Nouvelle évaluation probabilistique de l'aléa sismique, des pertes et des risques dans les régions à forte prédisposition sismique

Les tremblements de terre sont l'un des risques naturels les plus importants. Ils peuvent causer des pertes économiques et sociales considérables et représentent une menace régulière et sérieuse pour les communautés à risque.

L'évaluation des risques sismiques et des pertes économiques et humaines qu'ils entraînent est particulièrement pertinente, tant sur le plan scientifique que pour les assureurs et les communautés à risque. Selon l'Organisation Mondiale de la Santé, la population urbaine continuera de croître d'environ 1,5 % à 1,6 % par an entre 2015 et 2030 et on estime que les tremblements de terre feront environ 2,8 millions de victimes dans le monde d'ici la fin du 21e siècle. En raison des longues périodes de retour des séismes les plus graves, et parce que peu de zones urbaines ont encore subi de tels événements majeurs dans leur configuration actuelle, les plus grandes catastrophes sismiques semblent être à venir.

En tant qu'assureur, AXA développe depuis 2014 sa propre expertise sur les catastrophes naturelles (CAT-NAT). Les catastrophes naturelles sont toutefois des risques très complexes à modéliser et l'estimation précise des pertes nécessite des connaissances approfondies sur la physique sous-jacente. C'est pourquoi le développement des modèles internes CAT-NAT a été soutenu par des partenariats scientifiques.

L'un de ces partenariats est mené par le Dr Philippe Guéguen, directeur de recherche à l'Institut des Sciences de la Terre (ISTerre) de l'Université de Grenoble Alpes (France), en collaboration avec les équipes Gestion des Risques du Groupe AXA, dans le cadre d'une initiative de recherche conjointe soutenue par le Fonds AXA pour la Recherche.

 Le processus de recherche en deux étapes se concentrera sur l'Europe mais aussi sur l'Amérique du Sud, une zone sujette au risque sismique et où l'exposition d'AXA est importante :

Évaluation des risques intégrant les données GPS

Dans les régions à forte activité sismique, comme les zones de subduction, les répartitions magnitude-fréquence sont évaluées à partir d'ensembles des données de séismes modérés, extrapolées pour les phénomènes plus importants avec des magnitudes maximales estimées à partir de lois d'échelle. Bien que ces données s'étendent sur plusieurs siècles, les fenêtres d'observation sont souvent courtes par rapport à la récurrence des événements modérés à importants. Les modèles de récurrence peuvent être limités en raison du manque d'informations sur la segmentation des failles sismiques.  

L'équipe scientifique utilisera les données GPS pour proposer une segmentation de l'interface et pour estimer les probabilités d'occurrence de futurs séismes, en faisant des hypothèses sur la part de déformation occasionnée lors des glissements lents.

Évaluation des pertes et des risques à l'aide de données open-source et d'outils d'intelligence artificielle :

La modélisation des conséquences économiques des catastrophes naturelles a gagné en importance ces dernières années. Les modèles de pertes dues aux tremblements de terre peuvent fournir des informations pertinentes aux décideurs et aux responsables politiques. En outre, les avantages des modèles rapides et efficaces d'estimation des pertes économiques et humaines peuvent être de la plus haute importance juste après les catastrophes sismiques. Le développement de modèles de pertes sismiques pertinents est un défi, car la plupart des modèles de pertes économiques et humaines sont basés sur des interprétations post-séisme, et les relations empiriques sont dérivées d'observations sur le terrain qui comportent des incertitudes substantielles. La magnitude et la distance sont les deux paramètres clés pour déterminer l'impact d'un tremblement de terre dans une zone urbaine. Cependant, même des séismes modérés ont causé des pertes économiques et un nombre de décès considérables en raison de la vulnérabilité des bâtiments.  Les observations post-séisme montrent systématiquement une forte corrélation entre les pertes (économiques et sociales) et les dommages aux bâtiments.

Les équipes scientifiques utiliseront des techniques de machine-learning pour développer de nouveaux modèles de vulnérabilité et de pertes humaines et économiques. Pour atteindre cet objectif, elles utiliseront à la fois les dernières versions des bases de données open-source d'exposition (OpenStreetMap, OpenBuildingMap, etc.) et les données recueillies après des séismes. Ces modèles devraient être plus appropriés que le modèle HAZUS pour les zones étudiées (Amérique du Sud et Europe) et plus compatibles avec le type de données disponibles dans les bases de données open-source (c'est-à-dire les caractéristiques globales au lieu des caractéristiques techniques des bâtiments).

Avril 2021