13 octobre 2026 · Geosapiens
Geosapiens lance le Geosapiens Hail Model, un moteur d’évaluation du risque de grêle qui cartographie la probabilité et la gravité de la grêle à une résolution de 1 km partout en Amérique du Nord. Fondé sur un modèle neuronal de processus ponctuel marqué qui tient compte des biais, il transforme des observations de grêle fragmentaires en données probabilistes sur le risque, à l’échelle de chaque emplacement, pour les assureurs, les agents généraux gestionnaires (AGG) et les équipes de gestion des risques.
Hail is becoming one of North America's most financially disruptive convective hazards. According to the Insurance Bureau of Canada (IBC), the August 2024 Calgary hailstorm alone generated more than 130,000 claims and over $3 billion in insured losses, and Alberta has had a major hailstorm every year for the past decade, with damage totaling $8 billion. More recently, CatIQ estimated losses from the June 9–10, 2026 Prairie storm outbreak at $923 million.
For insurers, the challenge is not knowing where hail has been reported. It is understanding how often damaging hail is likely to occur, how large the stones may be, and how that risk changes from one location to the next. That is the problem the model is built to solve.
Fonctionnement du modèle
Le modèle intègre, dans un seul cadre probabiliste, deux décennies de données atmosphériques, des données environnementales à haute résolution, des signalements de grêle contrôlés pour leur qualité et des observations indépendantes provenant de stations de surface. Pour chaque emplacement de 1 km, il répond à deux questions : à quelle fréquence la grêle tombe-t-elle, et quelle taille les grêlons atteignent-ils?
Pour estimer la fréquence de la grêle, le modèle examine les conditions atmosphériques propices aux orages violents, comme l’instabilité, le cisaillement du vent, le niveau de congélation et l’humidité. L’intelligence artificielle du modèle apprend comment ces conditions se traduisent en grêle un jour donné. Lorsque l’atmosphère ne peut vraisemblablement pas produire de grêle, le modèle désactive la grêle, ce qui évite les faux signaux. Une couche à haute résolution ajoute les particularités du climat local et du relief que les grands ensembles de données météorologiques ne saisissent pas.
Pour la taille, le modèle ne classe pas la grêle dans quelques catégories fixes. Il prédit plutôt toute la gamme des tailles de grêlons probables. Les assureurs peuvent ainsi établir leur propre seuil de dommages, par exemple 25 mm ou 40 mm, et obtenir des résultats instantanément, sans réentraînement.
Une analyse d’explicabilité confirme que les prédictions du modèle concordent avec la physique des orages de grêle. L’instabilité atmosphérique, qui alimente les courants ascendants puissants, est le facteur le plus déterminant. Viennent ensuite les régimes climatiques locaux, puis le niveau de congélation et la hauteur de la base des nuages, et enfin le cisaillement du vent et la rotation.
Testé sur des données inédites
La validation a été conçue autour de véritables tests hors échantillon. L’ensemble de la saison 2024 a été exclu de l’entraînement et de la sélection du modèle. Sur cette saison inédite, le modèle a correctement classé les jours de grêle au-dessus des jours sans grêle dans 93 % des cas aux stations météorologiques (AUC de 0,933). La répartition géographique de la grêle qu’il a prédite correspondait aux signalements observés avec une corrélation de 0,934 à l’échelle régionale (agrégation à 1°).
Ce que le modèle offre
Le modèle fournit :
Le modèle est accessible dans le Portail Geosapiens, par API et par l’intermédiaire des services de données de Geosapiens.
Conçu pour la souscription et l’analyse de portefeuille
Le modèle offre aux assureurs et aux AGG une vision cohérente du risque de grêle, à l’échelle de chaque emplacement, partout en Amérique du Nord, à partir d’un seul moteur calibré. Pour les assureurs exposés en biens et en automobile dans les Prairies et dans les États américains sujets à la grêle, il soutient la tarification par emplacement, la segmentation géographique du risque et une meilleure vue d’ensemble du cumul de risques dans le portefeuille. Pour les AGG, il permet une sélection des risques plus rapide et plus cohérente, grâce à des cotes et à des seuils de taille qui s’intègrent directement aux règles de souscription, de tarification et de renvoi.
Le changement fondamental est simple : on passe de la cartographie des endroits où la grêle a été signalée à la modélisation de sa fréquence, de sa taille et de ce qui se produit là où les signalements font défaut.
Pour une démonstration ou pour accéder aux données, écrivez à sales@geosapiens.com.