La prévision d'El Niño – Oscillation australe (ENSO) reste l'un des défis les plus complexes de la climatologie. Les modèles dynamiques traditionnels se heurtent au « barrière de prévisibilité printanière », ce qui réduit l'horizon fiable de prévision à six mois. Autour de ce travail, notre archive contient des recherches qui cherchent également des moyens de franchir cette barrière : certaines utilisent des réseaux de neurones pour prédire les sécheresses des mois à l'avance, d'autres analysent les cycles solaires comme source de mémoire à long terme du climat, d'autres encore séparent le bruit météorologique du signal climatique. Ce travail se distingue quelque peu car il ne repose pas sur une modélisation physique, mais sur des régularités statistiques dans la dynamique même des anomalies de température.
Les auteurs utilisent deux approches statistiques indépendantes. La première construit un réseau climatique à partir de 14 nœuds dans le Pacifique équatorial central et oriental et de 193 nœuds en dehors de cette région. La force des liens entre les nœuds est déterminée par la corrélation croisée des anomalies de température de l'air en surface. Lorsque la force moyenne des liens S(t) franchit le seuil Θ de bas en haut et que l'indice ONI actuel reste inférieur à 0,5 °C, un signal est émis pour un possible El Niño dans l'année civile suivante. La deuxième méthode calcule l'entropie d'échantillonnage systémique (SysSampEn) des séries temporelles de température dans la région Niño3.4. Cette mesure de la complexité du système est corrélée à la magnitude du futur El Niño : la valeur de SysSampEn de l'année précédente permet d'estimer la force de l'événement par régression linéaire. Pour le réseau, les données de réanalyse NCEP/NCAR sont utilisées ; pour l'entropie, ERA5.
Le réseau climatique basé sur les données NCEP n'a pas franchi la bande seuil au cours de l'année 2025, il prédit donc l'absence d'El Niño en 2026 avec une probabilité de 91,4 %. La méthode entropique, sur les données ERA5, donne une valeur SysSampEn = 1,60 pour un seuil de 1,50, ce qui signifie une prévision d'El Niño faible avec une magnitude de 0,84 ± 0,36 °C et une probabilité de 71,4 %. La divergence des méthodes est en partie liée aux différentes sources de données : l'application de l'algorithme de réseau à ERA5 montre un franchissement partiel du seuil inférieur, ce qui peut être interprété comme un signal faible. Selon les données historiques de 1984 à 2025, il y a eu six cas où la méthode entropique prédisait El Niño et le réseau non ; dans deux de ces cas, l'événement a effectivement commencé (2004, 2006), dans quatre, non. Selon la règle de Laplace, cela donne une probabilité d'occurrence d'El Niño de (2+1)/(6+2) = 37,5 %. Si l'événement se produit malgré tout, l'indice de type indique un type Pacifique Est avec une probabilité de 76,9 %. En l'absence d'El Niño, la régression logistique sur la valeur actuelle ONI = −0,5 °C donne 29,1 % pour La Niña et 70,9 % pour l'état neutre, ce qui, après multiplication par la probabilité d'absence d'El Niño, conduit à des probabilités inconditionnelles de 18,2 % et 44,3 % respectivement.
Le travail montre que les méthodes statistiques basées sur la coopérativité en réseau et la complexité entropique peuvent fournir des prévisions avec un horizon d'environ un an, surmontant la barrière printanière. Contrairement aux travaux voisins qui construisent soit des modèles de réseaux de neurones sur de grandes données, soit analysent des indices climatiques individuels, ici deux indicateurs physiquement différents sont combinés : la connectivité à grande échelle de l'atmosphère et la complexité locale de la série de températures. Leur divergence n'est pas rejetée comme du bruit, mais utilisée pour estimer l'incertitude via la règle de Laplace. C'est une manière honnête de montrer que le modèle ne donne pas toujours une réponse univoque et que différentes sources de données peuvent conduire à des conclusions différentes.
Il est probable que le développement futur aille vers la formalisation des franchissements partiels de seuil, comme dans le cas de la version ERA5 du réseau. Les auteurs indiquent clairement que l'interprétation probabiliste détaillée d'un tel signal partiel sera le sujet d'un futur travail. De plus, on peut s'attendre à des tentatives de combiner les approches réseau et entropique dans un schéma bayésien unique qui prendrait en compte les corrélations entre leurs erreurs, plutôt que d'appliquer simplement la règle de Laplace aux divergences historiques.
Les résultats sont importants pour la prévision climatique saisonnière, en particulier dans les régions sensibles à l'ENSO : agriculture, gestion des ressources en eau, énergie. Des estimations probabilistes plus précoces et plus honnêtes permettent de se préparer à l'avance aux sécheresses ou aux inondations.
La prochaine étape est d'attendre le déroulement réel des événements en 2026 et de le comparer à la prévision afin de mettre à jour les statistiques de succès des méthodes. Ensuite, il faut étudier pourquoi la méthode réseau sur les données ERA5 se comporte différemment de celle sur NCEP, et s'il est possible de créer un ensemble de données unifié qui élimine cette divergence.
Dans le domaine de la prévision statistique du climat, la question de la combinaison de signaux contradictoires provenant de différents modèles reste non résolue. Ce travail montre une voie possible : l'utilisation de la fréquence historique des divergences pour calibrer la probabilité. Cependant, on ne sait pas à quel point cette fréquence est stable dans le temps et si elle change avec le changement climatique.
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
Les auteurs appliquent deux approches statistiques pour prévoir El Niño en 2026 : un réseau climatique fondé sur les corrélations croisées des anomalies de température et l'entropie d'échantillonnage systémique des séries temporelles dans la région Niño3.4. Le réseau indique l'absence d'événement avec une probabilité de 91,4 %, tandis que la méthode entropique prédit un El Niño faible avec une magnitude de 0,84 ± 0,36 °C et une probabilité de 71,4 %. En combinant les divergences selon la règle de Laplace, les auteurs estiment la probabilité d'El Niño à 37,5 %, ce qui est inférieur à la prévision officielle de la NOAA de 61 %.
Où est sa force
La force du travail réside dans la démonstration que deux indicateurs statistiques indépendants, fondés sur des propriétés différentes du système climatique (coopérativité en réseau et complexité entropique), peuvent se compléter mutuellement et révéler l'incertitude des prévisions à long terme, surmontant ainsi le barrière de prévisibilité printanière.
Vers où avancer
À essayer
Pourquoi cela peut compter
Si des méthodes statistiques reposant sur des indicateurs indépendants parviennent à fournir régulièrement des prévisions avec un horizon d'environ un an, cela pourrait considérablement améliorer l'alerte précoce concernant El Niño et les phénomènes météorologiques extrêmes associés, ce qui est important pour l'agriculture, la gestion des ressources en eau et la réduction des risques de catastrophes.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.52, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
La règle de Laplace, utilisée pour combiner les prévisions, a été formulée au XVIIIe siècle pour estimer la probabilité du lever du soleil. Ici, elle est appliquée à des événements climatiques, soulignant le lien entre la théorie classique des probabilités et la climatologie moderne.