Nicolas Schneider : « Pour les investisseurs et les entreprises, une meilleure granularité des informations sur les risques physiques signifie une meilleure capacité d'adaptation aux chocs futurs »

• The original version of this interview has been published in English, in a longer form, by the EDHEC Climate Institute: follow this link
• Lors de la Sustainability week 2025 de l'EDHEC, Nicolas Schneider a tenu un webinaire intitulé « Climate information granularity and projections of physical risk impacts on economic outputs » : pour le revoir, suivre ce lien

Pouvez-vous expliquer la spécificité de votre approche et en quoi elle modifie notre compréhension des risques climatiques ?

Ces dernières années, l'EDHEC Business School a concentré ses recherches sur l'extension de la modélisation économique intégrée du climat afin de prendre en compte les avancées de la science climatique, et de les rendre adaptées aux applications de l'économie financière et de la tarification des actifs. Nos mondialisations se sont ainsi concentrées sur les effets macroéconomiques mondiaux du changement climatique.

L'approche granulaire que nous développons désormais représente un changement significatif car elle permet un examen plus fin des impacts économiques. En effet, les modèles climatiques et économiques mondiaux et à haute résolution sont profondément interconnectés. Les premiers modèles d'évaluation intégrée - comme le modèle Dynamic Integrated Climate-Economy (DICE) de Nordhaus - ont été les premiers à estimer les dommages climatiques en termes économiques en utilisant des fonctions de dommages agrégées au niveau mondial. Cependant, ces modèles ont lissé les différences régionales et sous-estimé les impacts du réchauffement extrême, en s'appuyant principalement sur les données des économies les plus avancées.

Des recherches ultérieures, telles que celles de Schlenker et Roberts (1) et de Burke et al. (2), ont révélé des impacts non linéaires liés à des seuils, par exemple l'effondrement des rendements agricoles et des pertes disproportionnées de PIB avec l'augmentation des températures. Des études à haute résolution, comme celle de Kotz et al. (3), ont mis en évidence de fortes disparités régionales en analysant les données infranationales et les effets des conditions météorologiques extrêmes, ce qui a considérablement augmenté les estimations des dommages à l'échelle mondiale.

En somme, cette évolution - des premiers modèles d'évaluation intégrée aux études empiriques à haute résolution - a marqué un changement majeur dans notre compréhension des risques climatiques. Le passage de modèles globaux agrégés (une généralisation de toutes les zones qui ne permet pas de prévoir avec précision les dommages futurs que chacune d'entre elles subira individuellement) à des approches plus granulaires a permis de mettre en évidence des effets de seuil et des vulnérabilités régionales qui avaient été précédemment négligés.

Selon nous, la moyenne mondiale est une statistique limitée, car les impacts du changement climatique varient considérablement d'une région et d'un secteur à l'autre. Cette divergence crée un mélange de « gagnants » et de « perdants » nets (en termes absolus), dont la répartition dans l'économie reste incertaine. Nous exploitons les origines granulaires des dommages liés au changement climatique et proposons des prévisions à plus petite échelle.

Vous venez de terminer un article majeur (4) qui modélise l'impact économique des effets du changement climatique à un niveau géographique d'une granularité sans précédent. Pourriez-vous décrire les points clés de votre méthode et de vos conclusions ?

Cette étude fait suite à celle de Kotz et al. (3), qui a été intégrée aux derniers scénarios du Network for Greening the Financial System (NGFS). Elle avait permis de mieux comprendre les risques économiques liés au climat en démontrant l'importance des détails régionaux et des événements météorologiques extrêmes. Notre étude s'appuie sur ces bases en élargissant son champ d'application et en assurant une plus grande cohérence entre les méthodes et les données (4).

Nous contribuons à ce corpus dans trois domaines clés :

Résolution spatiale et couverture (plus) élevées :

Nous avons extrapolé l'analyse à d'autres zones infranationales, couvrant des régions responsables de 95 % de la production économique mondiale. Cette résolution plus fine révèle avec plus de précision l'exposition climatique localisée et l'hétérogénéité économique, mettant au jour des impacts qui sont lissés à des échelles plus petites. En conséquence, nous observons des dommages mondiaux plus sévères en raison de la sensibilité accrue de certaines régions. L'amplification des dommages mondiaux reflète la plus grande hétérogénéité révélée à des échelles plus fines, que les modèles précédents lissent intrinsèquement. Il est important de noter que, lorsqu'ils sont analysés à la résolution adoptée par Kotz et al., nos résultats concordent avec les leurs, ce qui confirme la cohérence de notre approche.

