Un réseau de neurones comprend l'océan comme un interprète ✛ ✎

Original: "Interpretable Cross-Sphere Multiscale Deep Learning Predicts ENSO Skilfully Beyond 2 Years"
arXiv:2503.21211 · 2025-03-27 · arXiv non-exclusive · analyse indépendante · 2 min
Le modèle PTSTnet prédit El Niño deux ans à l'avance, en maintenant une précision là où d'autres perdent leur savoir-faire après seulement neuf mois.

Un interprète dans une salle de réunion n'entend pas seulement les mots, mais aussi les intonations, les pauses, les gestes. Grâce à ces signes, il devine où la conversation va tourner. Le climat du Pacifique parle le langage du vent, de la chaleur et des courants, et PTSTnet l'écoute comme un interprète chevronné, comprenant la grammaire de l'océan et de l'atmosphère.

Auparavant, il était impossible de prédire El Niño plus d'un an à l'avance : les modèles dynamiques perdaient leur savoir-faire après neuf mois, et les réseaux de neurones n'expliquaient pas leurs décisions.

Le modèle examine 12 mois de données mondiales : la température de surface de l'océan, le contenu thermique de la couche supérieure, les vents. Ensuite, il construit pas à pas une prévision pour les 24 mois suivants, en utilisant ses réponses précédentes comme contexte. Les lois physiques des vagues et de la diffusion sont intégrées dans l'architecture elle-même, de sorte que le réseau de neurones ne se contente pas de mémoriser des statistiques, mais apprend la dynamique réelle.

Lors des tests de 2016 à 2022, la corrélation entre la prévision et les observations est restée supérieure à 0.5 même à l'horizon de 24 mois, alors que les meilleurs modèles comparables ne fournissent pas de prévisions au-delà de 20 mois.

Lorsque le modèle se trompe, ses erreurs se propagent de la partie équatoriale ouest du Pacifique vers l'est. Cela correspond à ce qui se passe dans la nature : l'intensification des alizés et l'upwelling au large des côtes de l'Amérique du Sud. PTSTnet a reproduit avec précision le super El Niño de 2015-2016 et a atténué la barrière de prévisibilité printanière, lorsque la précision chute généralement fortement.

Désormais, les centres opérationnels de prévision climatique peuvent recevoir des alertes concernant El Niño deux ans à l'avance. L'agriculture, les ressources en eau et le secteur de l'assurance, qui dépendent des prévisions saisonnières, disposeront d'un outil plus fiable. Et les chercheurs, d'un modèle transparent pour tester leurs hypothèses sur les mécanismes de l'ENSO. L'interprète qui comprend la grammaire de l'océan a enfin commencé à parler de l'avenir.

Le modèle a réussi à prédire le super El Niño de 2015-2016, en étant initialisé dès février 2015, alors que la plupart des modèles dynamiques donnaient une grande incertitude.

Dans le roman de Kim Stanley Robinson « Quarante signes de pluie », des scientifiques luttent pour une prévision précise des changements climatiques ; PTSTnet évoque un pas vers un tel système, où la physique et les données se fondent en un outil transparent.

Notions
El Niño-Southern Oscillation ENSO ERSST spring predictability barrier El Niño index Jin-Timmermann model equatorial wave propagation Multivariate ENSO Index La Niña TAO/TRITON moorings Southern Oscillation NOAA PMEL / TAO recharge oscillator model NOAA CPC réseaux de neurones évidentiels Westerly wind burst relative ONI réseaux neuronaux d'apprentissage prédictif OISST v2.1 Indian Ocean capacitor effect