Mieux modéliser le climat grâce aux statistiques

Joanna Jongwane pour Interstices : Chers auditeurs et auditrices, bienvenue dans ce soixante-sixième épisode du podcast Interstices. À l’approche de la Conférence sur le climat, la fameuse COP21 qui débute à Paris fin novembre, les débats autour du réchauffement climatique prennent de l’ampleur. Quel rôle jouent les sciences du numérique dans la problématique du climat, nous allons découvrir une facette parmi tant d’autres des travaux de recherche sur ce thème, avec Clémentine Prieur, professeure à l’université de Grenoble et membre de l’équipe AIRSEA. Clémentine Prieur, bonjour.

Clémentine Prieur : Bonjour.

Interstices : Pour commencer, une petite question pour se mettre dans le bain, si on peut dire. Qu’attendez-vous de la COP21 à votre échelle ?

Clémentine Prieur : Alors déjà, on peut peut-être rappeler le contexte de la COP21. La COP21 a pour objectif de trouver des solutions au changement climatique, puisqu’on s’attend à un réchauffement entre 0,3 et 4,8 degrés Celsius d’ici 2100, donc c’est un réchauffement rapide par rapport à ce qu’on a connu jusqu’à présent. Et de notre point de vue, donc du point de vue de la communauté mathématiques appliquées ou simulation numérique, l’intérêt c’est aussi de faire connaître les enjeux de notre travail, donc une forte nécessité de développer des modèles numériques pour étudier l’évolution du climat.

Interstices : Dans l’équipe AIRSEA vous naviguez en quelque sort entre l’air et la mer si l’on s’en tient au nom de votre équipe, cela signifie que vous développez des modèles de l’océan et de l’atmosphère ?

Clémentine Prieur : Oui, alors pour étudier le système terrestre, et en particulier le réchauffement climatique, l’océan et l’atmosphère sont essentiels, il n’y a pas que ça bien sûr mais ce sont des composantes essentielles du système terrestre, qui communiquent entre elles, et du coup c’est essentiel de développer des modèles pour l’océan et pour l’atmosphère et également d’étudier aussi ce qui se passe à l’interface des deux.

Interstices : Alors concrètement, à quoi servent ces modèles ?

Clémentine Prieur : Alors, ces modèles visent à une meilleure compréhension du système terrestre, donc une meilleure connaissance, également à donner des prévisions, avec des fourchettes d’incertitude si possible, tout à l’heure je vous disais un réchauffement climatique entre 0,3 et 4,8 degrés Celsius, donc voilà on veut donner une prévision mais en même temps quantifier la méconnaissance qu’on a de cette prévision.

Interstices : Donc vous développez également des méthodes d’analyse de ces modèles, pouvez-vous nous en dire plus ?

Clémentine Prieur : Alors ces modèles dépendent de beaucoup de paramètres, l’analyse de ces modèles c’est déjà de voir que ces modèles sont quantifiés correctement, sont calibrés de façon correcte. Et puis ensuite, aussi étudier différents scénarios puisque on est ici dans un domaine où l’expérimentation physique est difficile, donc on marche beaucoup avec des simulations numériques. Donc on fait tourner les différents modèles avec différents paramètres, on peut tester différents scénarios d’émission de gaz CO2, et puis regarder quel serait l’impact sur les quantités d’intérêt ; ça c’est important de pouvoir faire des simulations numériques et d’analyser correctement les modèles.

Interstices : Qu’entendez-vous par « quantités d’intérêt » ?

Clémentine Prieur : Alors la quantité d’intérêt ça peut être la température, au niveau du réchauffement, ça peut être aussi des probabilités d’événements rares, puisque effectivement on s’attend à ce que le réchauffement climatique amène à une augmentation des événements extrêmes comme par exemple les phénomènes de crues, comme on a pu le voir dans les événements récents. Et donc pour voir si ces phénomènes sont augmentés ou pas, il faut tester différents scénarios, analyser les modèles, et donc ça c’est l’un des objectifs.

Interstices : Alors, quels sont les enjeux autour de vos travaux ?

Clémentine Prieur : Des gros enjeux socio-économiques. Donc on a pu voir les événements récents dans le Var qui ont eu des répercussions économiques et sociales bien sûr et c’est des phénomènes qu’on voit de plus en plus fréquemment. Donc ça c’est important, pas seulement en France donc là je donne des exemples récents, mais les phénomènes de sécheresse par exemple en Afrique de l’Ouest par exemple qui ont été très intenses ces dernières années, tous ces phénomènes peuvent avoir des impacts dramatiques selon les pays et selon le niveau de pauvreté des pays, donc ça a vraiment un gros impact bien sûr.

Interstices : Là c’étaient les enjeux sociétaux si on peut dire. Et les enjeux scientifiques ?

