Amine DAKKOUNE

INSA Rouen

Méthodes pour l'analyse et la prévention des risques d'emballement thermique

L’histoire des accidents industriels chimiques (Seveso, Bhopal, AZF Toulouse, etc.) montre que leurs conséquences sont souvent graves sur les plans humain, environnemental et économique. Dans ce contexte, cette thèse vise à gérer les risques industriels chimiques en France et à proposer de solutions pour réduire les risques.

L’analyse semi-quantitative des risques dans les industries chimiques en France, montre que 25% des accidents sont dus à l’emballement thermique de la réaction. Une méthode de détection et de diagnostic précoce des anomalies dus à l’emballement thermique est développée.

La méthode utilise des seuils dynamiques pour la détection. L’identification des défauts détectés est basée sur une classification des caractéristiques statistiques de la température de la réaction. La validation numérique et expérimentale de la méthode a montré des résultats prometteurs.

Marcel BRÄUTIGAM

Labex MME-DII - LPSM - ESSEC CREAR

La procyclicité des mesures de risque : quantification empirique et confirmation théorique

Au travers d’une approche statistique de l’étude de la procyclicité, phénomène conduisant les entreprises financières à prévoir un capital conséquent à l’issue de crises financières et un capital sous-évalué avant ces dernières, les travaux salués questionnent la façon d’exprimer les exigences en capital comme source possible de procyclicité, développent une méthodologie permettant de quantifier la procyclicité au travers du développement d’un nouvel outil (le ‘look-forward ratio’, comparant a posteriori le capital estimé avec le capital effectivement nécessaire) et mettent en avant deux principaux facteurs explicatifs de la procyclicité : l’effet de clustering et de retour à la moyenne de la volatilité d’une part, et la façon intrinsèque de mesure le risque d’autre part. La méthodologie mise en œuvre a permis de confirmer mathématiquement la procyclicité observée et de généraliser les résultats obtenus à d’autres mesures de risque que la VaR ou l’Expected Shortfall.

Présentation du mémoire / webinaire

Antoine LY

Université Paris-Est Marne-La-Vallée

Algorithmes de machine learning en assurance : solvabilité, text mining, anonymisation et transparence

Après une application de méthodes de machine learning au calcul du capital économique et une mise en avant de la frontière entre apprentissage automatique et statistique, les travaux salués traitent de l’utilisation de réseaux de neurones profonds dans l’analyse optique de documents (OCR) et de texte, de l’utilisation de méthodes d’apprentissage non supervisé dans le cadre de données anonymisées ou encore de l’interprétabilité de modèles complexes tels que les réseaux de neurones.