En 2021, les premiers stress tests climatiques menés par la Banque de France et l’ACPR avaient conclu que les résultats ne faisaient pas consensus, faute d’informations suffisantes à la bonne granularité. Quatre ans plus tard, le diagnostic reste partiellement valable mais les choses ont significativement évolué. Les régulateurs ont durci leurs exigences, les cadres de reporting se sont structurés (CSRD, Pilier 3 ESG, Green Asset Ratio, Taxonomie Verte) et les données disponibles pour alimenter les modèles de risque climatique se sont considérablement enrichies.
Ce qui n’a pas changé, c’est la nature du problème central. Les risques climatiques sont fondamentalement des risques géolocalisés, qui se manifestent à l’échelle d’un territoire, d’une parcelle, d’un bâtiment. Ils ne peuvent pas être correctement évalués à partir de statistiques nationales ou régionales. Un portefeuille de crédits immobiliers exposé aux inondations dans une vallée fluviale ne ressemble pas à un portefeuille sur les hauteurs de la même commune. Un bâtiment tertiaire construit en 1960 avec des murs non isolés dans une zone classée en retrait-gonflement des argiles fort n’a pas le même profil de risque qu’un bâtiment construit en 2015 à cent mètres de là.
C’est cette exigence de granularité qui définit la bataille de la donnée climatique aujourd’hui. Gagner cette bataille, c’est passer de l’approximation à la précision, des moyennes aux individus, des engagements déclaratifs aux mesures vérifiables.
Selon I4CE, 70 milliards d'euros sont encore investis chaque année dans des actifs à forte intensité carbone en France. Combler cet écart avec les 70 milliards annuels nécessaires pour respecter la Stratégie Nationale Bas Carbone passe d'abord par une meilleure connaissance des actifs financés et de leur profil climatique.
Ce que les données permettent que les intuitions ne permettent pas
Quantifier l’invisible
Le changement climatique produit des effets progressifs et des effets brutaux. Les effets progressifs sont souvent les plus difficiles à anticiper précisément parce qu’ils se manifestent lentement et sans signal d’alarme immédiat. La hausse des températures moyennes, l’intensification des sécheresses estivales, la modification des régimes de précipitations, la montée du niveau de la mer : chacun de ces phénomènes affecte la valeur des actifs immobiliers, la productivité agricole, la consommation d’énergie des bâtiments et le coût des infrastructures sur des horizons de dix à trente ans.
Sans données précises et modèles prospectifs, ces effets restent dans le domaine de l’intuition. Les acteurs économiques savent que le changement climatique aura un impact, mais ils ne peuvent pas le quantifier suffisamment pour l’intégrer dans leurs décisions d’investissement, de crédit ou d’aménagement. C’est exactement le rôle de la donnée climatique : transformer une incertitude diffuse en risques quantifiés, localisés et comparables.
Identifier les concentrations de risques dans les portefeuilles
Pour un établissement bancaire qui détient un portefeuille de crédits immobiliers de plusieurs milliards d’euros, la question n’est pas de savoir si le changement climatique aura un impact. La question est de savoir où dans le portefeuille cet impact sera le plus fort, et quand.
Sans données granulaires à l’échelle de l’actif, la réponse à cette question est impossible. Les statistiques nationales ou régionales sur les risques d’inondation ou de sécheresse n’ont pas la précision nécessaire pour distinguer les actifs exposés des actifs non exposés au sein d’un même portefeuille.
Avec des données géolocalisées à l’échelle du bâtiment, couvrant l’exposition aux aléas physiques et la performance énergétique de chaque bien financé, la cartographie des concentrations de risques devient accessible. L’établissement peut alors identifier les segments de son portefeuille les plus vulnérables, anticiper les dépréciations potentielles et adapter ses politiques d’octroi en conséquence.
Orienter les flux d’investissement vers les actifs durables
La troisième fonction de la donnée climatique est de permettre aux acteurs économiques d’orienter leurs décisions d’investissement vers les actifs les plus résilients et les plus compatibles avec la transition écologique.
Pour financer la transition bas carbone, les banques et les investisseurs ont besoin de savoir quels projets et quels actifs contribuent réellement à la réduction des émissions de gaz à effet de serre et lesquels maintiennent ou amplifient les trajectoires carbonées. Cette distinction suppose une information précise sur chaque actif financé. Elle n’est pas possible à partir de déclarations génériques des emprunteurs, qui ont parfois intérêt à présenter leurs projets sous un angle favorable.
