalement l'évaluation complète du risque multi-sources. Pour Duck Creek, l'architecture est similaire mais utilise leur cadre External Data Call au lieu de l'Integration Data Manager.
Le score Z-FLOOD de ZestyAI est solide pour la vulnérabilité structurelle au niveau de la propriété, en particulier l'état de la toiture, les matériaux de construction et la proximité de l'eau. Mais il présente des angles morts précis qui comptent pour l'inondation. Premièrement, Z-FLOOD ne modélise pas la capacité de drainage municipale. Deux propriétés aux scores Z-FLOOD identiques peuvent présenter une exposition à l'inondation pluviale très différente selon que le réseau de drains pluviaux de leur micro-bassin versant a été conçu pour un événement décennal ou centennal.
Deuxièmement, ZestyAI n'intègre pas la surveillance SAR en temps réel, vous obtenez donc un score de risque statique mais aucune alerte de portefeuille déclenchée par événement. Troisièmement, et c'est le problème du dépôt : lorsque vous soumettez Z-FLOOD comme variable de tarification à un DOI d'État, l'examinateur demande l'importance sous-jacente des caractéristiques et l'amélioration du ratio de pertes par décile. ZestyAI fournit une fiche de modèle, mais dans des États comme le Colorado et New York, les examinateurs veulent voir l'analyse menée sur votre portefeuille spécifique, et non une validation générique à l'échelle du secteur.
Nous construisons l'enveloppe qui combine l'intelligence immobilière de ZestyAI avec la surveillance SAR d'ICEYE, la modélisation du drainage pluvial et votre propre historique de sinistres en un score composite. Ensuite, nous produisons la documentation de dépôt auprès du DOI montrant comment chaque composant contribue à la précision prédictive sur votre portefeuille en particulier.
Le bulletin modèle sur l'IA de la NAIC, désormais adopté dans plus de 24 États, exige des assureurs qu'ils démontrent que la tarification pilotée par l'IA ne produit pas de résultats injustement discriminatoires. Pour l'inondation en particulier, le risque est que les évaluations immobilières basées sur la CV soient corrélées au revenu du quartier. Une propriété dans une zone à faible revenu peut présenter un entretien différé, des scores d'état de toiture plus faibles et davantage de surface imperméable, autant d'éléments qui prédisent légitimement la gravité de la perte d'inondation mais servent aussi de variables de substitution pour des caractéristiques protégées.
L'analyse débute par un test de disparité géographique : nous cartographions vos tarifs augmentés par l'IA face aux données démographiques des secteurs de recensement (race, revenu, âge) et comparons les distributions de tarifs. Si le modèle IA produit systématiquement des tarifs plus élevés dans les secteurs à majorité minoritaire après contrôle de l'aléa d'inondation réel, c'est un signal d'alerte. Ensuite, nous menons une analyse d'attribution des caractéristiques à l'aide de valeurs SHAP pour identifier quelles caractéristiques d'entrée alimentent la disparité. Il s'agit souvent d'une seule variable, comme le score d'état de toiture ou le taux de surface imperméable, qui porte l'essentiel du signal démographique.
La solution n'est pas de retirer la variable. Il s'agit de démontrer que le pouvoir prédictif de la variable pour la perte d'inondation est actuariellement justifié indépendamment de sa corrélation démographique. Nous produisons le dossier de documentation qui montre : voici la disparité, voici pourquoi elle est actuariellement justifiée, et voici les contrôles que nous avons mis en place. La circulaire 2024-7 du DFS de New York est la norme la plus exigeante. Si votre documentation passe à New York, elle passe partout.
Lorsqu'un événement d'inondation se déclenche, la constellation d'ICEYE commence à programmer des satellites au-dessus de la zone touchée. Vous obtenez la première carte d'étendue de l'inondation dans les 12 à 24 heures suivant le pic d'inondation, livrée sous forme de fichiers de formes compatibles SIG à une résolution de 30 mètres. Les étendues mises à jour arrivent toutes les 6 heures à mesure que des passages satellites supplémentaires ont lieu.
Le pipeline de triage que nous construisons fait quatre choses avec ces données. Premièrement, la superposition de portefeuille : l'empreinte d'inondation SAR est croisée avec les adresses géocodées de vos assurés pour calculer la valeur assurable totale à risque, ventilée par type de garantie et limite de police. Votre direction des sinistres reçoit ce rapport avant le premier appel de déclaration de sinistre (FNOL). Deuxièmement, le routage des experts : les experts de terrain ne sont dépêchés que vers les propriétés confirmées humides par SAR, ce qui réduit généralement les visites sur site inutiles de 40 à 60 %. Troisièmement, l'estimation de la gravité : en combinant la profondeur d'inondation dérivée du SAR à chaque propriété avec l'élévation du rez-de-chaussée estimée par CV, nous calculons la profondeur d'intrusion d'eau estimée, qui correspond directement aux courbes de dommages du modèle Hazus de la FEMA.
