Les émulateurs apprennent l'océan, les cyclones et les seuils climatiques

Les émulateurs d'apprentissage automatique pour les processus atmosphériques ont transformé la prévision météo en quelques années. Ceux qui concernent l'océan ont progressé plus lentement, et on voit aisément pourquoi. Dans l'atmosphère, l'essentiel de l'énergie est porté par des phénomènes d'échelle relativement grande. Dans l'océan, ce sont les tourbillons méso-échelle qui comptent, avec une taille inférieure d'environ un ordre de grandeur. S'y ajoutent des lignes de côte sinueuses, des détroits étroits et des mers couvertes de glace, dont les modèles atmosphériques n'ont pas à se soucier autant. Les simulations océaniques tournent donc sur des maillages localement raffinés ou entièrement non structurés, tandis que les modèles de données s'entraînaient sur de simples grilles latitude-longitude.

L'océan sur son propre maillage

Le travail sur HClimRep-Ocean propose un émulateur qui fonctionne directement sur le maillage non structuré natif du modèle FESOM2. Il a été entraîné sur une intégration de contrôle de 209 ans d'AWI-CM3 et lancé sans forçage atmosphérique : il ne reçoit l'état de l'atmosphère qu'au démarrage, ce qui isole la prévisibilité portée par l'océan seul. Les compétences dépendent fortement du champ. Pour les courants, l'émulateur bat tous les modèles de référence à 30 jours d'échéance. Pour la température et la salinité, en revanche, l'anomalie de persistance atténuée reste meilleure. Les auteurs l'expliquent physiquement : la variabilité des courants est en grande partie géostrophique et générée en interne, tandis que les fluctuations de température de surface et de salinité sont entraînées par la météo. Sur le benchmark OceanBench, la variante entraînée sur la réanalyse a atteint la plus faible erreur RMSE par rapport à la réanalyse GLORYS parmi tous les systèmes évalués.

Scénarios de basculement à haute résolution

Le deuxième ensemble d'outils sert à évaluer les conséquences des basculements climatiques. Le jeu de données ClimTip-GML est le premier ensemble mondialement corrigé et densifié pour évaluer l'impact de scénarios de transition à grande échelle. Il couvre huit variables clés à une résolution de 0,25 degré issues de trois modèles de circulation générale, CESM1-CAM5, HadGEM3-GC31-MM et MPI-ESM1-2-HR, ainsi que des simulations centenaires pour les conditions préindustrielles et historiques, et des scénarios de réchauffement de 2 degrés Celsius, avec ou sans basculement de la circulation méridienne atlantique ou de la forêt amazonienne. La correction de biais et la densification sont réalisées par des méthodes d'apprentissage automatique génératif entraînées sur la réanalyse, en préservant la cohérence physique dans l'espace, le temps et entre les huit variables. La validation a montré une nette réduction des biais, une amélioration de la variabilité à petite échelle et des corrélations multivariées, ainsi qu'une réponse cohérente à long terme au forçage externe.

La physique comme contrainte

Le troisième travail porte sur les cyclones tropicaux et le phénomène d'intensification rapide, qui reste l'un des éléments les plus difficiles de la prévision. Les auteurs combinent deux approches. Les modèles numériques pleinement physiques savent décrire les processus responsables de l'intensification, mais coûtent cher. Les modèles purement fondés sur les données, eux, ne s'expliquent pas physiquement. Leur hybride, FAST-ML, utilise une paramétrisation neuronale à deux flux qui prend les champs tridimensionnels ERA5 pour diagnostiquer le contrôle ventilatoire : le cisaillement du vent en environnement et le déficit d'entropie dans la troposphère moyenne. Les paramètres sont optimisés de bout en bout via le modèle d'intensité différentiable FAST, de sorte que l'évolution de la tempête reste soumise aux principes de la thermodynamique. Par rapport à sa référence physique, le modèle réduit l'indice CRPS d'environ 31 pour cent à une échéance de 60 heures et diminue de près de moitié le taux de fausses alarmes pour l'intensification rapide, sans perdre de sensibilité de détection. En configuration d'ensemble à cent membres, il donne des prévisions comparables à FNV3 pour les tempêtes étudiées, et des tests à zéro tir sur le Pacifique oriental suggèrent une transférabilité entre bassins.

La conclusion commune de ces travaux est méthodologique : un émulateur n'a pas besoin d'être universel pour être utile, mais il doit être évalué champ par champ. Un modèle qui gagne sur les courants perd sur la température. Ce n'est pas un échec, seulement une information sur l'endroit où s'arrête sa prévisibilité.