Charlotte Rebuffat, Géologie

Vous êtes vous déjà demandé comment les prévisions concernant le dérèglement climatique sont faites ? Comment savons-nous que l’océan s’acidifie, qu’il se réchauffe, que, comme nous l’assènent à tort et à travers les médias (surtout à tort), le Gulf Stream va s’arrêter et que la France va devenir un congélateur ?

L’avènement de cette discipline de la prévision climatique et météorologique a été permise grâce à un outil formidable : la modélisation. Cette dernière existe depuis les années 50, et fut notamment mise en lumière par Denis Meadows et son rapport sur Les Limites à la croissance¹. Mais ce n’est que depuis le développement de la puissance de calcul et l’avènement des satellites et stations météo que la modélisation a connu une véritable révolution.

Mais d’abord, qu’est-ce qu’un modèle ?

L’exemple le plus parlant est celui des modèles météo. Pour prévoir la températures et les précipitations sur une zone donnée, on découpe cette zone en mailles de plus petite aire. Dans chacune de ces cases, on intègre les lois mathématiques et physiques de thermodynamique et de dynamique des fluides. A cela, on peut ajouter différentes données, dont des conditions initiales au lancement du modèle ou des connaissances sur le climat présent ajoutées à postériori; par exemple, si lundi nous voulons prévoir la météo de la semaine suivante, il est possible d’inclure dans le modèle la météo du lundi et des jours précédents.

Et tada, vous saurez si oui on non vous annulez vos vacances en Normandie à cause de la pluie (très probablement, oui).

Pourquoi s’agit-il d’une véritable révolution ?

Parce qu’outre la météo, qui concerne le court terme, les prévisions climatiques pour les centenaires à venir sont de plus en plus fiables.

Les grilles 3D sont de plus en plus fines, de sorte que certains évènements de petite échelle qui ont une influence sur l’évolution du climat peuvent désormais être pris en compte.

Prenons le cas de l’océan. Vous avez peut-être entendu parler du Gulf Stream. Il s’agit d’un courant faisant partie d’une circulation conceptuelle plus vaste, la Circulation Méridienne de Retournement Atlantique (AMOC). Et ces derniers temps, à cause, entre autres, de la fonte des glaces de l’Arctique et du réchauffement de l’eau, cette circulation, qui emmène les chaleurs des tropiques américains en Europe, est suspectée de ralentir et de se déplacer². C’est la raison pour laquelle les médias s’alarment sur d’hypothétiques futurs hivers polaires à nos latitudes³.

Pourtant, ce qui n’avait pu être modélisé pendant longtemps, c’étaient les phénomènes à petite échelle qui participent aux variations de l’AMOC: les tourbillons, les gyres. Ces derniers jouent aussi un rôle majeur dans le piégeage du carbone dans l’océan, et n’ont pendant longtemps pas pu être pris en compte dans les modèles.

Réaliser des prévisions n’est cependant qu’une seule application de la modélisation, qui permet aussi et surtout de mieux comprendre notre présent. Elle permet en effet de compléter les observations, qui ne peuvent être réalisées que trop ponctuellement spatialement et temporellement, ainsi que de valider des hypothèses (par exemple, que se passerait-il si on doublait la concentration en CO2 dans l’atmosphère?).

Ainsi, une autre avancée qu’a permis cette révolution numérique est l’étude de la vie marine et des écosystèmes marins. Etre capable de modéliser la complexité du vivant peut paraître étonnant, mais il s’agit aujourd’hui principalement d’étudier le plancton, ces organismes à la base de la chaîne alimentaire qui dérivent avec les courants de façon assez prévisible. Les dynamiques des populations de plancton sont assez prévisibles car très dépendantes des paramètres physico-chimiques marins. Ces producteurs primaires sont un indicateur très important de la santé des océans et des écosystèmes marins, et jouent un rôle majeur dans le piégeage du carbone car la plupart d’entre eux réalisent la photosynthèse, tandis que leurs populations sont perturbées par le dérèglement climatique⁴. Ainsi, la modélisation ne sert pas non seulement à prévoir ce que pourrait engendrer le dérèglement climatique dans les années à venir, mais aussi à comprendre l’évolution de nos océans depuis des décennies et leur fonctionnement.

