Le climat comme chef d'orchestre : un réseau de neurones apprend à diriger les extrêmes ✛
Un orchestre de mille musiciens joue en harmonie tant que le chef maintient le tempo. Mais qu'il change la partition, et les violons dans un coin se mettent à sonner plus fort, tandis que les cuivres dans un autre entrent en retard. C'est à peu près ainsi que les indices climatiques, comme El Niño, réorganisent le comportement des phénomènes météorologiques extrêmes : la sécheresse dans une région et la chaleur dans une autre cessent d'être des hasards indépendants pour se produire ensemble.
Les scientifiques ont longtemps peiné à saisir ce lien. Les modèles classiques supposaient que la structure de dépendance entre les points était immuable, comme si l'orchestre jouait toujours le même morceau. Les nouveaux travaux proposent un autoencodeur variationnel conditionnel autoencodeur (cXVAE), un réseau de neurones qui compresse un champ spatial en une représentation latente, puis le reconstruit en tenant compte de la condition climatique. L'indice climatique est introduit dans l'espace latent via une application linéaire et est entrelacé avec les variables latentes avant d'être transmis au décodeur convolutionnel.
Les résultats sont impressionnants. Sur des données synthétiques, le modèle reproduit presque sans biais le coefficient de dépendance extrême entre des paires de points, quelle que soit la distance. L'incorporation d'un indice climatique réel au lieu d'un bruit blanc améliore nettement la qualité de la reconstruction, et les fonctions de base apprises apportent un gain supplémentaire. Une expérience contrefactuelle avec l'indice ENSO inversé entraîne des décalages dans les distributions des extrêmes émulés, confirmant la sensibilité du modèle au forçage climatique.
L'intérêt pratique réside dans le fait que le modèle permet d'évaluer l'importance d'un facteur climatique donné pour la survenue conjointe d'extrêmes, sans avoir à lancer des simulations climatiques à grande échelle. C'est la première vérification qu'un indice climatique peut être directement intégré dans l'espace latent d'un autoencodeur et ainsi piloter la dépendance de queue.
Désormais, le chef d'orchestre ne se contente plus de battre la mesure, il peut aussi jouer des partitions alternatives. Si l'on inverse El Niño, l'orchestre des extrêmes sonnera différemment, et le réseau de neurones montrera exactement comment. L'orchestre reste le même, mais la musique change, et nous pouvons enfin l'entendre à l'avance.
L'apprentissage du modèle sur 127 maxima mensuels de l'indice de danger météorologique d'incendie a pris environ 16 minutes sur un ordinateur de bureau ordinaire sans accélérateur graphique, alors que les méthodes bayésiennes classiques pour des problèmes similaires peuvent nécessiter plusieurs heures, voire plusieurs jours.
L'idée du « et si le climat était différent » fait écho au roman de Kim Stanley Robinson, Le Ministère du futur, où des scénarios climatiques sont utilisés pour planifier la prévention des catastrophes. Seulement ici, au lieu de modèles globaux, on a un réseau de neurones rapide qui produit en quelques secondes des champs d'extrêmes plausibles avec un indice d'El Niño modifié.