Un navigateur expérimenté guide le navire à l'aide d'une carte éprouvée, mais dans des eaux inconnues, la carte ment. Le mousse, qui a observé pendant des années les erreurs du navigateur, apprend à anticiper où la carte faillira. Ensemble, ils tracent une route plus précise que chacun séparément. C'est ainsi que fonctionne le nouveau modèle hybride de prévision d'El Niño, ce courant chaud du Pacifique tropical qui, tous les quelques années, bouleverse la météo sur toute la planète.
Le modèle linéaire classique (LIM) est ce navigateur. Il garde en tête une carte de l'océan : comment la température de surface est liée à la hauteur d'eau et comment elles oscillent ensemble de mois en mois. La carte est simple, donc le modèle fonctionne même avec de courtes séries d'observations, dont nous ne disposons que depuis environ cent cinquante ans. Mais la carte ne tient pas compte du fait que les phases chaudes d'El Niño sont plus fortes que les phases froides ; par conséquent, la prévision linéaire commet des erreurs systématiques.
Le réseau de neurones à mémoire longue et courte (LSTM) est le mousse. On ne l'entraîne pas à prédire El Niño lui-même, mais à corriger les erreurs du navigateur. D'abord, le modèle linéaire produit un ensemble de seize prévisions, légèrement différentes en raison de bruits aléatoires. Le réseau de neurones examine cet ensemble et l'historique de l'océan, et indique où et à quel point la carte a menti. Ainsi naît une correction non linéaire qui capture l'asymétrie : un événement chaud se développe différemment d'un événement froid.
Le test sur une période de deux cents ans de climat modélisé a montré qu'après seulement cent ans d'apprentissage, l'hybride fournit une prévision à douze mois avec une compétence supérieure à 0.5 (ce qui signifie qu'il est nettement meilleur qu'une simple moyenne), alors que le réseau pur, sans navigateur, descend en dessous de 0.4. Ce n'est qu'après cinq cents ans d'apprentissage que le réseau pur rattrape l'hybride. Le plus grand gain se situe dans l'ouest du Pacifique tropical, où l'océan et l'atmosphère sont liés de manière particulièrement non linéaire.
Auparavant, on pensait que pour prévoir précisément El Niño, il fallait des milliers d'années de données, ce que nous n'avons pas. Aujourd'hui, on voit qu'une centaine ou deux d'années peuvent suffire, si l'on laisse le modèle linéaire faire le travail principal et le réseau de neurones ne faire que corriger les erreurs. Le navigateur guide le navire sur la carte, le mousse lui murmure à l'oreille où la carte ment, et la route devient plus juste. Il reste à tester ce duo sur des observations réelles, et non seulement sur un climat modélisé.
Pour couvrir toute la diversité des événements interannuels d'El Niño, il faudrait environ 500 ans d'observations, mais les données satellitaires ne couvrent que les 40 dernières années.
Dans le roman de Kim Stanley Robinson « Les Quarante Signes de la pluie », une prévision précise d'El Niño devient une question de sécurité nationale ; en réalité, les modèles hybrides tentent justement d'extraire le maximum de courtes séries de données.