Un interprète lors de négociations importantes commence par répéter les mots, mais peu à peu, il devine ce que son interlocuteur va dire. Le nouveau modèle météorologique fonctionne de la même manière : la physique lui fournit un cadre, et l'apprentissage automatique apprend de ses erreurs et comble les lacunes. Résultat : il prédit El Niño, ce courant chaud du Pacifique qui bouleverse la météo mondiale, des mois à l'avance.

Le modèle se compose de deux parties. La partie atmosphérique est un modèle physique simplifié avec une résolution horizontale de 3,75°, ce qui équivaut à peu près à la distance entre Moscou et Nijni Novgorod. La partie océanique est purement numérique : elle prédit la température de surface de la mer et une nouvelle variable, la teneur en chaleur des 300 premiers mètres de l'océan. Auparavant, c'est précisément ce stock de chaleur qui manquait pour voir au-delà de quelques semaines.

Résultat : le modèle prédit l'indice Niño 3.4 (l'anomalie moyenne de température de surface dans le Pacifique central) mieux que les systèmes opérationnels coûteux, au cours des 4 premiers mois de prévision. Le coefficient de corrélation tombe à 0,5 après environ 6,5 mois, et l'horizon de prévisibilité varie de 4 mois au printemps à 8 mois à la fin de l'été, ce qui illustre le « barrière de prévisibilité printanière ». Le modèle capture également les liens globaux entre El Niño et les précipitations : des conditions sèches dans l'est du Pacifique et humides dans le sud des États-Unis.

Avant ces travaux, on ne savait pas si un modèle hybride à basse résolution et à apprentissage automatique pouvait fournir des prévisions utiles au-delà de la portée à moyen terme de 7 à 10 jours. Désormais, c'est clair : oui. En ajoutant la teneur en chaleur de la couche supérieure de l'océan et en ajustant les composants entraînables à différentes échelles temporelles, les scientifiques ont obtenu un outil qui rivalise avec les modèles opérationnels tout en étant nettement moins coûteux en calcul. Une telle approche pourrait être utile aux groupes académiques et aux petits centres de prévision qui n'ont pas accès aux supercalculateurs.

L'interprète qui apprend de ses erreurs finit par prédire la phrase suivante. Le nouveau modèle fait de même avec le langage de l'océan : il n'est pas encore parfait, mais il est déjà capable de suggérer quand le Pacifique décidera de parler.