L’intelligence artificielle améliore la prévision saisonnière des événements climatiques extrêmes dans l’Atlantique Tropical

Les événements climatiques extrêmes dans l’Atlantique Tropical, appelés Atlantic Niño et Benguela Niño, perturbent les régimes de précipitations, les écosystèmes marins et les pêcheries, notamment le long de la côte ouest-africaine. En 2021, ces événements ont provoqué d’importantes anomalies de la température de surface de la mer, entraînant des impacts écologiques et socio-économiques majeurs, dont la plus faible production primaire estivale au large de l’Angola depuis 2002.

Alors que les modèles climatiques classiques peinent à anticiper ces phénomènes, une nouvelle étude menée par Marie-Lou Bachèlery à l’université de Bergen (Norvège), et impliquant une chercheuse du LEGOS, démontre que l’intelligence artificielle (IA) permet des prévisions plus précoces et plus fiables. Grâce à un réseau de neurones convolutif (CNN) entraîné sur 90 ans de données historiques de température océanique (SST et contenu thermique océanique), le modèle d’IA a pu prévoir les événements de type Niño de l’Atlantique et du Benguela jusqu’à 3 à 4 mois à l’avance, voire 5 mois pour certains événements en saison de pointe.

Ces résultats remettent en question l’idée selon laquelle l’Atlantique tropical ne serait pas prévisible et ouvrent une nouvelle voie pour la prévision saisonnière basée sur l’IA.

Prédiction des événements de 2021. Le modèle CNN a permis de prédire avec précision le fort événement Atlantique Niño de 2021, quatre mois à l’avance, en utilisant le produit récent ARMOR3D qui combine des observations satellitaires et in situ. Il a également anticipé le réchauffement associé dans la région côtière du Benguela, avec des prévisions fiables entre un et quatre mois à l’avance, là où les modèles classiques n’avaient rien détecté. En capturant des signaux précurseurs physiques tels que les ondes équatoriales lentes et les anomalies de température en profondeur, le modèle d’IA s’est révélé plus performant que les systèmes de prévision saisonnière opérationnels, comme ceux utilisés par le service Copernicus (C3S).

Vers un système d’alerte précoce. Cette avancée en matière de prévisibilité ouvre la voie à des systèmes d’alerte précoce plus efficaces pour les gestionnaires de ressources marines et les communautés côtières. Une plateforme web est en cours de développement afin de rendre ces prévisions accessibles aux acteurs locaux et ainsi de renforcer ainsi leur résilience face aux événements climatiques extrêmes.

Référence : Marie-Lou Bachèlery et al., Predicting Atlantic and Benguela Niño events with deep learning. Sci. Adv. 11, eads5185(2025). DOI:10.1126/sciadv.ads5185

Contact LEGOS : Serena Illig serena.illigNO SPAM -- FILTER@NO SPAM -- FILTERird.fr