Les familles de risques climatiques à modéliser
Pour structurer l’anticipation des risques climatiques, il est utile de distinguer les grandes familles de risques selon leur nature et leur horizon de manifestation.
Les risques physiques aigus
Les risques physiques aigus correspondent aux événements extrêmes dont la fréquence et l’intensité augmentent sous l’effet du changement climatique. Pour les actifs immobiliers et les infrastructures, les principaux risques à modéliser sont les suivants.
Les inondations sont le risque naturel le plus répandu en France, avec une surface territoriale exposée à l’aléa modéré ou fort couvrant plusieurs millions d’hectares. L’inondation par débordement de cours d’eau est cartographiée dans les Plans de Prévention des Risques inondation (PPRi). L’inondation par ruissellement, souvent déclenchée par des épisodes de pluie intense en milieu urbain, est moins bien couverte par les cartographies officielles mais peut être modélisée à partir des données topographiques et d’imperméabilisation des sols.
Les tempêtes et vents violents affectent principalement les façades et les toitures. Leur intensité est bien documentée par les réanalyses météorologiques historiques, mais leur évolution future sous l’effet du changement climatique est encore incertaine, les modèles climatiques divergeant sur la trajectoire des cyclones extratropicaux en Europe.
Les feux de forêt ont connu une extension géographique significative en France et en Europe du Sud ces dernières années. Le périmètre des zones à risque élevé s’élargit à mesure que les conditions de sécheresse estivale s’intensifient, touchant désormais des zones qui n’étaient pas historiquement exposées.
Les vagues de chaleur affectent la santé des populations, la productivité des travailleurs en extérieur, la consommation énergétique des bâtiments (climatisation) et les infrastructures de transport et d’énergie. Leur modélisation à l’échelle du bâtiment doit intégrer le phénomène des îlots de chaleur urbains, qui amplifient localement les températures dans les zones denses imperméabilisées.
Les risques physiques chroniques
Les risques physiques chroniques résultent de l’évolution progressive des conditions climatiques moyennes. Ils sont souvent moins spectaculaires que les événements extrêmes, mais leurs effets cumulatifs sur les actifs sont potentiellement très significatifs.
Le retrait-gonflement des argiles (RGA) est le premier risque naturel en France par le coût des sinistres annuels. Les sols argileux gonflent lors des périodes humides et se rétractent lors des sécheresses, provoquant des mouvements différentiels sous les fondations des bâtiments construits en dehors des normes antisismiques ou sans fondations profondes. Les épisodes de sécheresse exceptionnelle de 2022 et 2023 ont généré des dommages estimés à plusieurs milliards d’euros. Avec l’intensification des sécheresses estivales projetée par les modèles climatiques, ce phénomène est appelé à s’amplifier. Environ 48 % du territoire français est exposé à un aléa modéré à fort de RGA.
La montée du niveau de la mer menace à terme les actifs côtiers. Si ses effets sur les actifs immobiliers sont encore limités à court terme, son impact sur les valeurs immobilières dans les zones exposées commence à se matérialiser dans les marchés les plus sensibles. Les projections de l’IPCC (groupe de travail I, sixième rapport) anticipent une élévation du niveau de la mer comprise entre 0,3 et 1 mètre d’ici 2100 selon les scénarios d’émissions.
La modification des régimes hydrologiques affecte la disponibilité de l’eau pour l’agriculture, l’industrie et les usages urbains. Elle crée également des risques de pénurie pour le refroidissement des centrales électriques et des data centers, qui constituent des actifs industriels importants dans certains portefeuilles d’investissement.
Les risques de transition
Les risques de transition naissent des transformations économiques, réglementaires et technologiques associées à la décarbonation de l’économie. Pour les acteurs financiers, ces risques peuvent être aussi significatifs que les risques physiques, et ils se manifestent sur des horizons plus proches.
Les risques réglementaires sont les plus immédiats et les plus prévisibles. Le calendrier des interdictions de location des logements énergivores (G depuis janvier 2025, F en 2028, E en 2034), le Décret Tertiaire pour les bâtiments non résidentiels, les obligations de reporting CSRD et les exigences du Green Asset Ratio créent des contraintes précises et datées sur la valeur des actifs qui n’y répondent pas.
