Cet article présente FloodRisk-Net, un nouveau modèle d'apprentissage profond non supervisé basé sur des graphes pour l'évaluation des risques d'inondation en milieu urbain dans plusieurs zones métropolitaines américaines. FloodRisk-Net identifie les risques d'inondation émergents en capturant les dépendances spatiales entre les régions et les interactions complexes et non linéaires entre le risque d'inondation et les caractéristiques urbaines. Contrairement aux méthodes existantes d'évaluation des risques d'inondation, qui se concentrent uniquement sur les caractéristiques du risque d'inondation et de l'exposition, FloodRisk-Net prend en compte les interactions et les dépendances spatiales de diverses caractéristiques pour classer les villes en six niveaux de risque d'inondation. L'interprétabilité du modèle permet d'analyser les caractéristiques des zones au sein de chaque niveau de risque d'inondation et d'identifier trois archétypes contribuant au risque d'inondation le plus élevé au sein de chaque zone métropolitaine. L'analyse révèle une distribution spatiale hiérarchique du risque d'inondation au sein de chaque zone métropolitaine, les zones urbaines étant les plus exposées. De plus, les niveaux globaux élevés de risque d'inondation et les faibles inégalités spatiales entre les villes suggèrent des options limitées pour concilier développement urbain et réduction des risques d'inondation. Enfin, nous examinons les stratégies pertinentes de réduction des risques d'inondation qui prennent en compte le risque de pointe et la répartition spatiale inégale du risque d'inondation.
