Une intelligence artificielle peut désormais produire des scénarios de pluies extrêmes crédibles, même lorsqu’aucun événement aussi violent n’existe dans ses données d’apprentissage.
Préparer une ville à une catastrophe rare pose un problème simple : les exemples manquent justement quand le risque devient le plus sérieux. Par définition, une pluie exceptionnelle apparaît rarement dans les archives. Or beaucoup de modèles apprennent surtout à partir de ce qui s’est déjà produit.
Des éclairs pendant un orage près de Mudanya en Turquie, le 16 juin.
Crédit : Uğur İkizler
Des chercheurs du Massachusetts Institute of Technology ont développé une méthode pour contourner cette limite. Baptisée Extreme Event Aware Learning, elle ne cherche pas à prévoir la prochaine tempête. Son objectif est différent : imaginer de nombreux événements très rares, mais statistiquement plausibles.
Pour la tester, l’équipe s’est appuyée sur 25 années de précipitations horaires couvrant les États-Unis continentaux. Ces données ont été regroupées en cartes quotidiennes. Pourtant, la partie du modèle chargée d’apprendre la forme détaillée des pluies n’a utilisé que les six premiers mois. Cette courte période contenait peu, voire aucun des épisodes les plus extrêmes. Ceci pour tester ses prédictions avec la réalité.
Comment peut-elle alors produire des pluies plus fortes que celles qu’elle a vues ? L’idée consiste à séparer deux informations. D’un côté, le système apprend à quoi ressemblent les cartes de pluie : leur forme, leur étendue et leur organisation dans l’espace. De l’autre, des statistiques indiquent à quelle fréquence certaines intensités peuvent se produire.
Ces statistiques jouent le rôle de garde-fou. L’IA ne peut pas simplement inventer une carte spectaculaire au hasard. Elle doit proposer des configurations compatibles avec le niveau de rareté demandé.
Un aménageur pourrait ainsi demander à quoi ressemblerait une pluie susceptible de se produire environ une fois par siècle. Le modèle génère alors de nombreux scénarios possibles, avec des zones touchées et des intensités différentes. Les chercheurs donnent l’exemple d’un événement atteignant 300 mm de pluie là où le record observé serait de 200 mm.
Cette différence est importante pour la gestion des risques. Une ville pourrait tester un réseau d’évacuation des eaux, une digue ou d’autres infrastructures face à plusieurs scénarios sévères. Elle ne serait plus limitée aux seules catastrophes déjà présentes dans les archives.
Les chercheurs estiment qu’un principe similaire pourrait servir pour d’autres risques, comme les inondations et les incendies de forêt. Des domaines très différents, comme les déplacements robotiques ou les cours sur les marchés financiers, pourraient aussi être explorés.