Clémentine Prieur : Pour les enjeux scientifiques, on a affaire à des modèles qui sont des gros modèles si on peut dire en quelque sorte des usines à gaz, pouvoir analyser ces modèles, pouvoir donner des bonnes simulations numériques, qui prennent en compte tous les phénomènes, et en connaître les limites aussi, donc ça c’est aussi les enjeux. Principalement savoir ce que peut faire un modèle et ce qu’on peut en tirer, parce qu’on ne peut pas non plus faire des miracles, il faut connaître les limites aussi des compétences qu’on peut avoir sur les modèles.

Interstices : J’ai vu que les études menées par l’équipe AIRSEA sont d’autant plus importantes qu’elles sont sources d’information pour les rapports du GIEC — donc le Groupe d’experts intergouvernemental sur l’évolution du climat — et donc que ces rapports seront utilisés lors de la Conférence Paris Climat en novembre (2015) ?

Clémentine Prieur : En fait, les rapports du GIEC s’inspirent de simulations numériques, qui sont faites à l’aide de modèles qui sont développés par le CMIP (Coupled model intercomparison project), donc c’est un projet international et à l’échelle de la France c’est principalement l’Institut Pierre-Simon Laplace et Météo-France qui travaillent sur ces modèles. Alors sur les projets qui sont faits en collaboration avec Météo-France et l’Institut Pierre-Simon Laplace, par exemple un projet qui vise à réduire les incertitudes sur la détermination des zones nuageuses, donc ça c’est un grand enjeu en particulier sur le réchauffement de la planète, puisque les nuages vont réfléchir l’énergie solaire, donc ça a un impact bien sûr sur le réchauffement climatique.

Interstices : Vous vous intéressez en particulier à la quantification des incertitudes sur ces modèles. Qu’est-ce que cela signifie ?

Clémentine Prieur : Effectivement. Quand je vous disais qu’on prévoyait un réchauffement entre 0,3 et 4,8 degrés Celsius, on voit bien que ce qui est produit c’est une fourchette et pas une valeur exacte, de température, ça ça vient du fait qu’il y a plein de sources d’incertitudes, aussi bien sur les modèles — on a des incertitudes sur la modélisation des phénomènes physiques — également des incertitudes sur différents paramètres par exemple si en entrée d’un modèle on a un champ de pluie, on a des incertitudes au niveau des mesures de pluie, qu’on peut mesurer dans différentes stations à l’aide de pluviomètres, on a aussi des mesures radar mais à chaque fois ces mesures sont entachées d’incertitudes, et il faut en tenir compte, après pour analyser les modèles.

Interstices : Mais est-ce qu’on pourrait réellement avoir des modèles plus précis ?

Clémentine Prieur : Tout dépend de ce qu’on appelle modèles précis. Si on veut, on peut être plus précis en modélisant mieux les phénomènes, donc ça ça va avoir un coût : le modèle peut être vraiment lourd à tourner, peut être très très complexe, puisqu’il va prendre en compte tous les phénomènes. Et puis on peut aussi être plus précis en termes d’incertitude, c’est-à-dire avoir une fourchette d’incertitude qui est plus resserrée, donc pour ça, ça veut dire vraiment bien analyser les sources au départ, les sources d’incertitude.

Interstices : Et quelles sont les méthodes ou les outils que vous utilisez ? Ils sont plutôt statistiques si j’ai bien compris.

Clémentine Prieur : Pour ces incertitudes, il faut trouver un modèle d’incertitude, par exemple si je mesure une température de 15° Celsius, on imagine bien qu’il y a des erreurs de mesure donc ça peut être logique de penser qu’en fait la température n’est pas exactement à 15° Celsius mais qu’il est probable qu’elle soit par exemple entre 14,5 et 15,5°C et très peu probable qu’elle soit à 0 ou à 30° Celsius. Donc là on donne un modèle vous voyez de ce qui est probable par rapport à notre mesure. Ensuite il faut propager ces incertitudes, il faut les faire passer au travers du modèle et regarder ce qui se passe. Et puis bien sûr à la fin à quoi on s’intéresse, donc on peut s’intéresser à la probabilité d’un événement rare, par exemple la probabilité d’une crue, si on s’intéresse par exemple au dimensionnement de l’ouvrage on peut vouloir savoir quelle hauteur de digue il faut construire, et donc c’est la quantité d’intérêt ce sera donc la probabilité de dépassement d’une certaine hauteur de digue. Donc on va regarder en fonction du modèle d’incertitude mis en entrée du modèle ce qui se passe sur la quantité d’intérêt en sortie. Et puis aussi, alors on a peu d’expérimentation physique, comme je le disais on a beaucoup d’expérimentations numériques, mais on a quand même quelques observations, donc par exemple dans la mer on peut avoir des bouées qui prennent des mesures, et il faut incorporer toutes ces mesures dans le modèle en fait. On peut le faire avec de l’assimilation de données donc on veut assimiler ces données au modèle pour l’enrichir, pour le préciser en fait, voilà…