Quatrièmement, le signalement de la fraude : toute déclaration de sinistre (FNOL) provenant d'une propriété que les données SAR montrent sèche pendant l'événement est automatiquement acheminée vers la SIU. Le problème du double rebond urbain dans les données SAR signifie que vous obtenez des faux négatifs dans les zones urbaines denses, soit environ 15 % des propriétés. Nous gérons cela par un recoupement satellite optique lorsque la couverture nuageuse se dissipe, généralement 48 à 72 heures après l'événement. Le système fonctionne comme un service géré pendant les événements et reste dormant entre eux, vous ne payez donc pas pour une infrastructure inactive.
La plupart des modèles d'inondation commerciaux, y compris les scores de fournisseurs que vous pouvez acheter aujourd'hui, sont fondamentalement rétrospectifs. Ils s'entraînent sur des données de pertes historiques et des observations satellite, ce qui signifie qu'ils modélisent le climat qui était, et non le climat qui sera. Pour une police d'un an, c'est acceptable. Pour la stratégie de portefeuille, l'adéquation des réserves et les négociations de traités de réassurance, c'est une véritable lacune.
La réponse technique, ce sont les réseaux de neurones informés par la physique. Au lieu de s'entraîner uniquement sur des événements d'inondation historiques, un PINN intègre les équations de Saint-Venant (conservation de la masse et de la quantité de mouvement pour l'écoulement des fluides) directement dans la fonction de perte. Cela signifie que le modèle ne peut pas prédire l'apparition d'eau sans source ni un écoulement vers le haut. Lorsque vous lui fournissez un scénario pluvieux synthétique qui dépasse tout ce qui figure dans les archives historiques, les contraintes physiques maintiennent la sortie physiquement plausible.
L'intégration par Swiss Re des données Fathom dans des jeux d'événements probabilistes sur 50 000 ans illustre le secteur évoluant dans cette direction. Nous construisons des modèles de substitution au niveau de la propriété qui approchent des simulations hydrodynamiques complètes en quelques millisecondes. Ceux-ci ne sont pas prêts pour la production de tarification en temps réel aujourd'hui. Mais ils sont essentiels pour l'analyse de scénarios catastrophe, les tests d'adéquation des réserves et les soumissions de réassurance où vous devez démontrer l'exposition de votre portefeuille à des événements qui ne se sont pas encore produits. Nous les utilisons aux côtés des scores de fournisseurs : ZestyAI pour le risque d'aujourd'hui, les modèles informés par la physique pour celui de demain.
Une mission typique s'étale sur 16 à 24 semaines réparties sur quatre phases. La phase 1 (3-4 semaines) est le diagnostic de portefeuille : nous analysons votre portefeuille actuel, identifions où votre tarification s'écarte du risque au niveau de la propriété, et quantifions l'exposition à l'antisélection. Cette phase révèle généralement 2 à 5 M$ de fuite annuelle sur un portefeuille de 200 M$ de primes émises, ce qui finance le reste de la mission.
La phase 2 (6-8 semaines) est le développement du modèle : construction du moteur de notation multi-sources, des micro-modèles pluviaux pour vos géographies clés, et de l'intégration Guidewire/Duck Creek. La phase 3 (4-6 semaines) est la préparation réglementaire : analyse d'impact disparate, mémoires actuariels, et dossiers de dépôt auprès du DOI pour vos États prioritaires. La phase 4 (3-6 semaines) est le déploiement en production et le premier cycle de renouvellement avec des tarifs augmentés par l'IA.
Le budget dépend du périmètre. Une mission ciblée couvrant un État et un péril (l'inondation privée en Floride, par exemple) se situe entre 350 K$ et 500 K$. Un programme multi-États et multi-périls couvrant l'inondation, le vent et les incendies de forêt avec un support complet de dépôt auprès du DOI se situe entre 800 K$ et 1,5 M$. Pour les MGA, les chiffres sont généralement plus bas car le portefeuille est plus petit et vous déposez dans moins d'États. Nous structurons les missions de sorte que la phase 1 soit un livrable autonome. Si le diagnostic de portefeuille ne trouve pas de fuite exploitable, vous vous arrêtez là.
Les fondements techniques de cette page de solution.
Architecture technique pour l'extraction de FFE basée sur la CV, les pipelines de surveillance des inondations par SAR, et les réseaux de neurones informés par la physique pour la simulation hydrodynamique dans la souscription d'assurance.
Le diagnostic de portefeuille prend 3 à 4 semaines et se rentabilise en identifiant les propriétés en Zone X mal tarifées cachées dans votre portefeuille.
Le diagnostic de portefeuille prend 3 à 4 semaines. Si nous ne trouvons pas de fuite exploitable, vous vous arrêtez là. Si nous en trouvons, le dossier d'affaires pour la notation IA au niveau de la propriété s'écrit de lui-même.