Déchiffrer  > L’IA s’invite dans la recherche sur la prédiction des canicules

Written by 17 h 59 min Déchiffrer, Tech-Sciences • 2 Comments

L’IA s’invite dans la recherche sur la prédiction des canicules

Avec le réchauffement climatique, le risque de voir survenir de plus en plus souvent des canicules est grand. Heureusement, l’IA permet de faire des progrès dans les prédictions.

Le 07/04/2023 par Florence Santrot
carte cnrs
Carte utilisée pour l’apprentissage de l’IA. Elle montre les anomalies de température (rouge plus chaud que bleu) et pression atmosphérique (lignes) pour une situation atmosphérique typique. Crédit : Freddy Bouchet / CNRS.
Carte utilisée pour l’apprentissage de l’IA. Elle montre les anomalies de température (rouge plus chaud que bleu) et pression atmosphérique (lignes) pour une situation atmosphérique typique. Crédit : Freddy Bouchet / CNRS.

Non, une intelligence artificielle (IA) n’est pas encore capable de dire si une canicule va survenir en France dans les quinze jours qui viennent. Mais des recherches menées pendant 3 ans par des équipes interdisciplinaires du CNRS à Lyon viennent faire bouger les lignes en matière de prévision des canicules. L’équipe de Freddy Bouchet, spécialisée dans l’étude des extrêmes du climat, et celle de Patrice Abry et Pierre Borgnat, qui se consacre à l’étude des Systèmes Complexes (IA, modèles mathématiques, etc.), ont uni leurs forces pour mieux comprendre ces phénomènes climatiques.

“La difficulté est que les vagues de chaleur sont extrêmement rares donc on ne dispose pas d’un nombre suffisant de cas qui permettraient d’entraîner une IA, explique à WE DEMAIN Patrice Abry, directeur de recherche au CNRS. Il a fallu trouver une solution alternative.” Cette solution, c’est PlaSim (Planet Simulator). Il s’agit d’un modèle climatique créé par l’université de Hambourg (Allemagne). PlaSim est capable, grâce à des calculs mathématiques, de livrer des données synthétiques – mais réalistes – portant sur l’équivalent de 8 000 années de climat sur Terre.

À lire aussi : Réchauffement climatique : des effets plus marqués en altitude

Des données synthétiques, mais fiables, pour apprendre quelque chose de rare

“Ces données synthétiques, produites par un simulateur, sont les plus réalistes possibles. Elles ont permis d’entraîner une IA pour la rendre capable de donner une probabilité d’occurrence de la canicule sur les jours à venir, entre 1 et 15 jours”, explique Patrice Abry. Surtout, cela a appris aux scientifiques qu’il n’est pas nécessaire de l’abreuver de données pour que ses prédictions soient fiables. Mais il faut savoir identifier celles qui jouent un rôle majeur dans la prédiction.

Par exemple, nul besoin de connaître la pression, la température et le niveau d’humidité à toutes les altitudes. Il s’avère que celles associées à l’altitude de l’isobare 500 hPa se sont révélées les plus utiles dans ce cas précis. Et fournir à l’IA les données de l’hémisphère sud s’est aussi avéré inutile pour des canicules en Europe ou en France. “Cela permet de réconcilier la connaissance des experts avec les stratégies d’apprentissage des IA”, souligne Patrice Abry.

Pas d’application possible pour les prochains étés et les prochaines canicules

Après trois ans de recherche, les informations fournies par l’IA pour donner une probabilité d’occurrence d’une canicule dans les prochains jours sont de qualité équivalente aux meilleurs modèles mathématiques sur le sujet. Pour autant, il n’est pas possible d’utiliser cette IA entraînée pour la prochaine période estivale. Et ce, même si cela serait utile car ces phénomènes météorologiques extrêmes ont des conséquences importantes sur les êtres vivants, et en priorité les plus fragiles.

La raison est que, dans les faits, nous ne possédons pas 8 000 années de données sur le climat mais plutôt une centaine. “En entraînant une IA avec seulement 100 ans de données climat recueillies, les performances se dégradent fortement. Il n’y a donc pas d’application concrète possible dans l’immédiat. Mais cette expérience nous a permis de comprendre qu’il faut apprendre à mieux bien entraîner une IA avec ‘peu’ de données. C’est une piste de travail pour la suite”, pointe Patrice Abry.

Pour la suite, les scientifiques veulent conjuguer cette IA entraînée avec des algorithmes d’événements rares. La combinaison des deux devrait aboutir sur des prévisions nettement plus fiables

SOUTENEZ WE DEMAIN, SOUTENEZ UNE RÉDACTION INDÉPENDANTE
Inscrivez-vous à notre newsletter hebdomadaire
et abonnez-vous à notre magazine.

A lire aussi :