Météo contre climat : comment distinguer le bruit du signal express

Original: "Quantifying internal variability in large-ensemble climate data with the Wasserstein distance"
· Yuki Yasuda, Shoichiro Kido
arXiv:2608.14455v1 · 2026-08-14 · CC BY 4.0 · 1 min
Nous montrons combien de fluctuations aléatoires se cachent dans les données climatiques, et combien correspondent à un changement durable.

En hiver, dans un quartier de la ville, il tombe trois fois plus de neige que dans le quartier voisin. Une année, c'est la canicule, l'autre, le froid. Ce sont les caprices de la météo. Mais sur des décennies, on observe un autre glissement, plus lent : les hivers deviennent en moyenne plus doux. Distinguer l'un de l'autre est la tâche principale des climatologues.

Dans cette nouvelle étude, on propose de calculer combien de fluctuations aléatoires et combien de changement durable se trouvent dans les données de température ou de précipitations. On utilise des modèles informatiques que l'on fait tourner de nombreuses fois avec des conditions initiales légèrement différentes – on obtient ainsi tout un éventail de climats possibles. Ensuite, on compare la dispersion entre ces variantes et le décalage provoqué par une perturbation externe, comme l'augmentation du dioxyde de carbone.

La méthode repose sur une action simple : trier les nombres et les soustraire les uns aux autres. Aucun paramètre complexe à régler.

Il s'avère que la nouvelle méthode fonctionne de manière plus fiable que les précédentes, même lorsque les données sont très « dispersées » ou contiennent des valeurs extrêmes rares. L'essentiel est que l'ensemble comporte au moins quarante variantes de calcul. Lorsque la perturbation s'intensifie, la part de hasard diminue, et cela se voit particulièrement nettement.

Un tel outil aide à séparer le bon grain de l'ivraie : comprendre ce qui, dans les prévisions climatiques, est réellement dû à l'activité humaine, et ce qui n'est que variabilité naturelle, comme une chute de neige inattendue en mai.

Dans l'un des scénarios de simulation, le réchauffement était si fort que les fluctuations aléatoires de température ont presque cessé d'influencer la tendance générale – le signal du changement climatique est devenu évident.

Scientifiques
Leonhard EulerAndrey Markov
Notions
maximum de vraisemblance moyenne pondérée rmse variance ensemble forecast moyenne d'ensemble évidence bayésienne linear inverse model métrique écart type estimation par maximum de vraisemblance moyenne densité erreur standard taille de l'échantillon multivariate enso index erreur de mesure modèle climatique transport optimal mode of variability