Les risques de marché résultent de l’évolution des préférences des acheteurs, des locataires et des investisseurs. Les logements mal classés énergétiquement subissent déjà une décote de marché documentée par les études des Notaires de France. Cette décote est appelée à s’amplifier à mesure que les contraintes réglementaires se renforcent et que la sensibilité des acheteurs et des investisseurs à la performance énergétique augmente.
Les risques technologiques concernent les secteurs dans lesquels une rupture technologique peut rendre obsolètes des actifs existants. Le remplacement des chaudières à énergie fossile par des pompes à chaleur, la transition vers le véhicule électrique ou la révolution des matériaux de construction bas carbone créent des dynamiques de dépréciation accélérée que les modèles de risque doivent anticiper.
Les données nécessaires pour modéliser ces risques correctement
La granularité géographique comme exigence centrale
L’enseignement principal des premiers exercices de stress tests climatiques conduits par la Banque de France, la BCE et l’ACPR est que les données disponibles manquaient de granularité géographique pour produire des résultats fiables. Ce constat est structurel. Les risques climatiques sont des risques locaux qui varient fortement à courte distance. Une évaluation réaliste du risque à l’échelle d’un portefeuille nécessite des données à l’échelle de l’actif individuel, pas à l’échelle de la commune ou du département.
Pour les actifs immobiliers résidentiels et tertiaires, cette granularité signifie disposer, pour chaque bâtiment, d’une information sur son exposition aux différents aléas climatiques physiques, de sa performance énergétique (qui détermine son exposition aux risques de transition réglementaire) et de ses caractéristiques techniques (qui déterminent sa vulnérabilité structurelle face aux aléas).
Les sources de données à combiner
Aucune source de données unique ne suffit à couvrir l’ensemble des dimensions nécessaires. L’évaluation précise des risques climatiques à l’échelle du bâtiment nécessite de combiner plusieurs couches d’information issues de sources différentes.
Les données cadastrales (DGFiP) fournissent la géolocalisation précise de chaque bâtiment, sa surface, sa date de construction et son usage. Elles constituent la colonne vertébrale du référentiel géographique.
Les données d’aléas officielles (PPRi pour les inondations, carte d’aléa BRGM pour le RGA, DDRM pour les risques multiples) fournissent un premier niveau d’information sur l’exposition aux risques naturels, mais leur granularité est souvent insuffisante pour distinguer les situations à l’échelle de la parcelle.
Les données de modélisation climatique (projections DRIAS du Ministère de la Transition Écologique, modèles CNRS, données ECMWF) permettent de projeter l’évolution des conditions climatiques à horizon 2050 et 2080, en produisant des estimations des fréquences futures des événements extrêmes et des trajectoires des conditions climatiques moyennes.
Les images aériennes à haute résolution (orthophotographies de l’IGN, imagerie LiDAR) permettent d’analyser les caractéristiques du bâti (état de la toiture, matériaux de façade, végétation environnante, imperméabilisation des sols, altitude) et d’alimenter des modèles de vulnérabilité et d’exposition plus précis que ceux basés uniquement sur des données textuelles.
Les données de performance énergétique (DPE publiés par l’ADEME, données de consommation des réseaux ENEDIS et GRDF) permettent d’évaluer l’exposition des actifs aux risques de transition réglementaire et de calculer les émissions financées de Scope 3 dans les portefeuilles de crédit immobilier.
Le rôle de l’intelligence artificielle dans la production de données à grande échelle
La combinaison de ces sources hétérogènes pour produire des indicateurs de risque cohérents à l’échelle de chaque bâtiment du parc national est un défi considérable. Elle nécessite des capacités de traitement de données massives et des modèles d’intelligence artificielle capables d’extraire de l’information à partir d’images et de données non structurées.
Les algorithmes de deep learning appliqués aux images aériennes permettent de détecter automatiquement des caractéristiques des bâtiments qui ne figurent dans aucune base de données textuelles : état de la toiture, présence d’une isolation par l’extérieur, type de menuiseries, présence d’équipements en toiture (cheminées, panneaux solaires, systèmes de climatisation). Ces informations, combinées aux données cadastrales et aux cartes d’aléas, permettent de produire un profil de risque précis pour chaque bâtiment.