Une science encore imparfaite

Bien sûr, ces prévisions sont encore sujettes à de nombreuses erreurs. En même temps, imaginez, prévoir l’évolution d’une planète entière jusque dans une centaines d’années… c’est un travail d’Atlas !

Surtout lorsque l’on sait que même les modèles météorologiques les plus performants connaissent des ratés. Les prévisions à moyen terme comme celles de nos météos peuvent parfois être exceptionnellement mauvaises, et l’automatisation croissante du travail des prévisionnistes ne permet pas une vérification aussi rigoureuse qu’avants⁵. De plus, le caractère chaotique (lisez l’article sur le problème à trois corps !) de la météo rend les prévisions très difficiles. Ce caractère chaotique rend le système très dépendant des conditions initiales, qui peuvent varier faiblement et malgré tout rapidement engendrer une divergence très forte des prévisions climatiques. Alors à l’échelle de millénaires, même avec des grilles très fines, on peut s’attendre à des erreurs pharaoniques.

Alors, pour tester les limites des modèles, les chercheurs en paléoclimats les utilisent sur des périodes passées pour voir si les prévisions fonctionnent. J’ai moi-même pu tester l’un d’entre eux durant un stage auprès de la chercheuse Fanny Lhardy.

Le modèle partait du Dernier Maximum Glaciaire, il y a 21 000 ans. Nous voulions voir ce que le modèle prévoyait pour les années précédant la révolution industrielle du XVIllème siècle (on pourrait croire que j’essaie d’insérer le plus de fois le mot révolution dans cet article, mais je vous jure que non). Eh bien, les prévisions divergeaient de façon surprenante de ce qui fut vraiment observé en 1850.

Pour autant, cela ne signifie pas que le modèle est à jeter. Il faut alors pouvoir identifier les potentielles sources d’erreurs qui conduisent à ces prévisions divergentes. Cela permet à la fois d’améliorer le modèle, mais aussi de mieux comprendre certains phénomènes physiques.

Pour corriger ces erreurs, on crée des réanalyses. Elles combinent des observations — provenant notamment de satellites, de bouées ou de stations météorologiques — avec un modèle numérique, grâce à des méthodes d’assimilation des données. On obtient ainsi une reconstruction cohérente de l’état passé du système climatique.

Pour augmenter la résolution des modèles et accélérer les calculs, de plus en plus de laboratoires de recherche se tournent vers l’Intelligence Artificielle.

Encore une révolution dans ce domaine, pourrait-on penser. Pourtant, de nombreux désaccords persistent entre les chercheurs. Un institut de recherche dans le climat qui se veut non hypocrite devrait essayer d’avoir un impact environnemental le plus neutre possible. Et l’usage de l’IA pollue beaucoup, et est très demandeuse en eau et minerais rares. Si bien que le débat sur cette question reste encore ouvert… A quel point la pollution dans la recherche en sciences du climat peut-elle contrebalancer les effets du dérèglement climatique ?

Peut-on vraiment appeler cela une révolution si l’optimisation avec l’IA constitue un frein dans la lutte contre le dérèglement climatique ?

1. Dennis Meadows, Donella Meadows et Jørgen Randers, Rapport Meadows : les Limites de la Croissance (dans un monde fini), 1972 ↩︎
2. S., « Is the Atlantic Overturning Circulation Approaching a Tipping Point? »,2024, in Oceanography. ↩︎
3. Jackson et al., « Global and European climate impacts of a slowdown of the AMOC in a high resolution GCM », 2015, in Climate dynamics. ↩︎
4. Swati Mestri, NASA, « El Nino alters marine life in the Pacific », https://phys.org/news/2026-08-el-nio-marine-life-pacific.html ↩︎
5. « Une pluie d’erreurs chez Météo-France ? »
   https://www.franceinfo.fr/environnement/meteo/enquete-pluie-d-erreurs-chez-meteo-france_6530594.html ↩︎