Des modèles IA révolutionnent la prédiction des dynamiques océaniques régionales, avec une précision supérieure et zéro « hallucination » à long terme
Les dynamiques océaniques régionales peuvent désormais être mieux simulées grâce à des modèles d’intelligence artificielle (IA), selon une étude menée par des mathématiciens appliqués de l’Université de Californie à Santa Cruz. Cette recherche, publiée dans Journal of Geophysical Research: Machine Learning and Computation en 2025, présente un modèle hybride qui combine IA et contraintes physiques pour prédire avec précision les mouvements océaniques dans le Golfe du Mexique — une région stratégique pour les États-Unis et le Mexique, en raison de son importance pour le transport maritime, l’exploitation pétrolière et le tourisme. Le projet résulte d’une collaboration entre l’équipe de l’UC Santa Cruz dirigée par le professeur adjoint en mathématiques appliquées Ashesh Chattopadhyay, le laboratoire de technologies convergentes de Fujitsu et une équipe de l’Université de Caroline du Nord. Le modèle développé permet des prévisions à court terme (jusqu’à 30 jours) plus précises que les modèles physiques traditionnels, tout en simulant fidèlement les dynamiques océaniques sur une période de 10 ans sans « hallucinations » — des sorties physiquement impossibles qui ont longtemps limité l’utilisation de l’IA dans les sciences de la Terre. Le principal défi réside dans la modélisation des régions côtières, où les interactions complexes entre les vagues, les courants et les structures géographiques rendent les simulations très exigeantes. Les modèles classiques, bien que précis, sont coûteux, énergivores et lents. L’approche proposée par Chattopadhyay repose sur une technique de « descente d’échelle » (downscaling) : un premier modèle IA traite les données à faible résolution (8 km) pour capturer les dynamiques à long terme, puis un second modèle améliore cette information à une résolution fine (4 km), similaire à l’amélioration d’une image. Cette double étape, enrichie par des contraintes physiques rigoureuses, garantit que les prédictions restent cohérentes avec les lois de la physique. Le travail a été mené par le doctorant Leonard Lupin-Jimenez, qui a passé du temps chez Fujitsu pour travailler sous la supervision de Subhashis Hazarika et Anthony Wong. Cette collaboration interdisciplinaire a permis de concevoir un système non seulement scientifiquement robuste, mais aussi opérationnel sur des plateformes maritimes, même en mer. L’objectif était de rendre les outils accessibles à des utilisateurs non spécialistes, comme les opérateurs de ports ou les navigateurs. Selon Hazarika, cette collaboration marque une avancée clé vers l’intégration de modèles d’IA validés scientifiquement dans des applications industrielles réelles, notamment pour la gestion des ports, le routage des navires ou la surveillance des événements extrêmes. Chattopadhyay souligne que cette étude illustre une tendance croissante : les modèles d’IA, lorsqu’ils sont correctement contraints par la physique, dépassent désormais les modèles traditionnels dans de nombreux domaines des sciences de la Terre. Ce travail ouvre la voie à une nouvelle génération de simulateurs océaniques rapides, précis et adaptés à l’exploitation en temps réel, avec des implications mondiales pour la modélisation des courants océaniques, comme le Gulf Stream, et la gestion durable des ressources marines.