Les modèles de machine learning supervisés, entraînés sur des bases de données de bâtiments pour lesquels les caractéristiques et la performance énergétique sont connues, permettent d’estimer le classement DPE probable de bâtiments pour lesquels aucun DPE certifié n’est disponible. Sur un parc national de 37 millions de bâtiments, cette capacité d’estimation est indispensable pour produire une vision complète et cohérente sans attendre que l’ensemble du parc soit diagnostiqué.
Les cas d'usage concrets par profil d'acteur
Pour les établissements bancaires
Les banques ont plusieurs besoins distincts en matière de données climatiques, qui correspondent à des processus différents.
Dans les processus de gestion des risques, les données climatiques alimentent les modèles de stress tests (évaluation de l’impact de différents scénarios climatiques sur la valeur des garanties hypothécaires et sur les défauts de crédit), le calcul du Green Asset Ratio (qui nécessite de connaître la performance énergétique de chaque logement financé) et les rapports Pilier 3 ESG (qui exigent de publier les expositions aux risques physiques).
Dans les processus commerciaux, les données climatiques permettent d’identifier proactivement les clients dont le bien immobilier est concerné par les prochaines interdictions de location, de cibler les propriétaires dont la toiture présente le meilleur potentiel solaire, et de personnaliser les recommandations de travaux et les offres de financement en fonction des caractéristiques réelles du logement de chaque client.
Dans les processus de pilotage stratégique, les données climatiques permettent de mesurer l’évolution de l’intensité carbone du portefeuille, de suivre la progression vers les objectifs de décarbonation et d’identifier les zones géographiques où une révision des politiques d’octroi est nécessaire en raison d’une concentration excessive de risques climatiques.
Pour les collectivités territoriales
Les collectivités ont besoin de données climatiques pour remplir plusieurs obligations et réaliser plusieurs types de projets.
L’élaboration des PCAET (Plans Climat-Air-Énergie Territoriaux) exige un diagnostic précis des émissions de gaz à effet de serre sur le territoire, de la vulnérabilité du territoire aux risques climatiques et du potentiel de réduction des émissions par secteur. Sans données précises à l’échelle du bâtiment, ce diagnostic repose sur des estimations agrégées qui ne permettent pas de prioriser les actions.
La planification de la rénovation énergétique du parc public et privé suppose de connaître l’état du parc bâti : combien de logements sont classés F ou G, où sont-ils concentrés, quel est leur potentiel de rénovation, quels travaux seraient les plus efficaces ? Ces informations, produites à l’échelle du bâtiment sur l’ensemble du territoire communal ou intercommunal, permettent de dimensionner les programmes d’aide, d’orienter les ressources d’accompagnement (Espaces Conseil France Rénov’) et de mesurer les progrès réalisés.
La planification urbaine sous contrainte ZAN (Zéro Artificialisation Nette) bénéficie de données sur l’état du bâti existant pour identifier les friches à recycler, les îlots densifiables et les zones où l’adaptation au changement climatique (végétalisation, désimperméabilisation) est la plus urgente.
Pour les entreprises et les gestionnaires d’actifs
Les entreprises soumises à la CSRD ont besoin de données climatiques pour réaliser leur analyse de double matérialité, qui exige d’évaluer l’exposition de leurs actifs et de leurs activités aux risques physiques et aux risques de transition. Pour une entreprise qui possède ou loue des bâtiments, cela signifie disposer d’un diagnostic climatique de chaque site.
Les gestionnaires d’actifs immobiliers ont besoin de données climatiques pour évaluer le profil de risque de leurs portefeuilles, calculer les indicateurs ESG publiés dans les rapports GRESB et les documents d’information périodique, et définir les stratégies de rénovation qui maximisent la valeur des actifs tout en réduisant leur empreinte environnementale.
Ce que les données permettent de décider que l'on ne pouvait pas décider sans elles
Flécher les investissements avec précision
L’une des faiblesses les plus critiques de la transition écologique en France est le décalage entre les ambitions affichées et la connaissance des actifs sur lesquels agir. Sans savoir précisément quels bâtiments sont les plus énergivores, quels territoires sont les plus exposés aux risques climatiques et quels investissements auront le plus fort impact par euro dépensé, les programmes de transition manquent de précision et d’efficacité.
