Chaque saison des ouragans dans l'Atlantique ressemble à un jeu de dés où le nombre de points obtenus dépend de trois grandes forces climatiques : El Niño, la température de l'océan dans le « berceau des ouragans » et l'oscillation nord-atlantique. Ces trois facteurs expliquent environ la moitié de la variabilité interannuelle du nombre de cyclones, et l'on a longtemps pensé qu'en ajoutant plus de données ou des algorithmes plus astucieux, on pourrait prévoir plus précisément. Or, une nouvelle étude montre que les modèles se heurtent déjà à un plafond érigé par la nature même du hasard.
Les chercheurs ont utilisé les données sur le nombre de cyclones de 1880 à 2019, en les corrigeant soigneusement pour tenir compte de l'amélioration des moyens d'observation sur un siècle et demi. Le modèle de base était une régression de Poisson avec trois indices : la température de la région principale de développement en août-octobre, l'indice Niño 3.4 en décembre-février et l'oscillation nord-atlantique en décembre-mars. Ils ont ensuite vérifié s'il était possible d'extraire plus de précision en ajoutant des termes quadratiques et croisés, ou en utilisant un filet élastique sur des cartes de température océanique globales avec une résolution de 2 degrés. Toutes les comparaisons ont été effectuées par validation croisée quintuple, avec des années adjacentes regroupées dans le même pli afin d'éviter les fuites d'information dues à l'autocorrélation.
La validation sur données réelles confirme l'adéquation à la distribution de Poisson : le test du chi-carré donne p = 0.84, et l'autocorrélation des résidus n'est que de 11% (z = 1.3). L'ajout d'interactions non linéaires n'améliore pas le résultat, à l'exception d'un léger effet du produit des indices Niño 3.4 et oscillation nord-atlantique, qui réduit l'erreur de 0.03 cyclone, sans toutefois changer le tableau général. Autrement dit, quelle que soit la complexité du modèle, il est impossible de prévoir plus précisément le nombre d'ouragans dans le cadre de cette approche.
Cette étude se distingue des recherches voisines en ce qu'elle ne cherche pas de prédicteurs plus puissants, mais démontre l'existence d'une barrière statistique infranchissable. Les travaux voisins sur El Niño et les prévisions météorologiques par réseaux de neurones visent à améliorer la précision, alors qu'ici l'on montre que pour cette classe de modèles, c'est impossible. Cela déplace l'attention : les efforts futurs devraient porter non pas sur la complexification des régressions, mais sur la recherche de dépendances cachées entre les années ou de nouvelles sources d'information qui briseraient l'hypothèse d'indépendance des comptages de Poisson.
Une piste prometteuse est la recherche de corrélations fines entre saisons adjacentes, que les tests standards ne détectent pas. Si de telles dépendances existent, elles pourraient être dues à des processus lents dans l'océan ou l'atmosphère, par exemple des oscillations de température pluriannuelles. Une autre voie est l'abandon de l'hypothèse de Poisson au profit de distributions à queues plus lourdes ou de modèles à mémoire. Cependant, pour l'instant, tous les tests indiquent une compatibilité avec le processus de Poisson, de sorte que la probabilité d'une percée est incertaine.
Le plafond du hasard auquel se heurtent les modèles ne signifie pas la fin de la prévision. Il montre où s'arrête le prévisible et où commence le pur jeu du hasard. Pour les compagnies d'assurance et les communautés côtières, c'est un enseignement important : il ne faut pas s'attendre à ce qu'un ordinateur plus puissant ou un réseau de neurones plus profond fournisse une réponse précise à la question « combien d'ouragans y aura-t-il la saison prochaine ? ». Il vaut mieux se préparer à la variabilité inhérente à la nature même des cyclones tropicaux.
Le nombre moyen de cyclones par saison dans l'Atlantique est d'environ dix, mais en raison de la nature poissonnienne du processus, l'écart d'une année à l'autre est d'environ trois cyclones. Cela signifie que même un modèle parfait ne peut pas prédire le nombre exact avec une erreur inférieure à environ 2.5 cyclones en moyenne.
Dans le roman de Kim Stanley Robinson « Quarante signes de pluie », des scientifiques tentent d'améliorer les prévisions de conditions météorologiques extrêmes, confrontés au chaos de l'atmosphère. La situation est similaire ici : même avec une connaissance complète des indices climatiques, il subsiste un aléa irréductible qu'aucun calcul ne peut vaincre.