Les récents étés caniculaires de 2022 ou 2025 ont rappelé une évidence : la vache laitière produit moins quand elle a chaud. Reste à savoir combien de moins, sur quels territoires, et sous quel scénario climatique. finres publie aujourd'hui un modèle qui apporte des réponses chiffrées, validées département par département, à une question qu’éleveurs, banques, assureurs et coopératives ne peuvent plus contourner.

Une filière exposée, un risque encore peu mesuré

L'élevage laitier figure parmi les activités agricoles les plus directement exposées au changement climatique. Le stress thermique réduit mesurablement le rendement journalier par vache, dégrade le bien-être animal et fragilise l'équilibre économique d'exploitations déjà soumises à de fortes contraintes de marché. Ce n'est pas une projection future : c'est un phénomène qui s'observe, été après été, sur les bassins laitiers du sud et du centre-est.

Côté financement, ce risque physique reste pourtant difficile à quantifier précisément sur les portefeuilles de prêts et de polices en place, surtout lorsqu'il faut le projeter à un horizon +2 °C. Les estimations disponibles souffrent toutes d'une limite au moins parmi trois : elles sont qualitatives, localisées à quelques régions, ou fondées sur des moyennes climatiques qui gomment précisément ce qui compte, les effets non linéaires des extrêmes.

Ce dont la filière et ses financeurs ont besoin tient en une phrase : une projection quantifiée, spatialement résolue et validée de la réponse des rendements laitiers au changement climatique, à l'échelle du département, directement mobilisable pour l'analyse de risque, les arbitrages d'adaptation et la planification de la résilience.

État des lieux des approches disponibles

Une littérature scientifique abondante documente le lien entre stress thermique et productivité laitière (West 2003 ; Bernabucci et al. 2010 ; Bohmanova et al. 2007). Ces travaux débouchent rarement sur un cadre de modélisation opérationnel, reproductible et déployable à l'échelle d'un pays entier.

Du côté des études d'impact fondées sur les modèles climatiques globaux (GCM), la résolution est généralement trop grossière pour évaluer le risque à la maille département ou exploitation, et l'incertitude liée à la dispersion inter-modèles reste rarement propagée jusqu'aux résultats. À l'inverse, les approches fondées sur l'indice Température-Humidité (THI) standard agrègent souvent le signal climatique en moyennes saisonnières ou annuelles, effaçant les événements extrêmes qui concentrent pourtant l'essentiel des pertes.

Très peu de cadres réunissent à ce jour les trois ingrédients nécessaires à une aide à la décision vraiment robuste : un indicateur physiquement pertinent pour la physiologie bovine (THI ajusté), une stratégie de validation par exclusion spatiale, et un ensemble de projections multi-modèles aligné sur des référentiels de niveaux de réchauffement (GWL) reconnus comme ceux de la TRACC.

Notre approche : un modèle linéaire par segment calibré sur données observées

Pour combler ce vide, finres a développé un modèle de régression linéaire par morceaux (OLS) qui prédit les anomalies mensuelles détendanciées de rendement laitier à partir de la distribution des jours de THI ajusté (adj-THI, d'après Thom 1959 ; Dikmen et Hansen 2009). Cet indicateur composite combine température, humidité, rayonnement et vitesse du vent afin de capter la charge thermique physiologique réellement subie par les bovins laitiers, bien au-delà de la seule température de l'air.

La distribution du THI ajusté est décomposée en dix déciles, des jours les plus frais aux plus chauds. Une spécification quadratique traduit la dose-réponse non linéaire caractéristique de la physiologie bovine : une exposition modérée à la chaleur produit de faibles pertes, mais une exposition extrême entraîne des pertes disproportionnées. Deux décalages temporels, d'un et deux mois, rendent compte des effets de report du stress thermique sur la lactation. Les hétérogénéités structurelles entre territoires sont ensuite absorbées par des effets fixes de race (22 races laitières) et par les proportions de vêlages aux décalages d'un à trois mois.

Trois types de données alimentent le modèle :

•      Données laitières observées (rendement journalier, parts de races, proportions de vêlages), 2013-2023, à résolution départementale et régionale.

•      Climat observé (SIM2, résolution 8 × 8 km), 1980-2024.

•      Projections climatiques : ensemble multi-modèles Explore2 CMIP5, 1951-2099, appliqué à deux niveaux de réchauffement global (GWL 0,99 °C, équivalent au climat actuel, et GWL 2 °C).

Le jeu de données final couvre 5 376 observations mensuelles sur 55 départements.

Trois enseignements tirés des projections

Premier enseignement : à GWL +2 °C, les pertes médianes projetées de rendement laitier se concentrent sur le sud et le centre-est, là où le THI ajusté de référence atteint déjà aujourd'hui les déciles les plus élevés. Ces territoires sont mécaniquement les plus exposés à une intensification du stress thermique. La géographie des pertes dessine un gradient nord-sud assez net, cohérent avec les observations recueillies lors des épisodes caniculaires récents.

Deuxième enseignement : la distribution des changements projetés, agrégée sur l'ensemble des mailles, des modèles et des années, s'élargit sensiblement entre un niveau de réchauffement de 1.0°C (réchauffement actuel) et 2.0°C. Le passage d'un demi-degré supplémentaire de réchauffement global ne fait pas que déplacer la moyenne : il accroit les pertes liées aux épisodes de chaleur les plus extrêmes et fréquents. C'est précisément cette dynamique qui importe aux éleveurs, et dans les portefeuilles bancaires et assurantiels, car les pertes majeures de revenus, les défauts et sinistres se concentrent rarement sur la médiane.

