Comment multiplier une tempête : une méthode simple pour étudier les 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 · 2 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. De tels 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 faut des milliers d'années d'observations. La simulation directe du climat sur de telles périodes exige une puissance de calcul comparable à celle d'une prévision météorologique sur cent mille ans. Les auteurs de la nouvelle étude proposent une voie détournée : au lieu d'attendre qu'un événement rare se produise, ils multiplient ses trajectoires, comme un jardinier bouture une variété rare.

L'algorithme TEAMS 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 de l'océan Pacifique. De ces « parents » naissent des « descendants » avec une minuscule perturbation aléatoire de la température de surface de l'océan, 7,5 ans avant le franchissement du seuil. Le processus est répété 50 fois, et le coût total de toutes les exécutions 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 du 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.

Avant ces travaux, on ignorait s'il était possible d'obtenir la statistique des El Niño extrêmes sans des simulations d'une longueur prohibitive. 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 : la ramification des 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 d'une tempête à partir d'une seule trajectoire, qui a commencé par des boutures en 1997, donne désormais 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 consigner 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 réalisé grâce à la ramification de seulement 50 courtes exécutions.

L'idée de ramifier 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 répartition cumulative est calculée comme la moyenne sur M exécutions des indicateurs pondérés de dépassement de 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