ORSA : comment faire d’une contrainte réglementaire un outil de pilotage ?
endant longtemps, les exercices réglementaires d’évaluation des risques ont été vécus par les établissements financiers comme des contraintes de conformité : des rapports à produire, des cases à cocher, des délais à respecter. Ce temps est révolu, ou devrait l’être.
La multiplication des obligations d’évaluation des risques climatiques, physiques et de transition, transforme progressivement ces exercices en véritables outils de pilotage stratégique. Les établissements qui ont compris ce glissement ne cherchent plus simplement à satisfaire les régulateurs. Ils utilisent les données produites dans ce cadre pour prendre de meilleures décisions sur leur portefeuille, anticiper les dépréciations d’actifs, identifier des opportunités de financement vert et allouer leur capital de manière plus précise.
L’ORSA (Own Risk and Solvency Assessment) est l’un des cadres qui a catalysé cette transformation dans le secteur financier. Conçu initialement pour le secteur de l’assurance sous la directive Solvabilité II, il a influencé la manière dont d’autres acteurs financiers pensent leurs obligations d’évaluation interne des risques. Les banques ont leurs propres équivalents : l’ICAAP (Internal Capital Adequacy Assessment Process) sous Bâle III, les stress tests climatiques de la BCE et de l’ACPR, et les exigences de reporting du Pilier 3 ESG. Toutes ces obligations partagent la même logique fondamentale : passer d’une gestion des risques rétrospective et statique à une évaluation prospective, dynamique et intégrée dans la stratégie.
Cet article examine comment les données granulaires et les techniques de modélisation permettent de faire ce saut.
Les stress tests climatiques de la BCE ont montré que la plupart des établissements bancaires européens sous-estiment leur exposition aux risques physiques, faute de données suffisamment précises à l'échelle de l'actif financé. Cette lacune de données est le premier obstacle à transformer une obligation réglementaire en levier de pilotage.
Qu'est-ce que l'ORSA et pourquoi son approche est universellement pertinente ?
Le cadre originel
L’ORSA a été introduit par l’EIOPA (Autorité européenne des assurances et des pensions professionnelles) dans le cadre de la directive Solvabilité II, avec une mise en application effective en 2016. Il impose aux entités concernées d’évaluer, en continu et de manière prospective, l’adéquation entre leurs fonds propres et les risques auxquels elles sont exposées.
L’ORSA repose sur trois piliers complémentaires. Le premier est l’identification exhaustive des risques spécifiques à chaque entité, pas seulement les risques standards couverts par les formules réglementaires, mais aussi les risques propres à son activité, sa géographie, son modèle de distribution et ses expositions climatiques. Le deuxième est l’évaluation de la solvabilité globale, en testant la robustesse des fonds propres face à différents scénarios de stress, y compris des événements extrêmes peu probables mais aux conséquences potentiellement sévères. Le troisième est la projection dans le temps, en anticipant comment les risques et les besoins en capital vont évoluer sur un horizon de trois à cinq ans en fonction de la stratégie de l’entité.
Pourquoi cette logique dépasse largement son cadre d’origine
Ce qui rend l’approche ORSA conceptuellement puissante, c’est qu’elle refuse la séparation artificielle entre gestion des risques et décision stratégique. Elle impose que l’évaluation des risques soit intégrée dans le processus de décision de l’organe de direction, et pas seulement traitée par une direction des risques isolée.
Cette logique est directement transposable aux banques, aux gestionnaires d’actifs et aux grandes entreprises. Sous des noms différents (ICAAP, ILAAP, stress tests prudentiels, analyse de double matérialité CSRD), ces acteurs sont soumis à des obligations qui partagent la même ambition : identifier les risques de manière exhaustive, les quantifier avec rigueur, les projeter dans le temps et démontrer que la stratégie de l’entité en tient compte.
Les équivalents bancaires : ICAAP, stress tests et Pilier 3 ESG
L’ICAAP sous Bâle III
Le processus d’évaluation de l’adéquation du capital interne (ICAAP) est l’équivalent bancaire de l’ORSA dans le cadre prudentiel de Bâle III. Il impose aux banques d’évaluer elles-mêmes leurs besoins en capital au regard de tous les risques matériels auxquels elles sont exposées, y compris les risques que la réglementation standard ne couvre pas explicitement.
Le risque climatique entre de plus en plus clairement dans le périmètre de l’ICAAP, sous ses deux dimensions. Les risques physiques (exposition des actifs financés aux événements climatiques extrêmes ou aux effets chroniques du changement climatique) et les risques de transition (dépréciation des actifs dont la valeur est affectée par les politiques climatiques, les évolutions technologiques ou les changements de comportements des marchés).
