Le conseil des sages : comment l'entropie prédit El Niño deux ans à l'avance ✛ ✎

Original: "Entropic learning enables skilful forecasts of ENSO phase at up to two years lead time"
arXiv:2503.01412 · 2025-03-03 · arXiv non-exclusive · analyse indépendante · 3 min
Un ensemble de modèles entropiques, entraîné uniquement sur des données satellitaires, prédit la phase d'El Niño à 24 mois avec une qualité comparable aux meilleurs systèmes dynamiques.

Cinquante sages délibèrent dans une salle, et chacun observe l'océan à sa manière. L'un prête attention à la température de surface, l'autre au vent, un troisième à la chaleur cachée en profondeur. Leurs avis se contredisent souvent, mais il y a un doyen qui sait à qui se fier davantage. C'est ainsi que fonctionne la nouvelle méthode de prévision d'El Niño, ce cycle climatique qui, tous les quelques années, redessine la météo sur toute la planète.

Auparavant, une prévision fiable de la phase d'El Niño (El Niño, La Niña ou état neutre) à plus d'un an semblait presque impossible. Les données étaient rares, et au printemps les modèles commençaient à s'embrouiller, un moment appelé le barrière de prévisibilité printanière.

Les sages de ce problème ne sont pas des humains, mais cinquante modèles mathématiques entraînés sur des observations satellitaires depuis 1981. Chaque modèle regarde l'océan à travers le prisme des composantes principales, des descriptions compressées de l'évolution de la température, du vent et de la couche profonde. Plutôt que de se fier à un seul modèle, les auteurs ont constitué un ensemble et appliqué un apprentissage entropique, un algorithme qui évite l'excès de confiance en répartissant les probabilités de manière aussi uniforme que possible, jusqu'à ce que les données l'obligent à préciser ses choix.

L'astuce clé est le méta-modèle, ce doyen du conseil. Il est entraîné sur trente caractéristiques de chaque modèle de base, par exemple la fréquence des erreurs, le degré d'assurance des réponses, ou la saison où le modèle est le plus performant. Sur la base de ces attributs, le méta-modèle estime la probabilité d'exactitude de chaque prévision et pondère les voix. Si un sage est faible en juin, sa voix se fait à peine entendre en juin.

Les résultats sont impressionnants. Lors des tests rétrospectifs de 2012 à 2022, l'ensemble a conservé sa compétence jusqu'à 22 à 24 mois à l'avance, soit deux fois plus loin que les prévisions opérationnelles de l'Institut international de recherche sur le climat et la société (IRI). Le modèle a prédit à 24 mois le fort El Niño de 2015/16 et de 2018/19, ainsi que plusieurs épisodes de La Niña. De plus, le calcul complet d'une prévision à 24 mois consomme environ 0,113 kWh, soit l'équivalent de deux heures de fonctionnement d'un ordinateur portable, alors qu'une seule exécution d'un modèle climatique dynamique équivaut à la consommation mensuelle d'un appartement moyen.

Les épisodes successifs de La Niña de 2021/22 et 2022/23 ont été les plus difficiles à prévoir, avec seulement 12 et 8 mois d'avance. Cela montre que même un conseil de sages peut se tromper lorsque l'océan se comporte de manière inhabituelle.

Le conseil des sages ne remplace pas les modèles dynamiques coûteux, il les complète. Le faible coût de calcul rend la méthode accessible aux services météorologiques des pays en développement, où les supercalculateurs manquent. Et la capacité d'apprendre uniquement à partir d'observations réelles, sans hériter des erreurs des simulations, ouvre la voie à des prévisions qui disent honnêtement : « je ne suis pas sûr ». Et dans un monde où le climat devient de moins en moins prévisible, une telle honnêteté vaut plus que l'assurance.

Une prévision complète à 24 mois avec l'eSPA consomme autant d'énergie qu'un ordinateur portable fonctionnant environ 2 heures, alors qu'une seule exécution d'un modèle dynamique de prévision saisonnière équivaut à la consommation mensuelle d'un appartement moyen.

Dans le roman de Kim Stanley Robinson, « Le Ministère du futur », des prévisions précises à long terme des anomalies climatiques deviennent la base de décisions économiques mondiales. Cette méthode, qui prédit El Niño deux ans à l'avance, rapproche une telle possibilité.

Notions
spring predictability barrier Forecast lead ENSO El Niño-Southern Oscillation ERSST El Niño index Multivariate ENSO Index NOAA CPC equatorial wave propagation ensemble forecast Jin-Timmermann model NOAA PMEL / TAO apprentissage auto-supervisé OISST v2.1