Interstices : « Assimiler » qui veut dire…

Clémentine Prieur : On donne à manger au modèle des observations, et du coup on corrige un peu les erreurs de modèles. Et puis lorsqu’on a plusieurs paramètres, donc par exemple ça peut être des paramètres de viscosité, des paramètres qui décrivent le fond de l’océan, la bathymétrie, donc ces paramètres on peut aussi vouloir les estimer, les préciser, donc là aussi il y a un travail à faire et euh principalement moi je travaille avec des outils de statistiques pour ça. Voilà donc comment on peut faire coller un modèle plus aux observations. On peut faire tourner un modèle pour différentes valeurs des paramètres donc comme je disais si on a un paramètre de viscosité ou des paramètres qui décrivent la bathymétrie, le fond de l’océan, on va faire tourner le modèle pour différentes valeurs de ces paramètres et puis on va comparer aux observations qu’on a et par des méthodes de comparaison comme ça, on va pouvoir choisir les valeurs des paramètres les plus probables par rapport aux observations.

Interstices : Quelles sont les difficultés auxquelles vous êtes confrontée dans le cadre de vos travaux ?

Clémentine Prieur : Il y a plusieurs difficultés. Alors d’abord on travaille avec des gros modèles, donc ce sont des modèles qui sont coûteux, donc bien sûr on travaille en collaboration avec des informaticiens pour tout ce qui est calcul haute performance, faire tourner ces modèles sur des grandes grilles de calcul, et donc une des difficultés c’est comment réduire ce coût, alors en fait on travaille beaucoup avec des modèles réduits, c’est-à-dire qu’on va chercher des modèles simplifiés, qui tournent très très rapidement, qui permettent en gros d’explorer ce qui se passe, sans varier les paramètres, mais au lieu de prendre le modèle complet bien précis on va prendre un modèle qui donne une approximation de ce qui se passe mais qui nous permet dans un premier temps d’explorer les différentes valeurs des paramètres, comme je disais, comme la viscosité ou le fond de l’océan, on fait varier les paramètres, on fait tourner un petit modèle, et on regarde ce qui se passe. Donc ça c’set pas mal utilisé, la réduction de modèles.

Interstices : Mais si on utilise des modèles réduits, est-ce qu’on ne multiplie pas les incertitudes ?

Clémentine Prieur : Oui alors tout à fait, alors les modèles réduits on peut les utiliser de deux façons, si c’est pour explorer ce qui se passe grossièrement, ça n’a pas vraiment d’importance, c’est pour donner une première information. Par contre, si on veut les utiliser dans un cadre beaucoup plus précis, alors là oui il va falloir aussi quantifier les erreurs qu’on fait en utilisant un modèle réduit plutôt qu’un modèle plus complexe, donc c’est aussi une partie de mon travail effectivement, de quantifier cette source d’incertitude, qui devient une nouvelle source d’incertitude.

Interstices : Pour finir, quels sont les défis, scientifiques ou autres, qu’il vous reste à relever ?

Clémentine Prieur : Les défis je dirais effectivement c’est continuer à développer des modèles réduits qui tiennent la route, pour lesquels on sache développer des bornes d’erreur, justement, pour quantifier l’incertitude, et puis également en ce qui concerne les événements extrêmes, en fait c’est s’intéresser à tous les événements qui sont par nature multidimensionnels ; donc je vais préciser : si on s’intéresse à un phénomène de crue, en fait on a d’une part la pointe de crue, on a le volume et le débit, donc on a déjà trois quantités qui décrivent ce phénomène, et ces trois quantités en fait sont interdépendantes les unes des autres, on peut pas considérer qu’elles ne sont pas corrélées. Donc si on considère qu’elles sont décorrélées, qu’on oublie qu’il y a une dépendance entre elles, on peut arriver — donc si on s’intéresse à un dimensionnement de l’ouvrage — on peut sous-dimensionner un ouvrage ou le surdimensionner, ça peut être dans les deux sens. Au niveau financier par exemple, les dernières crises financières qu’on a eues c’était justement parce qu’on n’avait pas tenu compte des dépendances. Donc ça c’est un vrai enjeu. Par exemple si on a un champ de températures en entrée d’un modèle, on imagine bien que s’il fait 15 degrés à un point, en France, à une station en France, sur la station voisine il ne va pas faire 30 degrés. On a quelque chose qui est dépendant. Et donc si on a une incertitude du champ il faut quand même que ce qu’on propose comme modification de cette carte de températures, tienne compte de ces dépendances, c’est-à-dire deux stations voisines on ne va pas les perturber en disant y’en a une qui st à 3 degrés Celsius et l’autre 30 degrés. Ça c’est quelque chose d’important, qui reste encore difficile, et qu’il faut bien modéliser.

Interstices : Clémentine Prieur, merci d’avoir accepté cet entretien.

Clémentine Prieur : Merci, au revoir.

Joanna Jongwane pour Interstices :  Chers auditeurs et auditrices à la prochaine, et n’oubliez pas « les sciences du numérique, sur Interstices ! »