La BCE a publié des orientations détaillées sur l’intégration des risques climatiques dans l’ICAAP des établissements significatifs. Elle exige que les banques démontrent leur capacité à mesurer leur exposition aux risques climatiques à l’échelle de leur portefeuille, à modéliser l’impact de différents scénarios sur leur bilan et à allouer des exigences de capital proportionnées à ces expositions.
Les stress tests climatiques
Depuis 2022, la BCE conduit des stress tests climatiques sur les grandes banques européennes. Ces exercices évaluent la résilience des bilans bancaires face à trois scénarios principaux. Le scénario de transition ordonnée suppose une réduction progressive et prévisible des émissions compatible avec l’Accord de Paris. Le scénario de transition désordonnée suppose une action climatique tardive et brutale, avec des ruptures économiques importantes dans les secteurs carbonés. Le scénario de réchauffement non atténué suppose une inaction climatique et une multiplication des événements physiques extrêmes.
Les résultats des premiers stress tests climatiques de la BCE ont été instructifs. Ils ont montré que les pertes additionnelles sur crédit liées aux risques climatiques pourraient être significatives dans les scénarios adverses, mais surtout que les banques sous-estimaient leur exposition, principalement parce qu’elles manquaient de données granulaires sur les actifs financés. Connaître la localisation précise d’un bien immobilier financé et son exposition aux inondations ou à la sécheresse est indispensable pour calculer le risque climatique à l’échelle du bâtiment. Sans ces données, les modèles s’appuient sur des moyennes géographiques larges qui masquent les concentrations de risques.
L’ACPR, de son côté, a conduit ses propres exercices pilotes de stress tests climatiques en 2020 et a publié des recommandations sur l’intégration des risques climatiques dans les modèles de risque de crédit des banques françaises. Comme la BCE, l’ACPR pousse les établissements vers une granularité croissante dans la mesure des expositions climatiques.
Le Pilier 3 ESG et le Green Asset Ratio
Depuis 2024, les grandes banques européennes publient obligatoirement leur Green Asset Ratio (GAR) et un ensemble d’informations sur leurs expositions climatiques dans le cadre du Pilier 3 ESG. Ces publications, vérifiées par les autorités de supervision, représentent une transparence sans précédent sur les portefeuilles bancaires sous l’angle du risque climatique et de la durabilité.
Le GAR moyen des grandes banques européennes s’établissait à environ 3,7 % en 2024, alors que 35 % de leurs actifs sont considérés éligibles à la Taxonomie. Cet écart entre éligibilité et alignement effectif illustre les défis opérationnels de la collecte des données nécessaires pour documenter l’alignement.
Pourquoi la donnée granulaire est la clé ?
Le problème de la résolution insuffisante
Dans les exercices d’évaluation des risques climatiques, la précision des données détermine directement la qualité des conclusions. Un modèle de risque alimenté par des données climatiques à maille communale ou régionale ne permet pas d’identifier les concentrations de risques au sein d’un portefeuille. Une commune peut contenir à la fois des zones à risque élevé d’inondation et des zones sans risque. Un modèle qui utilise la commune comme unité d’analyse traitera tous les actifs de cette commune de la même façon, sous-estimant le risque pour certains et le surestimant pour d’autres.
La résolution adéquate pour un exercice d’évaluation des risques climatiques sur un portefeuille immobilier est le bâtiment, voire la parcelle. C’est à cette échelle que le risque d’inondation, de retrait-gonflement des argiles, d’exposition aux vagues de chaleur ou de submersion côtière se différencie de manière significative.
Cette résolution n’est atteignable qu’en combinant plusieurs couches de données géolocalisées. Les cartes d’aléas officielles (PPRi pour les inondations, cartes BRGM pour le RGA), les données de modélisation hydrogéologique, les données satellitaires de température de surface, les données topographiques LiDAR et les données de performance énergétique des bâtiments constituent ensemble la base d’une évaluation précise.
Les trois familles de données nécessaires à un ORSA ou équivalent de qualité
Pour qu’un exercice d’évaluation interne des risques climatiques soit réellement utile comme outil de pilotage (et pas seulement comme exercice de conformité), trois familles de données doivent être disponibles à l’échelle de chaque actif financé.
Les données d’exposition aux aléas physiques couvrent tous les risques climatiques qui peuvent affecter la valeur des actifs ou interrompre les activités : inondations par débordement de cours d’eau, inondations par ruissellement, retrait-gonflement des argiles, vagues de chaleur et îlots de chaleur urbains, tempêtes, feux de forêt, submersion côtière. Pour chacun de ces aléas, l’information utile est à la fois la probabilité (période de retour) et l’intensité (hauteur d’eau, température, vitesse du vent).
