L'IA du MIT prédit les phénomènes météo extrêmes sans données historiques
Des ingénieurs du MIT ont mis au point un outil d'intelligence artificielle capable de prévoir des événements météorologiques extrêmes sans avoir été entraîné sur des données historiques de catastrophes. Le projet est signé Kai Chang, doctorant en ingénierie mécanique, et Themis Sapsis, professeur titulaire de la chaire William I. Koch en ingénierie mécanique et océanique au MIT, tous deux rattachés au MIT Center for Computational Science and Engineering. Leur méthode, baptisée Extreme Event Aware, ou η-learning, a été détaillée dans un article publié le 20 août dans la revue Nature Communications. Les chercheurs l'ont testée sur les précipitations aux États-Unis continentaux, à partir de 25 années de données horaires de pluie regroupées en cartes journalières. Fait notable, la partie spatiale de l'algorithme n'a été entraînée que sur les six premiers mois de cette période de 25 ans, un intervalle ne contenant que peu, voire aucun exemple de pluies extrêmes. Résultat concret : alors que le record de pluie jamais enregistré à New York s'élève à 200 millimètres, l'outil parvient à générer des cartes plausibles d'une tempête qui produirait 300 millimètres, un niveau totalement absent des archives.
Résumé et traduction réalisés par Le Fil IA à partir de AI News. Lire l'article original →
Cette capacité change la donne pour tous ceux qui doivent anticiper des scénarios catastrophes sans précédent historique direct, comme les assureurs, les urbanistes ou les gestionnaires de réseaux électriques. Ces acteurs cherchent habituellement à savoir à quoi ressemblerait une tempête centennale pour un lieu donné, mais les modèles actuels reposent sur des jeux de données contenant déjà des extrêmes similaires, ce qui limite leur capacité à imaginer l'inédit. Sapsis illustre l'enjeu avec l'ouragan Katrina, un événement qui survient statistiquement tous les 30 à 40 ans : la question posée par son équipe est de savoir à quoi ressemblerait l'équivalent centennal de Katrina. Concrètement, une ville pourrait désormais tester la résistance de ses digues face à une submersion marine dépassant tout ce qui a été enregistré jusqu'ici, avant même qu'un tel événement ne se produise.
L'approche du MIT repose sur la combinaison de deux types de données : des statistiques ponctuelles, qui mesurent la fréquence d'un niveau d'intensité donné dans un jeu de données, et des cartes spatiales, qui montrent comment l'impact d'un événement varie selon les régions. En apprenant la relation statistique entre ces deux dimensions, l'algorithme construit des scénarios spatiaux plausibles bien au-delà de ce qu'il a observé, sans nécessiter d'exemples préalables des extrêmes visés. Selon Kai Chang, l'outil peut générer un grand volume de ces scénarios simultanément, chacun assorti d'estimations de durée, d'intensité et de zone d'impact, ouvrant la voie à des tests d'infrastructures plus robustes face au changement climatique.
Cet outil pourrait intéresser les assureurs, urbanistes ou gestionnaires de réseaux européens pour anticiper des extrêmes climatiques inédits, mais aucune application ou collaboration en France/UE n'est mentionnée.