Cent réseaux de neurones observent la température de l'océan et tentent de deviner si El Niño arrivera dans deux ans. Chaque réseau donne sa propre réponse, et si les réponses divergent fortement, cela signifie que la prévision est peu fiable. C'est ainsi que fonctionne un ensemble, un groupe de réseaux de neurones qui apprennent indépendamment les uns des autres. Dans une nouvelle étude, les scientifiques ont montré que le désaccord au sein de l'ensemble est le signal le plus honnête indiquant que le climat a changé et que le réseau est sorti de son domaine de compétence.
On pensait auparavant que l'essentiel était de mesurer le caractère aléatoire du système lui-même, car l'océan est chaotique. Mais lorsque le climat a commencé à changer, il s'est avéré que cette mesure peut être trompeuse : le réseau devient trop confiant dans une situation inconnue. En revanche, le désaccord entre les cent réseaux augmente et avertit d'une erreur. C'est comme si cent météorologues débattaient de la météo de demain : s'ils sont unanimes, on peut croire la prévision, mais s'ils divergent, mieux vaut prendre un parapluie, aussi bien pour le soleil que pour la pluie.
Cette approche peut déjà être utilisée dans les centres de prévision d'El Niño : surveiller le désaccord de l'ensemble et signaler à l'avance quand la prévision est peu fiable. C'est particulièrement important maintenant que le climat change et que les anciennes régularités ne s'appliquent plus.
L'ensemble de 100 réseaux de neurones dans cette étude est dix fois plus grand que les ensembles typiques pour la prévision de l'ENSO, et c'est cette taille qui a permis de séparer de manière fiable les deux types d'incertitude. Il est intéressant de noter que pour les prévisions à court terme (jusqu'à 6 mois), l'incertitude aléatoire augmente légèrement avec le décalage, mais ce signal est plus faible que celui de l'incertitude épistémique.