Multiplier la tempête : comment l'algorithme TEAMS cultive de rares El Niño ✛

Original: "Using a rare event sampling technique to quantify extreme El Niño event statistics"
arXiv:2512.23038 · 2025-12-28 · CC BY 4.0 · 3 min
L'algorithme TEAMS reproduit la statistique des El Niño extrêmes dans le modèle Zebiak-Cane pour un cinquième du coût de calcul de la simulation directe.

En 1997, l'océan Pacifique s'est tellement réchauffé que les coraux ont blanchi de l'Indonésie aux Galápagos, et des inondations et des sécheresses ont frappé cinq continents. Ces événements, que les climatologues appellent El Niño extrêmes, se produisent une fois toutes les quelques décennies, et pour comprendre à quelle fréquence ils surviendront à l'avenir, il faudrait des milliers d'années d'observations. La simulation directe du climat sur de telles durées exige une puissance de calcul comparable à celle d'une prévision météo sur cent mille ans. Les auteurs de cette nouvelle étude proposent une voie alternative : au lieu d'attendre qu'un événement rare se produise, ils multiplient ses trajectoires, comme un jardinier bouture une variété rare.

L'algorithme TEAMS (Transition-Enhanced Adaptive Multilevel Splitting) fonctionne comme un sélectionneur. On part d'un ensemble de 16 simulations courtes, chacune de 25 ans, et à chaque étape, on ne retient qu'un quart des trajectoires présentant les pics de température les plus élevés dans l'est du Pacifique. De ces « parents », on engendre des « descendants » avec une minuscule perturbation aléatoire de la température de surface de l'océan (amplitude de 0,1 °C) 7,5 ans avant le franchissement du seuil. Le processus est répété 50 fois, et le coût total de toutes les simulations s'élève à 100 000 années-modèle, soit cinq fois moins que la simulation directe de référence de 500 000 ans.

L'astuce clé réside dans les poids probabilistes. Chaque descendant hérite du poids de son parent divisé par le nombre de descendants, de sorte que la statistique finale reste non biaisée, même si l'échantillon est artificiellement enrichi en événements extrêmes.

La comparaison avec la référence a montré que TEAMS reproduit les estimations des temps de retour des El Niño extrêmes jusqu'à 60 000 ans. La distribution des maxima par bloc, pondérée par les probabilités de branchement, coïncide bien avec la référence, en particulier dans la queue où se concentrent les événements les plus forts. Fait curieux, le seuil de température a augmenté rapidement dans les premières générations, puis a atteint un plateau d'environ 4,2 °C, ce qui suggère une possible limite interne à l'extrémalité dans le modèle. Le taux de succès pour engendrer des descendants dépassant le seuil est d'environ 77 %, et l'analyse des trajectoires a montré qu'une petite perturbation peut d'abord déclencher une Nina, puis amplifier l'El Niño suivant par une croissance non normale des perturbations.

Le coût de TEAMS, 100 000 années-modèle, équivaut à simuler le climat de 1997 jusqu'à environ l'an 102 000 de notre ère, mais il est obtenu en ne branchant que 50 courtes simulations.

Avant ces travaux, on ne savait pas s'il était possible d'obtenir la statistique des El Niño extrêmes sans des simulations prohibitivement longues. On montre désormais que l'algorithme reproduit la distribution et les temps de retour dans le modèle Zebiak-Cane pour un coût cinq fois inférieur à celui de la référence. L'astuce est simple et élégante : le branchement de trajectoires avec de petites perturbations engendre des descendants qui atteignent plus souvent les seuils extrêmes, et les poids probabilistes corrigent le biais d'échantillonnage. La méthode peut être transposée aux modèles climatiques globaux coûteux pour évaluer les risques d'El Niño rares dès aujourd'hui.

La multiplication de la tempête à partir d'une trajectoire, qui a commencé avec des boutures en 1997, donne maintenant toute une famille d'événements extrêmes prêts pour l'analyse statistique. Au lieu d'attendre qu'un invité rare frappe à la porte, nous avons appris à l'inviter des centaines de fois et à noter chaque visite.

Le coût de TEAMS, 100 000 années-modèle, équivaut à simuler le climat de 1997 jusqu'à environ l'an 102 000 de notre ère, mais il est obtenu en ne branchant que 50 courtes simulations.

L'idée de bifurquer des trajectoires pour explorer des issues rares fait écho au multivers dans la nouvelle de Ted Chiang « L'histoire de ta vie », où différentes branches du futur sont envisagées simultanément.

\tau(\ell) = -\frac{T}{\log[1-p_T(\ell)]}
Le temps de retour du niveau ℓ est égal à la longueur du bloc T divisée par le logarithme négatif de la probabilité de non-dépassement du seuil dans le bloc.
\mathrm{CDF}(\theta) = \frac{1}{M}\sum_{m=1}^{M}\frac{1}{N}\sum_{j=1}^{J_m} w_{m,j} \mathbb{I}\{\theta_k \le \theta\}
La fonction de distribution cumulative est calculée comme la moyenne sur M simulations des indicateurs pondérés de dépassement du seuil.
Scientifiques
Jascha Sohl-Dickstein
Notions
Multivariate ENSO Index El Niño zebiak cane model Jin-Timmermann model ENSO El Niño-Southern Oscillation spring predictability barrier ERSST TAO/TRITON moorings ensemble forecast NOAA PMEL / TAO relative ONI événements rares sélection d'événements Warm water volume recherche d'événements rares