Troisième enseignement : la trajectoire temporelle à l'échelle nationale révèle une dispersion inter-modèles qui s'élargit progressivement. Loin d'être un motif pour écarter le signal, cette incertitude constitue en soi une information de risque utile : elle permet de borner des scénarios et de calibrer des stratégies d'adaptation en conséquence.

Mettre le modèle à l'épreuve : validation en trois volets

Chez finres, la valeur d'un modèle tient autant à ses résultats qu'à la rigueur avec laquelle ils sont vérifiés. Le modèle laitier a été soumis au même processus de vérification que nos modèles de grandes cultures, structuré en trois volets complémentaires et aligné sur les principes du référentiel bancaire BCBS 239.

Premier volet, une validation par exclusion spatiale. 15 % des départements ont été intégralement exclus de l'entraînement. Le modèle a donc été évalué sur des géographies qu'il n'avait jamais vues. Les indicateurs de performance obtenus sont disponibles dans le tableau suivant.

La proximité entre R² d'entraînement et R² de test confirme la capacité du modèle à généraliser à des départements inédits.

Deuxième volet, une batterie de diagnostics couvrant nuages de points observés-prédits, distributions et Q-Q plots des résidus, comparaisons de fonctions de répartition empirique et de densités, erreurs stratifiées par déciles, classement des départements par RMSE, cartes spatiales des résidus par année, évolution temporelle sur les départements de test et corrélations de Spearman. S'y ajoutent les tests statistiques formels de Shapiro-Wilk (normalité), Breusch-Pagan (hétéroscédasticité), Durbin-Watson (autocorrélation sérielle) et la distance de Cook (observations influentes). Les déviations mises en évidence (queues épaisses, hétéroscédasticité, autocorrélation positive) sont attendues dans des données de panel agricoles et sont documentées de manière transparente. Elles n'invalident pas l'utilité prédictive du modèle et orientent nos pistes de raffinement futur, notamment l'usage d'erreurs-types robustes et de modèles à effets mixtes avec erreurs AR(1).

Troisième volet, particulièrement décisif pour un modèle destiné à produire des projections sous climat futur : un test de sensibilité aux extrêmes. Sous les 10 % d'expositions au THI ajusté les plus élevées (THI ajusté le plus élevé conduit à des pertes supérieures à 41%). Autrement dit, il se comporte de manière cohérente précisément là où il sera le plus sollicité par les scénarios climatiques.

Les limites du modèle sont explicitement documentées : composition raciale fixée, variable cible détendanciée, prise en compte du seul stress thermique (hors sécheresse et excès d'eau), contrainte de forme quadratique pour la dose-réponse, et extrapolation spatiale pour les départements sans données directes. Cette transparence fait partie intégrante de notre démarche.

Usages concrets : du portefeuille bancaire à l'exploitation

Le modèle laitier vient enrichir notre base de modélisation agricole, en permettant de traiter la filière lait sur la même base méthodologique que les grandes cultures déjà couvertes. L'alignement avec notre cadre de validation (18 tests par culture, principes BCBS 239, revue externe par les pairs) est complet, garantissant à nos partenaires un socle méthodologique homogène sur l'ensemble de leurs expositions agricoles.

Pour les banques et les assureurs, les cas d'usage sont directs : stress-test climatique des portefeuilles de prêts à des exploitants laitiers sous scénario +2.0°C, quantification du risque physique par département et par exploitation afin d'alimenter les modèles de risque de crédit et les décisions d'allocation de capital, et surtout appui au dialogue d'accompagnement avec les éleveurs clients pour orienter les investissements d'adaptation (ventilation, ombrage, ajustements reproductifs) vers les exploitations les plus exposées.

Côté coopératives et chambres d'agriculture, le modèle aide à cartographier les territoires les plus exposés au stress thermique et à cibler les programmes de conseil et d'adaptation.

L'alignement réglementaire complète le tableau : les résultats du modèle peuvent alimenter directement la composante stress-test climatique des diagnostics prévus par l'article 22 de la LOSARGA, ainsi que les exercices de stress-test climatique pilotés par la CSRD et par la BCE.

Ouvrir la méthodologie, construire un standard commun

Fidèles à notre principe de science ouverte, nous publions l'intégralité de la méthodologie : formule du modèle, protocole de validation, tests diagnostiques, limites. L'enjeu dépasse la simple mise à disposition de résultats. Il s'agit de contribuer à l'émergence d'un standard sectoriel de validation des modèles de risque climatique agricole, aujourd'hui inexistant alors même que les décisions qui s'appuient sur ces projections prennent une importance croissante.

Les prochains chantiers sont déjà engagés : extension aux stresseurs non thermiques (sécheresse, excès d'eau), intégration des leviers d'adaptation (infrastructures de refroidissement, stratégies alimentaires) en mobilisant notre méta-analyse récente sur les technologies d'adaptation, et couverture progressive des autres productions animales.

Les rapports de validation de nos modèles de rendement sont disponibles sur demande. Pour en savoir plus sur notre méthodologie ou consulter un rapport, contactez-nous.