Validation des données et des méthodes :

Afin de renforcer la confiance dans nos conclusions, nous avons testé les résultats de Kotz et al. ainsi que nos extensions en utilisant d'autres ensembles de données climatiques et de multiples méthodes statistiques, y compris des approches paramétriques, non paramétriques et semi-paramétriques. Cette validation démontre la robustesse de nos propositions, tout en s'alignant sur les principales conclusions de Kotz et al. concernant les disparités régionales et les dommages économiques liés au climat.

Amélioration des données des modèles climatiques :

We addressed known biases in a small subset of the climate models underpinning the work of the Intergovernmental Panel on Climate Change (IPCC). A subset of CMIP6 GCMs may be “too hot”, with representations of cloud feedback in some models associated with higher-than-consensus global surface temperature response to doubled atmospheric CO2 concentrations - equilibrium climate sensitivity (ECS) and global warming after 70 years of a 1% per annum increase in CO2 - transient climate response (TCR). To mitigate the threat of bias potentially introduced by this phenomenon, we follow Hausfather et al.'s (5) recommended procedure of excluding models with temperature increases derived from TCR and ECS that fall outside the “likely” ranges (TCR: 1.4-2.2 degree C, 66% likelihood, and ECS: 2.5-4 degree C, 90% likelihood). That leaves us with 15 “likely” GCMs that form the basis of our macroeconomic projections.

Nous avons aussi abordé les biais identifiés dans un petit nombre de sous-ensembles des modèles climatiques qui sous-tendent les travaux du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC). Un sous-ensemble de scénarios peut être « trop chaud », avec des représentations de la rétroaction des nuages dans certains modèles associées à une réponse de la température de surface mondiale plus élevée que le consensus à des concentrations atmosphériques de CO2 doublées - sensibilité climatique à l'équilibre (ECS en anglais) et réchauffement climatique après 70 ans d'augmentation de 1 % par an du CO2 - associées à une réponse climatique transitoire (TCR en anglais). 

Pour atténuer la menace de biais potentiellement introduite par ce phénomène, nous suivons la procédure recommandée par Hausfather et al. (5) consistant à exclure les modèles dont les augmentations de température dérivées de la TCR et de l'ECS se situent en dehors des plages « probables » (TCR : 1,4-2,2 degrés C, probabilité de 66 %, et ECS : 2,5-4 degrés C, probabilité de 90 %). Il nous reste donc 15 scénarios « probables » qui constituent la base de nos projections macroéconomiques.

Cette analyse met en évidence deux éléments essentiels. Premièrement, le fait que les risques localisés sont conséquents. Des variations à petite échelle de l'exposition au climat et de l'activité économique peuvent avoir des répercussions disproportionnées, en particulier dans les régions et les secteurs vulnérables. Deuxièmement, les bénéfices pour les calculs et implications aux niveau mondial sont élevés. En effet, la prise en compte précise de ces effets locaux augmente les estimations globales des dommages, ce qui souligne l'urgence des stratégies d'adaptation et d'atténuation.

En bref, nous complétons et étendons les travaux existants en offrant un plus grand niveau de détail spatial et en garantissant la robustesse méthodologique, fournissant ainsi aux décideurs politiques, aux banques centrales et aux investisseurs des informations fiables sur les risques climatiques.

Que révèlent les scénarios du milieu du siècle que vous proposez sur les risques économiques régionaux, et comment peuvent-ils éclairer les stratégies à court terme des investisseurs et des décideurs politiques ?

Alors que l'attention se concentre souvent sur les résultats de la fin du siècle, mes recherches incluent des projections pour des scénarios de milieu de siècle qui reflètent des risques largement intégrés en raison des trajectoires actuelles, que les émissions soient réduites ou non.

Plus précisément, les projections à mi-parcours (2040-2050) offrent une fenêtre pratique à court terme pour comprendre les risques climatiques, reflétant les dommages qui sont en grande partie inévitables en raison des émissions passées et actuelles. Contrairement aux simulations de fin de siècle, les résultats de mi-siècle sont plus fiables car ils impliquent des horizons d'extrapolation plus courts et s'appuient sur un vaste ensemble de simulations - couvrant 30 modèles climatiques mondiaux, de multiples trajectoires d'émissions et des horizons temporels. Cette approche améliore la robustesse de nos résultats et nous permet d'identifier les vulnérabilités régionales avec plus de précision.

Pendant longtemps, l'approche géographique et les débats sur le climat se sont largement concentrés sur les objectifs d'atténuation, en particulier la réduction de l'utilisation des combustibles fossiles dans le mix énergétique. Si l'atténuation reste cruciale pour la stabilité à long terme, la quasi-certitude d'événements météorologiques extrêmes et de chocs climatiques d'ici le milieu du siècle souligne la nécessité de mettre au moins autant l'accent sur l'adaptation.

