Cet été, nous ne l’avons pas remarqué : prévoir le temps est de plus en plus difficile, surtout lorsqu’il s’agit d’événements extrêmes. Or, précisément parce que les inondations, les ouragans et les tempêtes se multiplient, prévoir devient vital. Imaginez pouvoir prédire qu’entre deux semaines surviendra une tempête qui détruira l’ensemble de la récolte d’olives de la saison: si nous le savions à l’avance, nous pourrions agir en prévention (au sens propre) à temps.
Grâce à un nouveau modèle d’apprentissage automatique capable de corriger les erreurs des modèles de prévision météorologique actuellement utilisés, il pourrait être possible de savoir avec plus de précision non seulement s’il pleuvra dans trois ou quatre semaines, mais aussi les probabilités qu’un événement climatique extrême se produise. Les détails sont publiés dans Nature.
Défi à la théorie du chaos
Selon Edward Lorenz, historien professeur du MIT et l’un des pères de la théorie du chaos, de minuscules variations dans les conditions initiales du temps atmosphérique peuvent conduire à des résultats totalement différents. Pour cette raison, il soutenait qu’il serait impossible de prévoir le temps avec plus de deux semaines d’avance. Mais peut-être avait-il tort.
«En théorie l’atmosphère peut créer un nombre infini de configurations, mais en pratique elle tend à retomber toujours dans les mêmes schémas privilégiés», explique Judah Cohen, l’un des auteurs.
Prévisions sous-stagionales
Les auteurs de l’étude se sont concentrés sur les dites prévisions sous-stagionales, qui tentent d’anticiper ce qui se passera entre 2 et 6 semaines. « Dans la plupart des cas, faire ce type de prévisions équivaut à lancer un dé dans un casino », commente Cohen, donnant une idée de la faible précision des modèles actuels, même les meilleurs.
Le nouveau système s’applique aux modèles de prévision existants, en corrigeant leurs erreurs et en améliorant considérablement leur précision. En utilisant l’intelligence artificielle, il apprend des erreurs commises par le modèle de prévision auquel il est appliqué, et ajuste les nouvelles prévisions en conséquence. Plus il dispose de données, plus il s’améliore.
Pour tester ses capacités, l’année dernière l’équipe de recherche l’a fait concourir à la première édition de l’AI Weather Quest, une compétition entre modèles prévisionnels organisée par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), considéré comme le plus réputé au monde.
Leur proposition, baptisée MicroDuet, combinait les prévisions de deux modèles (celui de l’ECMWF et un modèle hybride basé sur l’IA) « nettoyées » du système de correction. MicroDuet est arrivée première dans toutes les catégories, battant les modèles de six grands centres météorologiques internationaux et s’étant révélée deux fois plus précise avec trois semaines d’anticipation et trois fois plus précise avec quatre semaines d’anticipation par rapport à l’ensemble des modèles des principaux centres météorologiques internationaux.
Un coup de pouce supplémentaire pour gérer les situations d’urgence
La technique, qui selon les résultats améliorerait les prévisions sur les terres émergées dans la plupart des régions du monde, a déjà suscité des propositions concrètes pour un test sur le terrain : le service météorologique du Kenya s’est montré prêt à l’adopter et à mieux prévoir les moussons, afin d’améliorer les récoltes dès cet hiver. « Cela pourrait aider à décider quand fertiliser en fonction des pluies, à comprendre quand une gelée approche pour protéger les cultures lors des récoltes hivernales, ou à se préparer à la sécheresse », explique Cohen.
Mais les usages possibles vont au-delà de l’agriculture : pouvoir prévoir des événements extrêmes avec des semaines d’avance pourrait éviter des coupures de courant massives comme celle subie par le Texas en 2021 à la suite de la tempête hivernale Uri, permettant de mieux gérer les urgences et donnant à ceux qui les affrontent plus de temps pour se préparer.
