Chaque printemps, les prévisions d'El Niño perdent de leur vigueur, comme un interprète distrait par le moindre bruit dans la salle qui transforme une réunion d'une heure en séance de deux heures. Les scientifiques appellent cela la barrière de prévisibilité printanière. Le nouveau programme apprend à retirer le bruit des cartes de température de l'océan couche par couche, à la manière d'un restaurateur qui nettoie un vieux tableau de sa suie.

Il s'avère que le programme, entraîné uniquement sur des données réelles de 1940 à 1999, prédit la température de l'océan avec une bonne précision sur 14 mois, et dans une autre expérience, sur 26 mois. Il a correctement reproduit le super El Niño de 2015 et la triple La Niña de 2020–2022 avec une erreur de seulement ±0.3 °C. Le plus intéressant : lorsque les scientifiques ont examiné comment le programme élimine le bruit, ils ont constaté que ce processus est décrit par la même équation que celle qui régit les oscillations des eaux chaudes et froides dans l'océan. Le réseau de neurones a donc appris seul, sans aucune indication, la physique d'El Niño.

Désormais, un tel outil peut être utilisé dans les centres de prévision climatique pour alerter à l'avance sur les années chaudes et froides de l'océan et sur les sécheresses ou inondations associées.