Prévoir des événements météorologiques rares, comme les vagues de chaleur les plus meurtrières, qui peuvent survenir une fois par millénaire, reste un défi majeur, malgré les améliorations des prévisions météorologiques quotidiennes. Les modèles traditionnels basés sur des supercalculateurs peuvent simuler ces événements, mais ils nécessitent d'énormes ressources de calcul et manquent souvent de la résolution nécessaire pour capturer les scénarios les plus extrêmes.
Une étude récente publiée dans la revue Nature (2026) présente une nouvelle approche qui combine l'apprentissage automatique avec les sorties de modèles climatiques pour générer de grands ensembles de scénarios extrêmes plausibles. Cette méthode permet aux chercheurs d'explorer rapidement des milliers de scénarios potentiels, améliorant ainsi la capacité à estimer la probabilité et l'intensité des extrêmes rares.
La recherche, dirigée par des scientifiques de l'Institut des sciences de l'atmosphère et du climat, démontre que l'émulateur d'apprentissage automatique peut reproduire avec précision les statistiques des vagues de chaleur et des extrêmes de précipitations des modèles traditionnels, mais à une fraction du coût de calcul. Cela pourrait permettre des évaluations de risques plus détaillées pour les infrastructures et la planification de la santé publique.
Bien que la technique ne soit pas encore opérationnelle pour les prévisions en temps réel, elle représente une étape prometteuse vers une meilleure compréhension et préparation aux événements qui, bien que rares, peuvent avoir des impacts dévastateurs. Les auteurs soulignent que la validation continue et l'intégration avec les systèmes de prévision existants sont nécessaires avant une adoption généralisée.