Notre travail vise à soutenir cette transition vers l'adaptation en répondant à trois questions clés particulièrement pertinentes pour les investisseurs à la recherche de solutions régionales aux risques climatiques :

1. Quelle est l'ampleur des futurs chocs climatiques au niveau local, et comment se comparent-ils à la moyenne mondiale ?

Les projections à haute résolution révèlent une hétérogénéité significative des risques climatiques, les régions tropicales et les zones côtières de faible altitude devant subir des dommages supérieurs à la moyenne. Par exemple, les résultats à mi-siècle indiquent un stress thermique sévère et des mauvaises récoltes dans certaines parties de l'Afrique de l'Ouest, de l'Asie du Sud et de l'Amérique centrale, tandis que l'élévation du niveau de la mer et les ondes de tempête menacent les infrastructures côtières et l'habitabilité.

2. Dans un avenir plus chaud, combien coûtera-t-il de produire la même quantité qu'aujourd'hui ?

À mesure que les risques physiques s'intensifient, le maintien de la productivité économique dans les régions exposées nécessitera des facteurs de production supplémentaires importants, tels que l'irrigation, les engrais et la mécanisation dans l'agriculture, ou les systèmes de refroidissement à forte intensité énergétique dans les infrastructures. Ces adaptations ont un coût croissant, en particulier dans les régions dont la capacité économique de réponse est limitée.

3. Qui paiera ces coûts et quelles sont les implications en matière de valorisation des actifs ?

Les ajustements nécessaires pour maintenir la productivité ne seront pas répartis de manière égale. Les régions et les secteurs fortement exposés aux risques du milieu du siècle seront confrontés à des primes climatiques croissantes dans la tarification des actifs. Les investisseurs et les régulateurs devront évaluer comment ces primes reflètent les risques localisés et qui supporte en fin de compte le fardeau économique de l'adaptation.

Si les stratégies d'adaptation (comme l'irrigation, la mécanisation et la modification des variétés de cultures) offrent des moyens de limiter les pertes économiques, la géographie impose une contrainte fixe à leur efficacité (6). Contrairement aux autres facteurs de production, la terre est "immobile", ce qui signifie que les régions fortement exposées, en particulier celles proches de l'équateur, continueront de voir leur productivité diminuer, même avec des mesures d'adaptation. Cela soulève des questions cruciales sur la manière de déplacer l'utilisation des terres vers des zones plus résistantes au climat afin d'équilibrer l'approvisionnement alimentaire mondial et la stabilité économique. Pour y parvenir, il faudra traiter à grande échelle des données climatiques physiques à haute résolution et des informations de télédétection afin de quantifier les chocs de productivité des terres et leurs implications macroéconomiques plus larges.

En résumé, les projections à mi-siècle, fondées sur des approches solides, révèlent des risques physiques inévitables qui nécessitent une attention immédiate. Si l'atténuation reste essentielle pour éviter des résultats catastrophiques à la fin du siècle, les résultats à mi-siècle soulignent la nécessité immédiate de donner la priorité aux stratégies d'adaptation et d'évaluer leurs coûts régionaux et leurs impacts financiers.

Votre travail utilise des simulations climatiques à haute résolution et des modèles économétriques avancés. À l'avenir, quelles avancées dans les données ou les méthodes pourraient, selon vous, améliorer notre compréhension des impacts économiques du changement climatique, en particulier au niveau régional ?

Nous devons reconnaître que les récents développements, tant dans les régressions économétriques spatiales à grande échelle que dans l'élaboration de bases de données climatiques mondiales, ont entraîné un changement significatif dans la littérature scientifique sur "l'économie du climat". L'augmentation du niveau de granularité spatiale, l'intégration de dynamiques de persistance et la prise en compte d'un nombre croissant de facteurs climatiques susceptible d'avoir un impact sur la productivité macroéconomique ont permis de dépasser le seuil jusqu'ici standard des prévisions globales.

Cependant, les implications de ces études de nouvelle génération pour les résultats économiques régionaux sont restées inconnues jusqu'à très récemment. La raison est en partie technologique : les données climatiques brutes les plus récentes, s'agissant d'observations ou de simulations, produites par la National Aeronautics and Space Administration (NASA) ou d'autres organisations (National Oceanic and Atmospheric Administration (NOAA), European Centre for Medium-Range Weather Forecasts (ECMWF), etc.) sont fournies sous forme de produits de vecteurs alliant mesures temporelles (jusqu'à plusieurs jours ; plusieurs heures dans certaines conditions) avec leurs coordonnées spatiales (jusqu'à 1 km x 1 km).

En raison de leur taille (plusieurs téraoctets), de leur structure idiosyncrasique et de leur portée mondiale, ces données sont difficiles à traiter sur le plan informatique.

