Comment choisir les meilleures prévisions d'El Niño : le conseil des anciens ✛

Original: "Leveraging GNN to Enhance MEF Method in Predicting ENSO"
arXiv:2508.07410 · 2025-08-10 · CC0 1.0 · 1 min
Sur 80 prévisions d'El Niño, les scientifiques en ont sélectionné 20 parmi les plus cohérentes, en construisant un réseau où les prévisions similaires sont reliées par des lignes.

Quand 80 personnes essaient de deviner le temps qu'il fera dans deux ans, certaines se trompent moins souvent que d'autres. Plutôt que d'écouter tout le monde et de faire une moyenne, les scientifiques ont construit un réseau : chaque prévision est un point, et une ligne entre deux points signifie que les prévisions se ressemblent par leur erreur et par la façon dont leurs valeurs évoluent de manière synchrone.

Dans ce réseau, on a trouvé un groupe dense de 20 prévisions qui restent soudées. Leur moyenne s'est révélée plus précise que celle des 80.

Ces 20 prévisions divergent moins entre les différents horizons et passent plus doucement d'El Niño à La Niña. Sur un horizon allant jusqu'à 23 mois, elles capturent près de la moitié de tous les événements, et la corrélation avec la réalité reste supérieure à 0.4. Auparavant, on ne savait pas comment choisir des prévisions fiables ; désormais, c'est clair : il faut chercher un noyau cohérent, comme un conseil d'anciens au milieu d'une foule. Cette méthode peut être appliquée à d'autres domaines où l'on dispose de nombreuses prévisions, du climat à la finance.

Le modèle a été entraîné sur des données allant de 1875 à 1975, puis testé sur les années 2000 à 2017. Entre ces deux périodes, il y a un quart de siècle que le modèle n'a jamais vu. Cet écart a été laissé volontairement pour éviter l'effet de mémoire de l'océan et vérifier si la prévision fonctionne dans des conditions complètement différentes.

Notions
Multivariate ENSO Index ensemble forecast El Niño index ENSO spring predictability barrier Jin-Timmermann model El Niño-Southern Oscillation réseau neuronal de graphe TAO/TRITON moorings régression par réseau de neurones equatorial wave propagation prévision NOAA PMEL / TAO ERA5 ERSST zebiak cane model réseaux antagonistes génératifs forêt aléatoire maximum de vraisemblance moyenne d'ensemble