I4CE estime à 70 milliards d’euros par an les investissements nécessaires pour respecter la Stratégie Nationale Bas Carbone dans le secteur du bâtiment. En 2024, les investissements effectifs restent très en deçà de cet objectif. Une partie de cet écart est liée à des contraintes de financement. Mais une partie significative tient à l’incapacité des acteurs à identifier précisément où investir et à convaincre les financeurs que les projets proposés répondent bien aux critères de durabilité exigés.
Des données précises sur le parc bâti permettent de combler cette lacune. Elles permettent d’identifier les bâtiments à fort potentiel de rénovation, d’estimer le gain énergétique et carbone attendu de différents scénarios de travaux, de calculer le coût par tonne de CO₂ évitée et de sélectionner les projets qui maximisent l’impact environnemental par euro investi.
Construire des scénarios prospectifs crédibles
La gestion des risques climatiques exige de raisonner sur des horizons longs, de dix à trente ans, qui dépassent largement les cycles habituels de planification des acteurs économiques. Sur ces horizons, l’incertitude est forte mais pas absolue. Les modèles climatiques produisent des projections encadrées par des intervalles de confiance qui permettent de raisonner en termes de probabilités plutôt qu’en termes de certitudes.
La combinaison de données historiques sur les événements climatiques, de projections climatiques à moyen et long terme et de modèles de vulnérabilité des actifs permet de construire des scénarios prospectifs crédibles. Ces scénarios ne prédisent pas le futur avec précision, mais ils permettent de tester la robustesse des décisions actuelles face à une gamme de futurs possibles. C’est précisément la logique des stress tests climatiques de la BCE et de l’ACPR.
Piloter la performance environnementale dans le temps
La donnée ne sert pas seulement à évaluer les risques au moment d’une décision d’investissement ou d’octroi de crédit. Elle permet aussi de suivre l’évolution de la performance environnementale des actifs dans le temps, de vérifier que les travaux de rénovation réalisés ont bien produit les gains attendus et de comparer la trajectoire réelle du portefeuille avec les objectifs de décarbonation annoncés.
Ce suivi dans le temps suppose des données qui peuvent être mises à jour régulièrement, au fur et à mesure que de nouveaux DPE sont publiés, que des travaux sont réalisés, que des images aériennes plus récentes sont disponibles ou que des événements climatiques se produisent et modifient le profil de risque de certains actifs.
Les données namR pour l'anticipation des risques climatiques
namR produit des données géolocalisées à l’échelle du bâtiment qui couvrent les différentes dimensions nécessaires à l’anticipation des risques climatiques. Ces données s’appuient sur la combinaison de sources publiques (cadastre, BRGM, IGN, ADEME, réseaux d’énergie) et de modèles propriétaires développés à partir de l’analyse d’images aériennes et de techniques de machine learning.
Pour chaque bâtiment du territoire français, namR produit des attributs couvrant quatre grandes dimensions.
La performance énergétique regroupe le classement DPE estimé, le mode de chauffage supposé, la consommation d’énergie théorique et l’étiquette GES estimée. Ces données permettent d’évaluer l’exposition aux risques de transition réglementaire et de calculer les émissions financées de Scope 3 dans les portefeuilles de crédit immobilier.
L’exposition aux risques physiques regroupe les informations sur l’aléa inondation (par débordement et par ruissellement), l’aléa retrait-gonflement des argiles, l’exposition aux vagues de chaleur et aux îlots de chaleur urbains, et les risques côtiers pour les bâtiments littoraux.
Les caractéristiques techniques du bâtiment incluent la période de construction, la surface de façade et de toiture, l’état de la toiture, la présence d’obstacles sur toiture, la surface de façade non mitoyenne et la longueur des murs mitoyens. Ces données alimentent les modèles de vulnérabilité et permettent d’estimer le coût des gestes de rénovation pour chaque bâtiment.
Le potentiel de production renouvelable couvre le potentiel solaire photovoltaïque et thermique de chaque toiture, calculé à partir de l’orientation, de l’inclinaison, de l’ombrage et des données d’irradiation de la zone géographique.
La combinaison de ces quatre dimensions pour l’ensemble du parc bâti français offre aux établissements financiers, aux collectivités et aux entreprises une base de connaissance sans équivalent pour piloter leur stratégie climatique avec précision.
Vous souhaitez cartographier l’exposition climatique de votre portefeuille ou de votre territoire à l’échelle du bâtiment ?
Découvrir les données climatiques namR pour les professionnels