Les données de vulnérabilité des actifs permettent de passer de l’exposition à l’estimation des dommages potentiels. Un bâtiment bien construit en béton armé avec fondations profondes n’a pas la même vulnérabilité au retrait-gonflement des argiles qu’une maison individuelle en maçonnerie construite dans les années 1960 sur fondations superficielles. La période de construction, les matériaux, la morphologie du bâtiment et son état de conservation sont des paramètres clés de la vulnérabilité.
Les données de performance énergétique permettent d’évaluer les risques de transition réglementaire. Un logement classé G est interdit à la location depuis janvier 2025. Un logement classé F le sera en 2028. La probabilité de dépréciation de ces actifs dans les portefeuilles de crédit immobilier est directement mesurable à partir du classement DPE de chaque bien financé.
La modélisation pour passer des données aux décisions
La disponibilité de données granulaires n’est qu’un premier pas. Ces données doivent être intégrées dans des modèles qui permettent de produire des indicateurs de risque exploitables par les directions des risques, les comités d’audit et les organes de direction.
La simulation de Monte Carlo est une technique de modélisation probabiliste qui permet d’estimer la distribution des pertes potentielles sur un portefeuille face à un large éventail de scénarios climatiques. En simulant des milliers de scénarios différents (chacun correspondant à une combinaison particulière d’événements climatiques, de trajectoires de prix de l’énergie et d’évolutions réglementaires), la simulation de Monte Carlo produit une distribution de pertes dont les quantiles (Value at Risk à différents niveaux de confiance) constituent des indicateurs de risque directement exploitables pour calibrer les exigences de capital.
La modélisation de scénarios (ou analyse de scénarios) consiste à définir un petit nombre de scénarios contrastés (transition ordonnée, transition désordonnée, réchauffement non atténué) et à calculer l’impact de chacun sur les principaux indicateurs du portefeuille. Cette approche est moins précise statistiquement que la simulation de Monte Carlo, mais elle est plus intuitive et plus facilement communicable aux organes de direction. Elle est d’ailleurs la méthode privilégiée dans les stress tests climatiques de la BCE et de l’ACPR.
La modélisation de la dépréciation progressive est particulièrement utile pour les risques de transition réglementaire dans l’immobilier. Elle permet d’estimer, actif par actif et année par année, l’évolution probable de la valeur de marché d’un logement en fonction de son classement DPE et du calendrier des interdictions de location. Cette modélisation, appliquée à l’ensemble d’un portefeuille de crédits immobiliers, produit une estimation du risque de perte sur le portefeuille de garanties hypothécaires à différents horizons temporels.
De la contrainte réglementaire à l'avantage concurrentiel
Quand l’évaluation interne devient un levier de différenciation
Les établissements qui investissent dans la qualité de leurs données climatiques et dans la sophistication de leurs modèles d’évaluation des risques ne le font pas uniquement pour satisfaire les régulateurs. Ils le font parce que ces investissements leur donnent un avantage informationnel sur leurs concurrents.
Un établissement qui connaît précisément, pour chaque actif de son portefeuille de crédit immobilier, son exposition aux risques physiques et son classement DPE peut prendre des décisions de crédit plus éclairées. Il peut appliquer une prime de risque différenciée selon le profil climatique des actifs, ajuster ses exigences de garanties pour les biens à risque élevé de dépréciation, et cibler proactivement les clients dont le logement est concerné par les prochaines interdictions de location pour leur proposer des solutions de financement de la rénovation.
Cet avantage informationnel se traduit en avantage commercial. Une banque qui peut proposer à un propriétaire d’un logement classé F une analyse personnalisée de son exposition réglementaire, une simulation des travaux à réaliser et un plan de financement adapté est mieux positionnée pour convertir ce client en emprunteur sur un prêt de rénovation qu’une banque qui attend passivement la demande.
La différenciation dans le reporting et la communication financière
Un rapport ORSA ou ICAAP qui s’appuie sur des données granulaires et des modèles sophistiqués est plus crédible aux yeux des superviseurs et des investisseurs qu’un rapport qui utilise des estimations grossières. Cette crédibilité accrue se traduit de plusieurs façons concrètes.
Elle améliore la relation avec le superviseur. Un établissement qui peut démontrer que son évaluation des risques climatiques repose sur des données précises à l’échelle du bâtiment, et non sur des approximations régionales, est mieux positionné dans le dialogue avec la BCE ou l’ACPR. Il démontre une maîtrise opérationnelle qui peut réduire la pression réglementaire.
Elle renforce la confiance des investisseurs. Un Green Asset Ratio calculé à partir de données DPE réelles sur chaque logement du portefeuille hypothécaire est plus fiable qu’un GAR estimé à partir de valeurs moyennes sectorielles. Les investisseurs institutionnels qui allouent leurs actifs selon des critères ESG sont de plus en plus capables de distinguer les publications rigoureuses des publications approximatives.
