Modéliser l’inconcevable : cette IA du MIT anticipe les mégatempêtes sans aucun historique climatique
Prédire l’inédit : le défi des événements extrêmes
Jusqu’à présent, la plupart des modèles prédictifs utilisés par les météorologues, les assureurs et les urbanistes souffraient d’une limite majeure : ils s’appuient massivement sur des données historiques pour évaluer les risques futurs. Or, face au dérèglement climatique, les tempêtes, vagues de chaleur et inondations dépassent de plus en plus fréquemment les records observés au cours du dernier siècle. Comment anticiper une catastrophe d’une ampleur encore jamais enregistrée dans une région donnée ?
Pour résoudre cette équation, une équipe du Massachusetts Institute of Technology (MIT) a développé une nouvelle méthode d’apprentissage automatique baptisée Extreme Event Aware (ou apprentissage η). Publiée dans la revue Nature Communications, cette avancée permet de générer des scénarios plausibles du pire sans qu’il soit nécessaire d’inclure des évènements extrêmes passés dans le jeu d’entraînement de l’algorithme.
Comment fonctionne l’apprentissage η (Extreme Event Aware) ?
Imaginée par le chercheur Kai Chang et le professeur Themis Sapsis, cette approche associe deux types d’informations distinctes :
- Les statistiques ponctuelles : une modélisation mathématique des lois de probabilité qui encadrent la fréquence théorique des seuils d’intensité extrême.
- L’information spatiale : des cartes cartographiant la distribution géographique habituelle des conditions météorologiques, apprises sur des périodes ordinaires très courtes (parfois seulement six mois de données).
En combinant ces contraintes statistiques et spatiales, l’intelligence artificielle est en mesure d’exclure les scénarios physiquement impossibles tout en générant des cartes précises d’évènements inédits. Lors des essais menés sur 25 ans de données de précipitations aux États-Unis, le modèle a réussi à simuler avec précision une tempête centennale déversant 300 mm de pluie sur New York, alors même que le record historique maximal pris en compte dans son apprentissage n’était que de 200 mm.
Conséquences concrètes pour la société et la gestion des risques
Cette innovation marque un tournant stratégique pour la résilience des territoires et des infrastructures modernes, qui opèrent souvent avec des marges de sécurité réduites :
- Aménagement urbain et infrastructures : les municipalités et ingénieurs civils pourront désormais dimensionner les digues, réseaux d’évacuation d’eau et réseaux électriques en fonction de catastrophes plausibles mais jamais encore survenues.
- Secteur de l’assurance : l’évaluation des risques financiers liés au climat pourra intégrer une modélisation réaliste des événements dits de « cygne noir », évitant ainsi des faillites ou des ruptures de couverture dans les zones vulnérables.
- Applications hors météo : les chercheurs précisent que cette méthode s’applique à tout système complexe où les événements rares sont critiques, comme la propagation d’incendies de forêt, les pannes en cascade sur les réseaux électriques ou la prédiction de krachs sur les marchés financiers.
Selon vous, les collectivités territoriales et les compagnies d’assurance devraient-elles dès aujourd’hui rendre obligatoire l’usage de telles simulations IA pour réévaluer nos infrastructures publiques ?
Photo : Christian Wasserfallen sur Pexels.
Pour aller plus loin
Liens affiliés Amazon : en tant que Partenaire Amazon, ce site perçoit une commission sur les achats éligibles réalisés via ces liens, sans coût supplémentaire pour vous.
Intelligence artificielle et environnement : alliance ou nuisance ?, Arnault Pachot et Céline Patissier
Un ouvrage de référence sur la dualité de l’IA, à la fois consommatrice de ressources et outil indispensable pour modéliser et résoudre les défis écologiques.
Une analyse éclairante de la manière dont les algorithmes et la modélisation de systèmes complexes peuvent devenir les meilleurs alliés de la transition environnementale.
