Partie 1 : Pourquoi projeter la mortalité via des températures journalières ?

1.1. La nécessité d’une nouvelle modélisation de la mortalité 

• Rappels : les applications de la mortalité en actuariat
• Effets historiques des températures extrêmes sur la mortalité
• Limites des modèles traditionnels face au changement climatique

1.2. Méthode basée sur les températures journalières 

• Intérêt d’une modélisation via les températures quotidiennes
• Etat de l’art des modèles épidémiologiques existants

Partie 2 : Méthodologie de modélisation historique de la mortalité 

2.1. Présentation des bases de données en open-data 

• Identification des sources de données utiles en accès libre
• Comparaison des niveaux de granularité et limites des données

2.2. Cas pratique 1 : Traiter efficacement des données volumineuses via Python 

• Prise en main de Python : conseils, astuces et bonnes pratiques
• Usage de l’IA générative dans Python : avantages et inconvénients
• Lecture et traitement efficace de données volumineuses via Python
• Etude de cas : comprendre et  visualiser les relations historiques températures – mortalité sur un exemple concret

2.3. Analyse critique des sorties des modèles et choix final 

• Choix du cadre paramétrique
• Interprétation des sorties, avantages et limites des modèles
• Comparaison des modèles et choix final

2.4. Vers une modélisation segmentée de la mortalité 

• Proposition d’une segmentation de l’étude
• Identification des catégories de la population à risque

Partie 3 : Quantifier et représenter l’impact du changement climatique sur la mortalité 

3.1. Présentation de la méthodologie de projection de la mortalité 

• Présentation des données de projection par scénario climatique
• Démarche de projection avec inclusion de l’adaptation future

3.2. Cas pratique 2 : Cartographie et visualisation interactive des projections 

• Représentation de la mortalité sous forme de cartes via Plotly
• Création d’un dashboard interactif avec Streamlit

3.3. Retour critique sur les projections de la mortalité obtenues 

• Analyse et comparaison des risques futurs par  âge, sexe, zone géographique et scénario climatique
• Identification des sources d’incertitude des projections
• Discussion des perspectives d’amélioration de l’étude prospective