Sélection des meilleurs prévisionnistes d'El Niño dans un ensemble de modèles ✛
Une équipe de quarante prévisionnistes prépare une prévision d'El Niño deux ans à l'avance. Chacun travaille avec le même modèle, mais avec des conditions initiales et des réglages légèrement différents, ce qui fait diverger leurs réponses. En général, les centres de prévision font la moyenne des quarante avis, considérant que chaque membre est également utile. Mais dans toute équipe, il y a des joueurs qui atteignent plus souvent la cible et d'autres qui la manquent régulièrement.
Les auteurs de l'étude ont voulu vérifier s'il est possible de déterminer à l'avance les meilleurs. Ils ont pris un ensemble de 40 prévisions de température de surface de l'océan dans la région El Niño et les ont comparées aux observations réelles de 1986 à 2017. Pour chaque paire « échéance – saison », les membres ont été classés selon deux métriques : la précision de l'amplitude (à quel point la force du phénomène est bien prédite) et la concordance des phases (à quel point le moment de l'événement est bien deviné). Les cinq meilleurs pour chaque métrique ont été combinés avec des poids proportionnels à leur présence dans les deux listes.
Le résultat s'est avéré plus fort que prévu. À court terme, le gain est modeste : la corrélation augmente de +0.02 et l'erreur diminue de 0.14 °C. Mais au 23e mois, l'écart devient spectaculaire : la corrélation augmente de +0.43, soit de 172 %, et l'erreur diminue de 22.5 %. Le progrès est particulièrement visible dans les saisons de transition septembre–novembre et décembre–février, où il est crucial de prédire avec précision le début et la maturité de l'événement. Les tests statistiques confirment : pour des échéances supérieures à 12 mois, plus de 85 % des paires « échéance–saison » montrent une amélioration significative de la corrélation.
Auparavant, on ignorait à quel point la qualité des prévisions variait au sein d'un même ensemble et si cette variation pouvait être exploitée. Il est maintenant démontré que dans un ensemble de 40 membres, il existe toujours un sous-groupe de 5 à 10 personnes qui, à un horizon allant jusqu'à 23 mois, prévoit El Niño avec une précision nettement supérieure à la moyenne de l'ensemble, et ce gain augmente avec l'échéance. Cela a été obtenu en comparant simplement chaque prévision aux observations et en sélectionnant les meilleures selon deux métriques.
La méthode peut être intégrée aux systèmes opérationnels de prévision météorologique et climatique comme un moyen peu coûteux d'améliorer la précision des prévisions à long terme sans modifier les modèles. La prochaine étape consiste à apprendre à reconnaître les membres performants en temps réel, lorsque les observations futures ne sont pas encore connues. Pour cela, il faut des méthodes fiables d'estimation de l'erreur de prévision sans accès à la vérification, ainsi que des schémas adaptatifs qui mettent à jour les poids des membres au fur et à mesure que de nouvelles données arrivent. Si de tels outils peuvent être créés, le gain rétrospectif se transformera en avantage opérationnel pour les centres de prévision. Ainsi, une équipe de quarante prévisionnistes peut devenir encore plus précise si l'entraîneur ne fait entrer sur le terrain que des joueurs confirmés.
À l'horizon de 23 mois, les cinq membres sélectionnés présentent une corrélation supérieure de 0.43 à la moyenne de l'ensemble, ce qui équivaut à une prévision presque une fois et demie plus « synchronisée » avec la réalité. Et le coût de calcul n'augmente pas d'un centime.