Nos derniers articles

Le rapport du Financial Stability Board (FSB) met en lumière des risques systémiques liés à l’adoption de l’intelligence artificielle (IA) dans la finance, au-delà des récits d’efficacité. Il souligne que les institutions financières dépendent de plus en plus de technologies externes, notamment de quelques géants technologiques, pour les modèles d’IA et les infrastructures. Ce rapport identifie quatre risques majeurs : une dépendance croissante à des tiers, une concentration alarmante dans la chaîne d’approvisionnement, des difficultés de régulation dues à des définitions incohérentes et le risque de panurgisme numérique amplifiant les instabilités de marché. Les efforts de surveillance restent embryonnaires, soulignant un défi majeur pour la stabilité financière.

Le secteur de l'assurance en France a signé un accord historique pour l'emploi des salariés expérimentés. Cet accord vise à valoriser les compétences et à accompagner les carrières longues. Il repose sur cinq piliers : changer le regard sur l'âge, recruter et accompagner, préserver la santé, aménager les fins de carrière et s'appuyer sur un diagnostic chiffré. Des mesures concrètes sont prévues, telles que des entretiens professionnels aux âges clés et la promotion de la coopération intergénérationnelle. Cet accord positionne le secteur de l'assurance en tant que pionnier dans l'accompagnement des carrières longues.

The study examines behavioral and informational factors influencing German SMEs' cyber insurance decisions, based on a survey of 1,248 executives. Findings indicate that perceived financial impact and anxiety about cyberattacks significantly increase purchase likelihood, while perceived probability of attack and prior experience do not. External cybersecurity expertise positively affects demand, whereas reliance on independent Internet research reduces it, attributed to information overload. Internal risk assessments show no significant effect. Firm size is a strong determinant, with micro and small enterprises less likely to purchase than large firms. The research highlights emotional and informational influences over rational risk estimates.

The geospatial Agent-Based Model (ABM) framework outlined in this article enables financial institutions, including insurers, to quantify direct and cascading climate risks, capturing spatial and temporal dynamics and supply chain disruptions overlooked by traditional models. It supports climate scenario analysis for enhanced risk assessment and portfolio management, revealing systemic risks affecting even indirectly exposed agents. The framework evaluates cost-effective adaptation strategies, showing how firms’ adaptive behaviors, like pre-emptive capital increases, reduce climate impacts. By integrating geospatial climate data with economic models, it bridges gaps between climate projections and financial decision-making, aiding risk management and capital allocation.

Pour répondre aux défis climatiques, le Plan national d’adaptation au changement climatique (PNACC-3) mobilise les assureurs autour d’actions clés. Ils doivent maintenir une offre assurantielle abordable et efficace, moderniser le système pour couvrir les risques naturels (inondations, cyclones, etc.) et préserver leur mutualisation. En 2025, un Observatoire des risques climatiques, piloté par la Caisse centrale de réassurance, publiera un rapport annuel pour éclairer les entreprises. Dès 2026, les assureurs renforceront la prévention et la sensibilisation, tout en réduisant l’exposition des territoires et des entreprises aux aléas climatiques, en partenariat avec l’État et France Assureurs.

The paper presents a dual-model framework for chaotic inference and rare-event detection. Model A, using Poincaré–Mahalanobis, focuses on geometric structure for stable inference. Model B, employing Correlation–Integral with Fibonacci diagnostics, emphasizes recurrence statistics and volatility clustering. The Lorenz–Lorenz experiments show that diagnostic weighting shifts inference from stability to rare-event focus. The Lorenz–Rössler experiments demonstrate Model B’s generalization across attractors, maintaining sensitivity to volatility. The framework combines stable geometric anchoring with robust rare-event detection, advancing systemic risk analysis. Future work aims to extend the models to higher-dimensional systems, optimize computational efficiency, and apply them to finance, climate, and infrastructure.

L’Autorité des marchés financiers (AMF) et le Bureau du surintendant des institutions financières (BSIF) ont publié un rapport issu de l’Exercice normalisé d’analyse de scénarios climatiques (ENASC) 2024, impliquant plus de 250 institutions financières canadiennes. Bien que les risques climatiques ne posent pas de menace immédiate au secteur, ils pourraient s’intensifier à long terme, révélant des vulnérabilités. L’exercice a permis d’évaluer les risques physiques et de transition, et de renforcer leur mesure. Le rapport préconise d’améliorer les données, les modélisations et l’intégration de ces risques dans les processus décisionnels. Les conclusions influenceront les attentes de surveillance des deux organismes.

EIOPA released a paper on September 8, 2025, providing technical input to support the development of supplementary pensions within the EU’s Savings and Investment Union framework. The paper outlines EIOPA’s views on enhancing pension systems, emphasizing consumer protection, financial stability, and sustainable finance. It proposes measures to improve access to pensions, strengthen governance, and align with EU regulatory frameworks like Solvency II and IORP II. The input aims to inform EU policy by addressing challenges in pension provision and promoting long-term savings.

This study presents the Bayesian Component Encoder Analysis (BCEA) method for identifying financial crime. Integrating FinBERT, principal component analysis (PCA), and Bayesian networks, BCEA uses financial texts, images, and transaction records. FinBERT extracts semantic features, PCA reduces data complexity, and Bayesian networks model features for probabilistic reasoning. The authors claim BCEA achieves 94.35% accuracy and a 12.78-second recognition time, surpassing LSTM and BERT models. The authors state that the method demonstrates potential for financial supervision and risk management, with possible applications in complex financial scenarios, based on experimental results validating its effectiveness.

This paper analyzes a bivariate optimal dividend problem for an insurer with two collaborating business lines under a diffusion model with correlated Brownian motions. The framework incorporates dividend payouts, proportional reinsurance, and inter-line capital transfers to prevent bankruptcy. The authors provide complete analytical solutions, identifying three scenarios with closed-form value functions and optimal strategies. Results show a threshold dividend policy, with the more important line having a lower threshold. Optimal reinsurance decreases with aggregate reserves and stabilizes after a switching point. Correlation between lines affects reinsurance, and the capital transfer rule is consistent across scenarios.