Le traitement de données de cette ampleur nécessite donc des outils informatiques avancés (tels que des systèmes de calcul haute performance et des clusters de calcul partagés) permettant aux utilisateurs d'extraire ou d'intégrer des millions de simulations climatiques dans des modèles économiques mondiaux reliant les résultats macro-financiers à des fluctuations plausibles et exogènes d'une année à l'autre de l'exposition au climat.

Lorsqu'elles sont correctement menées, ces approches innovantes améliorent considérablement la précision des évaluations régionales des risques en offrant des projections des impacts futurs sur les systèmes de production et la performance des actifs avec une résolution spatiale et/ou temporelle exceptionnelle, en plus de l'avantage de fournir des prévisions structurées à partir de données empiriques, donc "réelles". La combinaison de ces facteurs confère un avantage concurrentiel important au type de modélisation granulaire qui est au cœur de nos recherches.

Pour l'avenir, bien que les modèles actuels fournissent des informations précieuses, des lacunes subsistent. Les projections existantes doivent encore faire des compromis entre le détail temporel (par exemple, les vagues de chaleur ou les précipitations extrêmes) et la précision spatiale. Pour y parvenir, il faut des ressources informatiques et des capacités de traitement des données importantes, que les outils actuels ne peuvent pas encore prendre en charge pleinement. Combler ces lacunes nous permettrait de mieux saisir les chocs de courte durée mais intenses - comme les inondations et les tempêtes - qui provoquent des dommages localisés importants.

Un autre enjeu est celui d'aller de l'avant avec les investisseurs : il faut saisir le "momentum spatial". À l'avenir, la création d'un produit de données « best-in-class » combinant une couverture mondiale avec une précision spatiale plus élevée et une variabilité détaillée et à haute fréquence améliorera considérablement notre capacité à quantifier les risques au niveau local (y compris les actifs physiques). De telles avancées affineront les évaluations des risques localisés, amélioreront les projections spécifiques à un secteur et à une industrie, et fourniront la granularité nécessaire aux investisseurs pour évaluer les risques plus efficacement.

Une dernière orientation vise à optimiser les performances des méthodes statistiques non paramétriques dans le contexte des bases de données de grande dimension.

En améliorant la précision des perspectives climatiques et économiques, ces avancées permettront aux investisseurs de tester la résistance de leurs portefeuilles, d'affiner l'évaluation de leurs actifs et de mieux anticiper l'impact des risques physiques sur leurs avoirs.

Références

(1) Schlenker, W., & Roberts, M. J. (2009). Nonlinear temperature effects indicate severe damages to US crop yields under climate change. Proceedings of the National Academy of sciences, 106(37), 15594-15598 - https://doi.org/10.1073/pnas.0906865106

(2) Burke, M., Hsiang, S. M., & Miguel, E. (2015). Global non-linear effect of temperature on economic production. Nature, 527(7577), 235-239 - https://doi.org/10.1038/nature15725

(3) Kotz, M., Levermann, A., & Wenz, L. (2024). The economic commitment of climate change. Nature, 628(8008), 551-557 - https://doi.org/10.1038/s41586-024-07219-0

(4) Forthcoming working paper - Rebonato, R & Schneider, N. In the meantime, we invite you to browse through the main papers by the researcher interviewed here:

a) Schneider, N. (2024). Endogeneity and other problems in curvilinear income-waste response function estimations. Stochastic Environmental Research and Risk Assessment, 38(2), 357-382 - https://doi.org/10.1007/s00477-023-02598-8

b) Schneider, N. (2023). Testing for integrated electricity series–A formalized synthesis of known problems. The Electricity Journal, 36(6), 107289 - https://doi.org/10.1016/j.tej.2023.107289

c) Schneider, N. (2023). Climate policy, resource owners’ anticipations and the green paradox: model set-up and empirical considerations. Journal of Environmental Economics and Policy, 12(1), 33-43 - https://doi.org/10.1080/21606544.2022.2071344

d) Schneider, N. (2022). Unveiling the anthropogenic dynamics of environmental change with the stochastic IRPAT model: A review of baselines and extensions. Environmental Impact Assessment Review, 96, 106854 - https://doi.org/10.1016/j.eiar.2022.106854

(5) Hausfather, Z., Marvel, K., Schmidt, G. A., Nielsen-Gammon, J. W., & Zelinka, M. (2022). Climate simulations: recognize the ‘hot model’ problem. Nature, 605(7908), 26-29 - https://doi.org/10.1038/d41586-022-01192-2

(6) Burke, M., & Emerick, K. (2016). Adaptation to climate change: Evidence from US agriculture. American Economic Journal: Economic Policy, 8(3), 106-140 - https://doi.org/10.1257/pol.20130025