Entre climat et IA : comprendre les événements extrêmes de demain

« À l’origine, j’envisageais une carrière en finance », confie Amaury Lancelin. Mais une conférence à l’X sur le climat et les défis énergétiques en 2022 a produit un déclic. Et la formation de l’X nous prépare bien aussi pour faire de la recherche. » Il contacte donc des chercheurs de ce domaine et s’oriente vers une thèse au Laboratoire de météorologie dynamique, un des plus grands laboratoires des sciences du climat en France localisé à l’École polytechnique, à l’École normale supérieure ENS/PSL et à Sorbonne Université. Le directeur du laboratoire, Freddy Bouchet, directeur de recherche au CNRS et professeur attaché à l’ENS/PSL, lui propose un sujet de thèse ambitieux : étudier les statistiques des événements extrêmes, dont la fréquence est amenée à augmenter avec le changement climatique. Avec des impacts notamment sur les infrastructures électriques.

Le défi est de taille. Les événements extrêmes sont, par définition, rares. Connaître avec précision le temps de retour d’une canicule comme celle qui a touché la France et l’Europe en 2003, par exemple, est encore hors de portée.  « On n’en a pas assez dans les données observationnelles, explique le jeune chercheur. Et les modèles physiques traditionnels, bien qu’indispensables, sont extrêmement coûteux en ressources. Pour obtenir des statistiques fiables, il faudrait les faire tourner pendant extrêmement longtemps. » 

Le boost de l’IA

« On vit une révolution dans les sciences du climat avec l’arrivée de l’IA. Les émulateurs, apparus en 2022-2023, ont bouleversé les approches traditionnelles. » Une révolution qui l’a obligé à réorienter son sujet de thèse, qui était d’abord de développer des modèles interprétables, c’est-à-dire dont le comportement peut être suivi et expliqué d’un point de vue physique, alors que les réseaux de neurones artificiels sur lesquels se basent ces nouvelles méthodes restent des boîtes noires. Mais elles sont redoutablement efficaces. 

Ces émulateurs IA sont entraînés à imiter la dynamique des grands modèles physiques de l’atmosphère, c’est-à-dire qu’ils prédisent l’évolution des grandeurs physiques à partir de celles fournies à un instant donné. Mais il reste des questions ouvertes quand il s’agit de les faire tourner non pas 15 jours, mais des milliers d’années : sont-ils en accord avec les modèles physiques qu’ils sont censés émulés ?

Stabilité et cohérence

Dans un premier temps, Amaury Lancelin et ses collègues de l’équipe de Freddy Bouchet au LMD et ceux de l’équipe de Pedram Hassanzadeh à l'université de Chicago, notamment Alexander Wikner, ont utilisé un modèle physique de complexité intermédiaire (PlaSim) afin de simuler 100 000 ans de données climatiques (sans prendre en compte le réchauffement climatique pour ne pas compliqué d’emblée l’analyse). Plusieurs dizaines de ces années simulées ont ensuite servie à entraîner l’émulateur IA. Enfin, celui-ci a également été lancé pour l’équivalent de 100 000 ans.

« L’émulateur est stable, il reproduit les bonnes variabilités comme les saisons, mais surtout, ce qui était une grande inconnue, il peut extrapoler bien au-delà des données d’entraînement, en simulant de façon fidèle des événements extrêmes d’une intensité qu’il n’a encore jamais vue. » Il reste encore quelques biais, mais c’est une première étape de franchit pour avoir confiance dans cette méthode. Les chercheurs se penchent désormais sur des cas plus complexes, avec les modèles à l’état de l’art utilisés par le GIEC.

Changement climatique et réseau électrique

Dans un second projet de sa thèse, Amaury Lancelin a combiné cette méthode d’IA avec des modèles physiques afin d’obtenir le meilleur des deux mondes : des gains en calcul importants, tout en conservant la confiance dans la qualité des données simulées. Les algorithmes de simulation d’événements rares sont déjà la spécialité de son directeur de thèse Freddy Bouchet. Ils consistent à simuler, grâce à un modèle physique, un ensemble de trajectoires climatiques, puis à favoriser celles qui conduisent vers des événements extrêmes en leur attribuant des pondérations. « J’ai justement utilisé l’IA, pour effectuer ce travail de guide, détaille le doctorant. Grâce aux pondérations, on peut ensuite calculer les statistiques sur les événements extrêmes simulés. En termes de ressources, on gagne un facteur 100 ! »

A termes, ces outils pourraient aider par exemple à des études d’adaptation au changement climatique. Les vagues de chaleur, entre autres, sont extrêmement importantes pour le dimensionnement des futures lignes électriques. « Une température trop élevée entraine une dilatation des câbles et leur plus grande proximité avec le sol, risquant notamment de provoquer des incendies. Par ailleurs, la répétition de températures très élevées peut entrainer une fatigue accélérée des matériels » indique Laurent Dubus, responsable scientifique à RTE. L’anticipation des extrêmes de température permet donc un dimensionnement plus robuste. 

Au-delà, les travaux d’Amaury Lancelin, très en amont de l’opérationnel et axés sur la méthodologie, pourraient être utiles dans d’autres domaines des sciences physiques. 

Pour en savoir plus :

Publication scientifique en preprint : Amaury Lancelin, Alexander Wikner, Laurent Dubus, Clement Le Priol, Dorian S. Abbot, Freddy Bouchet, Pedram Hassanzadeh, and Jonathan Weare. AI-boosted rare event sampling to characterize extreme weather. arXiv:2510.27066

*LMD : une unité mixte de recherche CNRS, ENS-PSL, Sorbonne Université, École polytechnique, Institut Polytechnique de Paris, 91120 Palaiseau, France