Elle permet enfin une meilleure allocation interne du capital. Un modèle de risque qui différencie les actifs selon leur profil climatique permet d’allouer les exigences de capital Pilier 2 de manière plus précise, en concentrant les coussins supplémentaires sur les expositions les plus risquées plutôt qu’en appliquant une majoration forfaitaire à l’ensemble du portefeuille.
Les erreurs fréquentes dans la mise en place d'une évaluation des risques climatiques
Confondre l’exercice réglementaire et le pilotage opérationnel
La première erreur est de construire l’évaluation des risques climatiques uniquement pour répondre aux exigences formelles du régulateur, sans se demander si les résultats de cet exercice sont réellement utilisés dans les décisions de gestion. Un rapport de stress tests climatiques qui dort dans un tiroir après sa transmission au superviseur est un coût sans bénéfice.
La valeur de l’exercice tient à son intégration dans le cycle de décision de l’établissement. Les résultats des stress tests doivent alimenter les comités de risques, influencer les politiques de secteur d’activité ou de géographie, et se refléter dans les limites de concentration fixées pour le portefeuille.
Utiliser des données trop agrégées
La deuxième erreur, la plus fréquente selon les observations des régulateurs eux-mêmes, est d’alimenter les modèles avec des données climatiques à une maille géographique trop large. Une évaluation des risques d’inondation à la maille communale ne permet pas d’identifier les concentrations de risques dans les parties basses d’une commune traversée par un cours d’eau.
Les progrès récents dans la disponibilité des données géolocalisées à l’échelle du bâtiment rendent cette approximation de moins en moins acceptable. Les régulateurs eux-mêmes poussent vers une granularité croissante dans leurs orientations.
Traiter les risques physiques et les risques de transition de manière séparée
La troisième erreur est de cloisonner les analyses de risques physiques et de risques de transition, alors que ces deux dimensions sont interdépendantes. Un actif immobilier peut cumuler un risque physique élevé (situé en zone inondable) et un risque de transition réglementaire élevé (classé F ou G). La combinaison de ces deux dimensions crée un profil de risque plus sévère que la somme de chacune prise isolément.
Un modèle d’évaluation des risques climatiques complet doit permettre d’analyser les deux dimensions simultanément, et d’identifier les actifs qui cumulent des expositions élevées sur les deux fronts.
Négliger l’horizon temporel long
La quatrième erreur est de n’analyser les risques climatiques que sur les horizons habituels du risque de crédit (trois à cinq ans), alors que les effets les plus significatifs du changement climatique se manifestent sur des horizons de dix à trente ans. Une maison construite en zone côtière est un actif viable aujourd’hui mais potentiellement dégradé dans vingt ans si le niveau de la mer monte conformément aux projections.
Les exercices ORSA et ICAAP les plus matures intègrent des analyses sur trois horizons temporels distincts : court terme (un à trois ans), moyen terme (cinq à dix ans) et long terme (vingt à trente ans). Chaque horizon appelle des méthodes différentes, les projections à long terme étant nécessairement plus incertaines mais néanmoins essentielles pour les décisions d’allocation d’actifs à long terme.
Ce que la donnée bâtiment apporte concrètement
Pour un établissement financier qui souhaite améliorer la qualité de son évaluation des risques climatiques, la priorité opérationnelle est souvent la même : obtenir des données précises sur les actifs qui constituent ses expositions.
Dans le cas d’un portefeuille de crédits immobiliers résidentiels, cela signifie disposer, pour chaque logement financé, d’une estimation fiable du classement DPE, d’un score d’exposition aux principaux aléas climatiques physiques et d’une information sur l’état technique du bien (période de construction, type de structure, état de l’enveloppe).
Ces données, produites à partir de l’analyse d’images aériennes, de modèles de machine learning entraînés sur des milliers de bâtiments et de sources de données publiques géolocalisées (cadastre, BRGM, IGN, ADEME), permettent de passer d’un inventaire de prêts à un portefeuille qualifié sous l’angle climatique.
La cartographie résultante est directement exploitable dans les modèles de stress tests, dans le calcul du Green Asset Ratio et dans les rapports Pilier 3 ESG. Elle permet également d’identifier les expositions prioritaires à adresser commercialement (clients dont le logement est le plus exposé aux prochaines interdictions de location ou aux risques physiques les plus élevés) et de cibler les actions de prévention et d’accompagnement les plus efficaces.
C’est cette transformation de la donnée en décision qui distingue les établissements qui font de leurs obligations réglementaires un outil de pilotage de ceux qui se contentent d’y répondre.
Vous souhaitez qualifier l’exposition climatique de votre portefeuille à l’échelle du bâtiment ou améliorer la précision de vos modèles de stress tests ?
Découvrir les données climatiques namR pour les établissements financiers
